机器人产业现在也走到新阶段了。 过去两年，市场看具身智能，更多在看机器人能不能站起来、走起来、跑起来。发布会上翻个跟头，社交平台刷一波屏，投资人情绪马上跟着修复。但到了2026年，故事正在变。资本越来越清楚，机器人光会走路不够，最终要能干活。干活这件事，绕不开一只手。 6月24日，临界点 AGILINK 宣布完成近10亿元新一轮融资，投后估值超过10亿美元。从成立到跻身独角兽，只用了5个月、4轮融资。这个速度，在灵巧手赛道里已经不是快不快的问题，而是资本市场给了一个非常明确的信号：具身智能的估值锚，正在从整机叙事，切到关键执行部件。 更关键的是，公司披露了一组硬数据：OmniHand 系列灵巧手累计交付超过8000台，夹爪出货超过万台，并且在首个完整季度就实现经营性净盈利。 独角兽估值可以讲故事，盈利和交付没那么好讲。一个成立5个月的公司，已经有出货、有订单、有盈利，并开始从“概念公司”切向“产业链现金流资产”。 机器人行业的新故事 前几年具身智能最热的时候，大家喜欢看人形机器人。这个很正常，人形机器人有传播力，有想象力，也容易拉高风险偏好。一个机器人站在台上走几步，市场很容易把未来工厂、家庭服务、养老护理、物流搬运全部装进去。 但整机公司的问题也很明显——太重了。要做本体、做运动控制、做场景方案、做客户交付，还要背售后和系统集成。整机看起来离终端最近，实际上利润兑现最慢。很多时候，估值先涨，订单还没真正跑出来；主题先升温，现金流还在后面慢慢追。 具身智能这条线，第一批跑出来的利润池，未必在整机，反而可能在关键零部件。 灵巧手就是这个位置。脚解决移动，手解决操作。机器人能不能进工厂、进仓库、进实验室、进服务场景，核心不是它像不像人，而是它能不能抓东西、拧东西、拿东西、折东西、插拔东西。说白了，机器人真正产生生产力，不是站在那里像人，是把任务完成得比人稳定、便宜、可复制。 这

在线旅游行业2026年以前做生意做的是将旅途中各个环节的不确定性变成可搜索、可比较、可支付、可售后的订单。2026年，旅游行业正在从“人找商品”变成“系统组织行程”，这会改变OTA的产品形态，也会改变平台和用户之间的关系。 市场的定价逻辑也随之被AI重新改写。携程这次财报里的AI信号方向不弱，但很难对冲Q2减速。资本市场并不会因为一家公司提到AI，就自动给它切换估值锚。 $携程集团—S(09961)$ 财报数据显示：Q1净营业收入162.08亿元，同比增长17.2%；住宿预订收入65亿元，同比增长17%；交通票务收入约61亿元，同比增长12%；旅游度假收入11亿元，同比增长19%；商旅收入6.9亿元，同比增长20%。更亮眼的是国际平台总预订同比增长约65%，入境游预订同比增长约90%。Q2收入指引同比增长3%—8%，增速相比Q1明显降档，同时提示能源价格、地缘波动和合规框架调整会影响利润率和盈利表现。 这将携程从“复苏成长股”的交易逻辑，重新拉回到“利润率验证股”的定价逻辑。携程集团-S一季度财报公布后，港股盘中跌超7%，报327港元附近。 携程的AI还没有进入财报模型 携程管理层在最新业绩表述中提到，未来会通过技术、AI-powered solutions和目的地项目，帮助旅行者跨越语言和信息壁垒，也让更多供应商连接全球需求。 这一表述点明了跨境旅行的痛点：信息不对称、语言障碍、实时库存、支付链路和履约保障。 但携程财报里没有单独披露AI带来的收入，也没有告诉市场AI让转化率提升了多少，客服成本下降了多少，营销费用率改善了多少，TripGenie或者AI行程助手贡献了多少订单。也就是说，AI已经进入携程的产品叙事，只是还没有进入分析师的盈利模型。 这也是绩后股价反应偏弱的原因之一。市场现在并

