多硬件，空软件：一场持续一年多的认知惯性

过去一年，“多硬件、空软件”是市场默认的底层假设。Mag7带动的硬件溢价深入人心，大家习惯了用CAPEX规模、算力密度、芯片迭代节奏来定价AI周期——这是一道简单的选择题：选对平台，就赢了。

但最近两周，风向悄然逆转。空头叙事密集涌现，价格下跌引发情绪共振，争论焦点却反复回到老问题：模型到底值不值？开源是否真能突围？ROI何时兑现？这些本该被事实验证的问题，仍在靠修辞循环论证。

一个犀利的质疑：需要解释一大堆的东西，可能本身就不成立

有位群友点破本质：“需要解释一大堆才能说清楚的东西，那么可能本身也没那么好。”这句话不是立场表态，而是方法论警醒。

此前，这个困境落在软件身上——AI原生应用必须反复证明自己不会被大模型吞噬；如今，回旋镖精准命中硬件：厂商要解释CAPEX上限、要论证ROI可持续性、要厘清开源与闭源在推理端的真实成本差异、还要应对行业固有的强周期性。举证责任，正从抽象算法，沉向具体物理世界。

Cost per Intelligence：定价权正在迁移

Token价格已失效。真正进入实战阶段的指标，是“每智能价格”——即完成单位任务（如一次精准问答、一段合规代码生成、一次实时多模态决策）所需的成本。

Kimi K3的发布，首次将SOTA能力与接近SOTA的价格锚定在一起。其负责人所言“SOTA模型应有自己的定价权”，本质是在争夺这一新尺度的话语权。

GLM新模型临近发布，DeepSeek后续动作更值得关注：它若能在同等能力下显著压低单位任务成本，就可能重新定义性价比坐标系。图中那条绿色基准线，不是技术分界，而是市场信任阈值——靠近它，是理性选择；远离它，就是新叙事的温床。

后Fable时代：模型出口即地缘博弈

Fable是首个被北美明确限制出口的模型，理由直白：“放出来太危险”。这不是技术预警，而是战略预判。

当下一代模型逼近人人可调用的临界点，模型出口管制将不再是例外，而成为常态。类比英伟达B卡——B卡之下，自由流通；B卡之上，层层审批。OpenAI曾模糊暗示支持通过政策手段将开源模型排除在主流生态之外，背后既有地缘考量，也有经济动因：控制边际供给，就是控制定价权。

这意味着，未来模型、硬件乃至云服务的定价，将越来越难脱离政治变量。新的催化，往往来自一纸公告，而非一份财报。

利润流向再确认：模型层让渡，基建层承接

去年提出的“模型可能毫无利润可言”，虽标题激进，但内核未过时：模型层缺乏网络效应护城河，终将走向成本竞争。K3的爆发没有推翻这一判断，反而加速了共识——能力跃升之后，利润并未留在模型侧，而是迅速向下游迁移。

流向哪里？硬件与云基建。因为AI的边际成本始终大于零。再强的开源模型，也得跑在GPU上；再优的推理框架，也得部署在真实服务器里。所有“卷效率”的终点，都是物理世界的硅基极限。开源与闭源之争，在此交汇于同一命题：谁能把单位算力成本压得更低、部署得更密、调度得更稳。

发布≠训练：时间差正在成为关键变量

国模能力突飞猛进，但“斜率”是否真的反超？一位一线模型厂朋友的回答很清醒：“至少没有互相甩开。”

K3惊艳，但Fable公开使用的时间，并不等于它训练完成的时间。我们不知道OpenAI或Anthropic手握多少训好的“压箱底模型”，也不知道国内团队是否已有预留版本静待窗口。模型能力的差距，正从“年”级压缩至“月”级，甚至“周”级。

当发布时间差趋近于零，投资决策难度陡增。此时，任何依赖长篇解释的叙事，都值得警惕——因为真相越简单，越经得起检验。

Capex临界点：自由现金流已是旧地图

市场紧盯科技巨头自由现金流，但真正该盯的是1x净负债杠杆率——这是信用评级机构划出的第一道红线。

只要尚未触及该临界点，CAPEX就不会减速，只会加速。这不是乐观预期，而是债务结构决定的刚性行为。财报上的现金流波动，远不如资产负债表右侧的变化更具指向性。

存储回购：被低估的叙事差

美光获UBS提示回购，海力士被MS点出潜在回购空间。若头部厂商将50%自由现金流用于回购，对应估值弹性不容忽视。

当前市场普遍缺乏回购预期，这本身就是一个错位。当硬件资本开支持续高企，而终端需求尚未完全释放时，用真金白银收缩股本，是最直接的股东回报信号——也是最容易被忽略的叙事支点。