通常情况下，市场盯着英伟达，更多是在看其有多少GPU、交付多少Blackwell、毛利率能维持多久。但在美东时间6月24日的英伟达年度股东会上，黄仁勋给资本市场换了一套说法：客户购买英伟达系统，是在建设可以直接创收的AI工厂。 $英伟达(NVDA)$ 股东大会作为市场最重要的定价线索之一。从中可以看出，英伟达正在试图把自己从“芯片供应商”推向“AI工业化基础设施公司”。黄仁勋这次把Blackwell推理吞吐量、Vera Rubin平台、CUDA X生态、中国H200收入不确定性和芯片走私风险放在同一张图里。回答了一个更关键的问题：AI资本开支超级周期，究竟是硬件景气的尾声，还是AI工业化的早期。 如果英伟达能把算力、网络、CPU、软件库和行业工具打包成一套稳定生产Token的系统。并且Token开始像电力、石油、带宽一样成为可计量、可交易、可货币化的工业产出，那么英伟达的估值锚就要开始看AI工厂的产能、效率、订单能见度和现金流质量。 这次股东大会上，黄仁勋没有只讲下一代产品参数，而是把Blackwell推理吞吐量、Vera Rubin平台、CUDA X生态、中国H200收入不确定性和芯片走私风险放在同一张图里，尝试回答市场一个关键问题：AI资本开支超级周期，究竟是硬件景气的尾声，还是AI工业化的早期。 AI数据中心开始按Token回报率定价 曾几何时，市场论调是谁能买到更多GPU，谁就更可能训练出更强模型。H100、H200到Blackwell是供应到大模型训练竞赛里的核心材料，只要云厂商、模型公司和互联网巨头继续上修资本开支，英伟达的收入和利润弹性就能继续兑现。但智能体时代来临，问题就会不一样。 黄仁勋在会上提到，AI已经完成从“有趣”到“有用”的跨越。这个判断背后，是算力需求结构的变化。训练

AI时代到来，需求激增情况下，现在的AI客户面对的早已不是内存贵不贵的问题，而是未来几年还能不能稳定拿到货。 $美光科技(MU)$ GPU可以买，服务器可以组，数据中心可以扩，电力和液冷也可以慢慢配，但如果HBM、服务器DRAM、数据中心SSD这些关键内存供应跟不上，整条AI资本开支链条都会卡住。 近日，美光发布最新一季财报。理性来看这不只是一份漂亮财报，也是一张新牌桌：客户签多年协议，锁采购量，接受价格区间，还要拿出现金保证金，换未来几年稳定的供应权。 数据显示，美光最新季度收入达到415亿美元，环比增长74%，同比增长346%；综合毛利率84.9%，下一季度收入指引进一步抬到500亿美元，毛利率指引约86%。放在过去任何一轮存储周期里，这些数字都像是景气顶点级别的表现。 值得一提的是美光披露的16份战略客户协议，也就是SCA。协议通常覆盖2026年到2030年底，其中14份按照最低价格和最低采购量计算，剩余履约义务约1000亿美元。客户还给出约220亿美元现金保证金和相关财务承诺，其中约180亿美元是现金押金。 协议锁定了这段时间约20%的DRAM销量和约三分之一的NAND销量。美光管理层还说，如果后续目标协议全部完成，公司约一半或更多收入将来自SCA客户。 翻译成资本市场语言，就是一句话：美光试图把一个传统强周期生意，改造成带有订单能见度、现金流保障和供应权溢价的AI基础设施资产。 过去市场怎么给美光定价？ 很简单，看DRAM价格，看NAND价格，看库存周期，看三星、海力士、美光谁先扩产，谁先砍资本开支。 景气上来，估值修复；价格下去，利润塌方，估值又被打回周期股。存储公司长期被压估值，本质上不是市场看不懂技术，而是市场不相信其利润能稳定持续。 这次美光想改变的，就是这个老问题。16份长约的意

电影《华尔街》里最经典的一句台词是，“贪婪是好的”。 放在金融科技最顺的几年，这句话几乎像行业潜台词：更低获客成本、更快放款效率、更高复借率、更精细的AI风控模型，所有变量都指向规模扩张。 但到了2026年一季度，嘉银科技交出了一份反向样本。6月23日，公司发布Q1未经审计财报，交易规模193亿元，同比下降45.8%；净收入7.567亿元，同比下降57.4%；净利润从去年同期5.395亿元转为净亏损6170万元。 更关键的是，公司给出的Q2交易规模指引只有95亿至105亿元，相当于在Q1基础上继续明显收缩。资本市场看到的不是一次普通业绩波动，而是金融AI定价逻辑的变化：算法可以提高效率，但不能对抗信用周期；风控可以筛选用户，但不能消灭宏观压力。嘉银科技这份财报的价值，不在于它讲了多少AI故事，而在于它提醒市场，金融科技已经从“放量提效”切到“降杠杆保质量”。   金融科技的估值锚正在切换，规模增长不再自动获得溢价 过去几年，金融科技公司最容易讲清楚的资本故事，是“技术驱动规模”。平台用数据模型筛选借款人，用算法优化获客，用自动化系统提高审批效率，再用复借率和用户留存证明经营飞轮。对投资者来说，这套叙事天然带有利润弹性：交易规模越大，收入越高，固定成本被摊薄，估值锚可以从传统助贷公司切向科技平台。 嘉银科技Q1的财报，把这个逻辑直接按下暂停键。交易规模同比下降45.8%，净收入同比下降57.4%，收入降幅比规模降幅更深，说明公司不是简单少做业务，而是整个经营结构都在重新定价。Q2交易规模指引降至95亿至105亿元，也意味着管理层并没有急于修复规模，而是把短期增长让位给资产质量和经营韧性。这个动作对行业很有代表性：金融科技不再只看谁能放得出去，而是看谁能在信用环境变化时收得回来。 资本市场对这类公司的定价也会随之变化。过去看GMV、交易规模、注册用户和撮合效率，现在更

6月24日，据界面新闻消息，B站旗下AI二创工具「必剪AI」付费会员突破200万，平台同时上线AI内容审核大模型，人工审核成本降低45%。数据显示，2026年一季度，B站总营收74.7亿元，同比增长7%；毛利率提升到37.1%；调整后净利润5.85亿元，同比增长62%；DAU达到1.152亿，用户日均使用时长119分钟。 现在「必剪AI」和AI审核给出了一条新线索——B站可能正在通过AI重新打开利润弹性。B站正在把AI从用户体验，推进到收入端和成本端。如果能将“年轻人社区”变成“AI内容生产基础设施”。估值锚就可能发生变化。   B站开始卖“创作效率” 内容平台过去看的是谁的DAU更大，谁的推荐算法更强，谁就能拿到更高的商业化预期。2026年，这套逻辑的边际收益已经变薄。平台之间真正的竞争，开始从“谁更会分发内容”，转向“谁更会降低内容生产成本”。 B站就处在此变化之中，B站和抖音、快手、小红书的主要区别就在于创作结构。B站很多内容天然更重，知识区、游戏区、影视二创、科技数码、财经解读、鬼畜剪辑、长视频杂谈，都不能通过简单拍一段15秒视频完成。一个UP主想持续更新，剪辑、字幕、封面、脚本、音色、素材整理，每一步都在消耗时间。 所以「必剪AI」付费会员破200万，背后其实是B站第一次把创作者生产链条里的痛点，做成了可收费产品。 这个变化很符合资本市场的逻辑。以前B站主要向内容消费者收费，比如大会员、直播、游戏、增值服务。现在开始向创作者收费，卖的是效率、时间和生产力。消费者付费看内容，创作者付费提高产能，广告主为流量和转化买单，平台的商业化结构就会变得更厚。 这是B站过去几年少有的预期差。这个故事不一定马上贡献巨额收入，但估值语言不一样。广告收入看宏观预算和行业景气，工具订阅看渗透率、续费率和ARPU。前者波动更大，后者一旦稳定，会给市场更强的现金流质量想象。 20

“百度一下，你就知道”是曾经互联网时代的超强的入口心智。长时间里，找资料、查病症、搜公司、看新闻，很多人的第一反应都是打开百度。搜索框背后，是百度核心的资产：用户需求、广告转化、商家预算和入口定价权。 如今，旧搜索入口正在被AI原生App重新切割。用户希望的不再只是阅读信息，找一个答案，用户希望的是AI直接把答案写出来，把PPT做出来，把代码跑出来，把情绪接住，把任务完成。 QuestMobile数据显示，截至2026年3月，国内AI原生App月活规模已经达到4.4亿。豆包、千问、DeepSeek排在前三，月活分别为3.45亿、1.66亿和1.27亿。百度旗下的文心App跌出了前十。 百度其实也是中国最早All in AI的大厂之一，但AI原生App时代，用户没有把“AI第一入口”的票投给百度，这是百度AI叙事里不可忽视的预期差。   AI应用真正比的是用户每天打开谁 文心大模型、百度智能云、飞桨、昆仑芯、萝卜快跑、百图生科，百度手里AI资产并不少。甚至从产业链完整度看，百度可能是国内少数真正能从芯片、框架、模型、云、应用、自动驾驶一路讲到产业落地的大厂。 但C端用户不按资产负债表做选择。用户只看：哪个产品更顺手，更愿意每天打开。 用户喜欢打开豆包，在于字节太懂“用户怎么被产品黏住”。短视频时代训练出来的分发能力、内容理解能力、陪伴产品能力，迁移到AI应用里很自然。豆包更像一个能聊天、能写东西、能陪伴、能解决小任务的入口。 千问的追赶也很典型。阿里把通义千问改成千问之后，思路变得更C端化，也更懂入口打法。阿里的背后还有淘宝、钉钉、夸克、支付宝、办公和消费场景。 DeepSeek更特殊，靠技术口碑、低成本心智和开源扩散，把一个模型品牌打成了全民级认知。很多用户未必懂参数，但他们知道DeepSeek“好用、便宜、聪明”，这就是用户心智。 百度过去太像“AI基础设施公司

开公司的人最怕什么？不是技术不够炫，而是月底一看账单，发现每个员工都在用AI，效率确实提高了，Token账单也像外卖补贴大战一样烧起来了。 2026年6月，Rest of World报道：DeepSeek、小米MiMo、MiniMax等中国模型，正在被美国开发者、独立团队和中小企业接入日常工具链。有开发者把一小时编码任务从Claude约10美元的成本，压到DeepSeek不到50美分。 中国AI出海未必先卖给美国大公司，却可能先成为美国小公司降本的底层工具。   美国AI应用层的成本表，开始给中国模型留位置 过去两年，大模型行业的估值锚主要挂在“能力领先”上。谁的模型更强，谁的上下文更长，谁的推理能力更接近通用智能，资本就愿意给更高溢价。OpenAI、Anthropic、Google把美国AI市场带进了闭源高价时代，企业客户买的是性能、生态和安全感。 但2026年的应用层矛盾变了。Agent、代码生成、客服、语音识别、内容生产这些场景不再只是演示，而是进入高频调用。AI一旦从“偶尔用”变成“天天跑”，Token成本就从产品体验问题变成利润表问题。一个创业团队可以为关键任务继续使用Claude和GPT，但没有必要把所有摘要、翻译、代码补全、客服初筛、素材生成都交给最贵的模型。 美国中小企业和独立开发者最先做出切换，也是因为它们对现金流最敏感。大公司有云折扣、年度合同、合规团队和采购预算，中小公司没有这些缓冲垫。对小公司们来说，模型路线不是价值观选择，而是单位任务ROI选择。只要一个低成本模型能完成80%到90%的常规任务，就有资格进入工具链。 变化在逐渐发生，大模型竞争正在从单一能力竞赛，转向“能力分层+成本路由”。批量任务开始交给DeepSeek、MiniMax、Kimi、小米MiMo、GLM这类低成本模型。开发者把它叫模型路由，企业CFO会把它理解为成本优化，机

美光将在6月24日盘后发布FY2026第三财季业绩。 $美光科技(MU)$ 过去一年，市场对AI硬件的定价重心一直在GPU、先进封装、液冷、电力和光模块之间轮动，现在存储被推到台前。原因并不复杂：AI服务器消耗的不只是算力，也消耗带宽、容量和数据吞吐能力。GPU负责计算，HBM负责把数据喂进去，企业级SSD负责承接更大的训练和推理负载。美光刚好处在这条链路的关键节点。 市场对美光的预期已经足够高了。公司上一季营收238.6亿美元，Non-GAAP EPS为12.20美元，毛利率接近75%，经营现金流和自由现金流都处在历史级别。 公司给本季的官方指引也很激进，营收中值335亿美元，Non-GAAP EPS中值19.15美元，毛利率约81%。 但最新市场预期已经继续上修到营收350亿—360亿美元附近，EPS超过20美元。换句话说，美光现在面对的不是“能不能增长”，而是“增长还能不能继续制造预期差”。 市场要看的不是强业绩 美光这次财报最难的地方，在于基本面越强，市场要求越苛刻。传统半导体财报里，营收、毛利率、EPS超预期通常足以支撑估值，可如今的美光，在连续走强之下，机构目标价不断上移，资金已经提前押注“存储超级周期”，也因此，强业绩只是入场券，指引继续上修才是催化。 这也是本次财报和过去存储周期不同的地方。以往市场看的是库存周期、价格反弹、行业减产后的盈利修复；现在看的是AI资本开支向存储环节扩散后的资产重估。 市场不再只问DRAM和NAND价格涨了多少，而是问HBM产能被锁到哪一年，客户是否愿意签长期协议，预付款和锁单机制能不能降低周期波动，FY2027盈利曲线还能不能继续往上抬。 这种变化让美光成为AI硬件链的风向标。英伟达验证的是算力需求，台积电验证的是制造瓶颈，博通和迈威尔验证的是ASIC路

觅蜂科技6月中旬官宣完成数亿元天使+轮战略融资，把具身智能产业链里一个过去不算显眼的环节推到台前。 天眼查显示，公司带有明显智元系背景，定位是一站式物理AI数据服务平台。本轮由国方创投领投，孚腾资本、上海电科基金、元启创新跟投，老股东均普智能、鼎晖VGC继续追加。融资资金将投入物理采集硬件量产、数据治理平台迭代、采集网络扩张和机器人交互数据库扩建。 2026年，具身智能已经从“机器人能不能站起来、走起来”的硬件叙事，转向“机器人能不能学会干活”的训练叙事。本体、关节、减速器、灵巧手和运动控制仍然重要，但这些更多解决“机器人的身体”。真正决定机器人能不能进入工厂、仓库、商超、家庭的，是其有没有足够多、足够真实、足够标准化的物理交互数据。 大语言模型的燃料是文本和多模态内容，很多可以从互联网和版权库里获取；具身智能的燃料来自真实世界，来自抓取、装配、避障、力控、视觉感知、任务失败和重复修正。此类数据不能简单爬取，只能采集、治理、验证。 觅蜂科技的融资背后，机器人本体还在等待规模化出货，训练数据已经开始被定价。 数据短缺正在从技术问题变成资本开支问题 过去一两年，市场对具身智能的关注点集中在本体公司。谁做人形机器人，谁有整机出货，谁进入汽车工厂，谁拿到大厂订单，谁就更容易获得风险偏好。但产业往前推进一层，机器人模型想要泛化，不可能只靠少量实验室数据，也不可能完全依赖仿真环境。 仿真可以提高效率，但无法充分复刻物理世界的摩擦、接触、形变、失败动作和长尾场景。机器人拿起杯子、拧紧螺丝、分拣快递、整理货架，背后需要大量真实交互样本。一个动作成功，系统要记录视觉、轨迹、姿态、力度、时间同步和任务结果；一个动作失败，也同样有训练价值。具身智能和传统自动化最大的差别，就在于它不是写死规则，而是要通过数据把物理世界里的复杂性学出来。 这让数据从“技术配套”变成了“资本开支”。 模型公司要买算力

近日微纳核芯宣布完成B3轮和B4轮融资，B轮系列融资总额超过10亿元。中国移动链长基金、超越摩尔、江城基金、佰维存储、九坤创投、深创投、中国互联网投资基金等入局，中芯聚源、毅达资本、蓝驰创投、东方嘉富、立讯精密产投等老股东继续跟投。 对一家成立时间不算长的国产AI芯片公司来说，这种资本结构 说明国产AI芯片的资金流向正在从“云侧GPU替代”的单线叙事，转向更复杂的端－边-云协同推理。 微纳核芯试图用“三维近存+存内计算+RISC-V存算”绕开传统架构里的存储墙、功耗墙和成本墙。于是国产AI芯片开始出现新的估值锚：谁能降低单位推理成本，谁能把AI能力塞进终端设备，谁就可能成为下一轮产业资金的主线筹码。 AI芯片的风险偏好正在换锚，训练缺口让位于推理成本 过去两年，市场熟悉的交易逻辑是英伟达受限、国产GPU补位、智算中心建设拉动订单。这个阶段容易被交易的是“谁能补上训练算力缺口”。所以市场愿意给国产GPU、AI服务器、液冷、光模块、HBM相关链条估值溢价。 2026年以后，出现了新的定价逻辑：推理才是持续消耗现金流的部分。智能体、多模态交互、AI手机、AI PC、机器人和企业一体机，都在把算力需求从集中式云端推向终端和边缘。 训练芯片拼的是集群能力、软件生态、算子适配、模型迁移和客户信任。很多公司的问题在于订单能见度不够清楚、收入确认周期偏长、毛利结构不稳定。一旦主题走得太快，后面就容易从“资产重估”切到“逻辑证伪”。 推理市场的预期差正在这里出现。训练是阶段性资本开支，推理是持续性运营成本。大模型应用真正跑起来以后，企业每天都要为调用、响应、延迟、电力和服务器折旧买单。AI手机、AI PC、具身智能、车载智能座舱、工业边缘节点，不可能永远依赖云端GPU完成所有推理。 这给存算一体重新打开了窗口。传统架构里，数据在存储和计算单元之间频繁搬运，功耗和延迟会被不断放大。大模型推理尤

6 月 22 日，豆包 APP 对其打车功能进行灰度测试，北京、杭州部分用户已经可以使用。只需在对话框里说出出行需求，系统会自动识别起点、终点、人数和用车偏好，再由曹操出行提供运力完成派单。 这个功能只是一个AI助手里的生活服务插件；但放在 2026 年的 AI 应用竞争里意义重大。 过去一年，C 端 AI 应用的主要交易逻辑是“谁的月活更大”。豆包、千问、DeepSeek 轮番冲榜，春节红包、免单活动、模型升级不断拉大用户规模，市场很火爆，一度让市场相信 AI 助手会成为下一个国民级入口。但资本市场关注的是用户能不能留下订单、支付和复购。 打车灰测的意义就在这里。它把豆包从“会回答问题的工具”推向“能完成任务的入口”。用户问完了“怎么去机场”，还直接让豆包叫了一辆车去机场。这个动作背后，是 AI 助手从内容交互走向线下履约的第一批高频样本。 千问已经接入高德打车，滴滴也接入微信 AI 生态，豆包这次跟进，说明新的入口竞争已经进入了实际订单层。 聊天框开始改写入口分发 中国网约车市场订单池仍然足够大，交通运输部数据显示，2026 年 4 月全国网约车订单已经达到 9.24 亿单，其中聚合平台完成 2.89 亿单。 过去打车的入口很清晰。用户打开滴滴、高德、美团、微信小程序，或者在地图里输入目的地。平台争的是 App 图标、地图场景、支付入口和补贴心智。AI 助手出现后，入口逻辑被压缩成一句话。用户表达需求的那一刻，AI 可以直接完成意图识别、偏好拆解、服务匹配和订单确认。 字节先用豆包承接需求，再用曹操出行完成履约。这样做，资本开支压力小，试错速度快，能快速验证“AI 对话能不能产生真实订单”。 从投资视角看，AI 助手稀缺的是把主动需求转化成交易的能力。用户在短视频里被动刷到内容，平台需要用推荐算法激发消费冲动；用户在 AI 对话框里主动说“帮我叫车”“帮我订酒店”“帮我

智谱盘中大涨16%，总市值冲上万亿港元。 一家2025年营收大约7亿元的大模型公司，被资金推到万亿港元市值附近，是十分魔幻的。 但也是有逻辑的，这其实是市场在给智谱重新找估值锚。过去港股没有真正的大模型核心资产，AI交易要么在半导体，要么在光模块，要么在服务器，要么在互联网平台。 智谱刚好补上了这个位置。所以这轮上涨，其实是资金在交易一个更大的问题：中国大模型公司到底能不能从融资故事，变成资本市场里的核心资产？ 智谱在用“未来AI基础设施入口”定价 这个定价方式或许很激进，但过去英伟达、OpenAI、Anthropic，包括国内的DeepSeek，其实都有过类似的经历。英伟达最后用利润兑现了，OpenAI和Anthropic用融资估值续上了，智谱现在还在中间地带。智谱还需要证明自己是一个能把模型变成收入、客户、生态和现金流的公司。 这次GLM-5.2之所以能把股价点起来在于它踩中了大模型行业的新变化。以前大模型竞争，大家看参数、看榜单、看谁回答问题更聪明。现在市场更关心的是：模型能不能进工作流？能不能写代码？能不能处理复杂工程？能不能帮企业真的省人、提效、替代一部分软件开发和知识工作？ GLM-5.2讲的就是这套故事。1M上下文、Coding、长周期Agent任务、复杂工程开发，这几个词听起来很技术，翻译成资本语言就很简单：大模型正在从聊天工具转向生产系统。 这就是AI交易的下一层预期差。AI如果停留在问答机器人，企业当然不会为此砸太多预算。可如果AI变成工程师的副驾驶，变成企业流程的自动化执行层，变成可以调用工具、理解代码库、完成长任务的Agent，那将会是新的生产力基础设施。 这个时候，估值逻辑就变了。资本市场买的变成了智谱未来有没有机会吃到企业级AI支出。API调用、MaaS平台、私有化部署、开发者订阅、行业解决方案，这些东西只要有一个跑出来，收入弹性就会完全不一样。

快手这次发布全新的WinRe AI推荐系统，我觉得市场可能一开始会低估它。 因为很多人一看到AI，第一反应还是文生视频、数字人、智能剪辑、可灵这种更容易被看见的东西。说白了，大家更喜欢看热闹：模型生成得像不像，视频有没有电影感，能不能一键做短剧。 但这次不一样。WinRe AI推荐系统讲的不是前台功能，而是后台效率。它把算力利用率提升28.8%，单位计算成本下降23.7%，并且对短视频内容分发、直播流量匹配进行全面AI重构。 这个信息如果放在普通技术稿里，可能就是一组冷冰冰的数字。但放到快手的商业模型里看，它其实是在动最核心的一块：流量怎么分、算力怎么花、服务器成本怎么降、直播和广告怎么提高转化。 我的判断是，这不是一个“快手又发了AI系统”的新闻，而是快手AI故事从主题叙事进入利润表叙事的开始。 过去市场看快手，核心矛盾一直很清楚。它有用户，有内容，有直播，有电商，也有广告，但资本市场总担心它的增长弹性、商业化效率和成本结构。尤其短视频行业已经不是早年跑马圈地的时候了，用户红利没那么充沛，平台之间拼的不是谁声音大，而是谁能在同样一份流量里榨出更多效率。 推荐系统就是这件事的底座。短视频平台表面是内容生意，本质是分发生意。你刷到什么视频，哪个主播被推流，哪条广告出现，哪个商品进入直播间，背后都不是随机发生的，而是推荐系统在算。 这个系统越精准，用户停留越长；匹配越准，广告主ROI越高；直播间流量越合理，成交效率越强。反过来，如果系统低效，平台就要用更多服务器、更高带宽、更大算力去维持同样体验，最后压力都会回到成本端。 所以快手这次值得看的地方，是AI终于不只是在“制造内容”，而是在“重新分配流量”。 这比做一个好看的AI视频工具更重要。 很多AI产品的问题是，用户觉得新鲜，但很难证明它能持续赚钱。今天大家玩一下，明天热度过去，财务报表里未必有太多变化。但推荐系统不一样，它每

刘强东在2026年APEC工商领导人中国论坛上的这次表态，比“机器人送货”本身更值得市场琢磨。 他说，未来快递配送终将由机器人完成，京东要把70万快递员等蓝领员工送去培训，让他们未来做机器人维修、保养等工作。京东已经在全国签了120所学校，内部也提出了“涅槃计划”。这不是一次普通的技术展望，更像是京东把AI时代最难定价的问题提前摊开：自动化一定会提高效率，但被替代的人不能直接变成平台利润表里的优化项。 放在2026年的京东身上，这个表态尤其敏感。一边，京东零售还要面对消费修复斜率、价格竞争和即时零售的投入压力；另一边，京东物流一季度收入同比增长29%，经调整净利润同比增长40.1%，正在从过去的重资产负担，变成京东讲效率、现金流和供应链能力的核心资产。 刘强东这次把70万蓝领、机器人配送、培训体系放在一起，等于给市场抛出了一个新的观察框架：京东未来的估值锚，可能不只在电商GMV，也不只在物流利润率，而在它能不能把最大的一线劳动体系，升级成AI时代的新型履约基础设施。 快递员不只是成本项，京东开始给“劳动迁移”定价 市场过去看京东物流，习惯从几个指标入手：单票成本、履约费用率、外部客户收入、仓配效率、资本开支节奏。这个框架简单直接，机器替人，成本下降，利润弹性出来，估值就有修复空间。 刘强东这次谈70万快递员，改变了这个讨论的重心。 70万不是一个宣传数字，而是京东履约体系最重的一块组织资产。过去京东能在电商行业建立差异化，靠的不是单纯低价，而是自营供应链、仓配网络、快递员服务和用户体验。这个体系很重，所以在平台轻资产叙事最强的时候，京东经常被市场打折；但这个体系也很稳，所以在即时零售、同城配送、供应链履约重新变成竞争焦点时，京东又有重新定价的机会。 问题在于，AI和机器人进入这个体系后，快递员的角色会变。重复配送、标准搬运、仓内分拣、末端取送，这些环节最容易被自动化改造。对

WPS AI收费模式再次引发争议，用户吐槽的关键词很直接：超级会员、超级会员Pro、AI会员、大会员，权益一层套一层，买了会员还要再升级，原来以为包含的AI功能，又变成新的付费入口。对普通用户来说，这是一次会员体验变差；对金山办公来说，这是AI商业化绕不过去的一道坎。 这件事不能只放在消费投诉里看。2026年的金山办公，已经不是单纯卖办公软件的公司。2025年，公司营收59.29亿元，归母净利润18.36亿元，WPS AI国内月活超过8013万，日均Token调用量超过2000亿。 这个数字放在财报里很好看，放在成本表里就没有那么轻松了。AI功能用得越多，模型推理、算力资源、研发投入就越真实地进入费用端。过去WPS卖会员，卖的是PDF、云空间、模板、去广告；现在WPS AI卖的是总结、写作、表格分析、PPT生成和办公智能体。前者更像软件权益，后者更像持续消耗的生产力服务。 所以这次争议的核心，不是WPS该不该收费，而是金山办公能不能把AI收费讲成“效率定价”，而不是让用户感到“重复收割”。这也是整个AI应用行业共同面对的问题：免费体验可以制造热度，付费分层才决定商业模式。 办公软件的旧会员体系，装不下AI的新成本 WPS这次被骂，表面原因是会员体系复杂，深层原因是产品成本结构变了，但用户感知还停留在旧时代。 过去用户买办公会员，心里有一套默认预期：我已经付费了，就应该尽量多享受功能。尤其是超级会员、超级会员Pro这种名字，本身就带有“顶配”“全包”的暗示。用户购买长期会员后，再看到AI功能需要升级到更高档位，自然会产生落差。平台解释这是AI商业化后的新增服务，用户感受却是权益边界后移。 这不是金山办公一家公司的尴尬。所有AI应用都会遇到这个问题。传统软件的成本更接近一次研发、多次分发，用户越多，规模效应越明显；AI服务则不同，每一次文档总结、每一次PPT生成、每一次长文本分

6月20日至22日前后，移动、联通、电信围绕AI流量包、Token套餐的动作集中进入市场视野。十元级月费，百万级甚至千万级Token额度，大模型调用从政企客户、开发者后台和云平台控制台，被包装成普通用户能直接购买的通信产品。 这条新闻的价值，不在“15元能买多少Token”这种价格比较，而在运营商第一次把AI使用权做成了类似流量包的标准品。过去二十年，运营商靠语音、短信、流量、宽带完成了几轮计费单位切换；现在Token被放进话费体系，等于AI调用开始获得大众消费市场的定价语言。 这不是孤立动作。2025年，三大运营商营收增速集体降到1%以内，传统通信业务已经很难再贡献高弹性。2026年，算力网络、AIDC、智算服务和Token运营被推到更靠前的位置。中国移动发布Token运营生态，中国电信试商用Token套餐，中国联通推出个人版和团队版Token Plan，三家公司都在回答同一个问题：流量红利结束后，运营商还能不能在AI时代重新掌握入口。 资本市场看这条线，不能只看主题热度。真正要追的是：Token套餐能不能带来新增ARPU，能不能提高算力资产利用率，能不能把运营商从“高股息管道资产”推向“AI基础设施运营商”的估值叙事。 Token被做成套餐后，AI开始进入运营商最熟悉的战场 运营商这次切入AI，不是从模型能力上硬碰硬，也不是去和云厂商抢开发者生态，而是从自己最熟悉的地方下手：套餐、账单、渠道和用户关系。 普通用户不关心API价格，也不会计算推理成本。他们只理解一个问题：每个月花多少钱，能用多少次，能不能写文案、做PPT、改图片、总结电话、处理办公文件。运营商把Token做成AI流量包，就是把技术语言翻译成消费语言。 这一步很关键。过去大模型调用主要发生在B端和开发者侧，价格体系藏在云平台后台。用户感知不到Token，只感知到某个AI工具免费、会员、限次或者排队。运营商进

分子之心完成A轮系列融资，累计融资超过1亿美元，AI蛋白质设计这个过去看起来偏“科学理想主义”的赛道，又被资本推到台前。 1亿美元放在今天的一级市场，尤其是在生物科技融资环境并不算轻松的背景下，金额非常亮眼。更关键的是投资方结构：蓝桥资本、浦东创投、中粮新兴产业基金、凯赛生物等出现在同一张名单里，背后代表的不是单一财务资本热情，而是地方产业资本、食品农业体系、合成生物制造资源和生物科技上市公司一起下注。 资本正在重新理解AI for Science。 前几年，市场看AI for Science，主要看的是“科学突破”。AlphaFold把蛋白质结构预测带入大众视野后，很多人第一次意识到，AI不只是写文案、画图片、做客服，也可能进入药物研发、材料设计、生物制造这些更底层的科学工业环节。但科学突破和商业兑现之间，隔着很长一段路。论文、模型、Demo可以制造风险偏好，却不能长期支撑估值。 分子之心这次资金用途指向AI蛋白药物研发和生物制造工业化落地，或许说明市场不只关心模型是否先进，而是开始追问：能不能更快找到候选分子？能不能降低实验成本？能不能形成可验证的管线资产？能不能进入中试和生产？能不能把“AI生成一个蛋白”变成“企业愿意付钱的研发工具和工业方案”？ 分子之心现在刚好在两条资产重估线之间：一条是AI药物研发的效率重估，一条是生物制造工业化的成本重估。前者讲估值弹性，后者讲兑现路径。两条线如果合在一起，AI for Science才有可能从一个听起来很远的科学故事，变成资本市场能持续定价的产业资产。 模型红利退潮后，资本开始买“可验证分子” AI for Science的第一轮热度，靠的是技术想象力。市场相信，AI可以理解蛋白质、生成分子、优化结构，甚至把生物研发从“试错工程”推进到“可编程工程”。这个方向当然很大，但资本市场不会永远停留在想象层面。 尤其到了2026年，A

高盛关于中国AI应用层价值重估的判断，击中了2026年中概股最核心的交易变化：资本市场已经不愿意继续为“模型参数”和“发布会能力”单独付费，而是开始给拥有独家私有数据、闭环交易场景和真实客户账单的公司重新定价。 曾经市场追逐的是谁训练了更大的模型、谁能更快接入大模型、谁的Demo更接近OpenAI。DeepSeek带来的开源冲击和国产大模型的快速迭代，压低了模型本身的稀缺溢价，也让市场意识到，单纯模型能力很难直接形成护城河。 AI有没有进入收入？有没有提高毛利？有没有降低履约成本？有没有提升广告转化、交易匹配、客户留存和ARPU？ 参数红利退潮后，私有数据开始成为新的估值锚 中国AI行业已经走过“百模大战”最热的阶段。模型数量不再稀缺，开源能力快速扩散，推理成本持续下降，企业客户对通用问答的付费意愿也在下降。对于二级市场来说，单纯讲模型能力，很难再撑起高估值。市场要看的，是模型进入业务系统之后，能不能创造可计量的收入和效率。 高盛强调的“独家私有数据”和“闭环交易场景”，本质是对AI应用层的一次定价重估。通用模型可以被替代，行业数据很难复制；单次生成可以被平替，交易闭环难以迁移。招聘平台掌握简历、岗位和沟通数据，物流平台掌握车货匹配和路径数据，房产平台掌握房源、经纪人、带看和成交链路，金融科技平台掌握交易、资产和风控数据。这些数据不是公开语料，也不是爬虫可以简单获得的东西，而是在真实业务流里滚出来的沉淀。 像阿里、腾讯、百度这类平台公司，AI不是一个独立的新故事，而是一次内部效率和外部商业化的再定价。腾讯的广告技术、阿里的电商和云服务、百度的搜索与智能云，都可以把AI放进原有商业闭环。BOSS直聘、满帮、贝壳、富途这类垂直平台，则更像应用层重估的潜在样本：不一定拥有最强模型，但拥有更接近交易结果的数据。 市场接下来或许会看三个信号。第一，AI功能是否从免费体验进入付费包；第