资深专家AI分化之路泡沫拐点与下一批赢家20260821

摘要摘要 ●AI投资范式转移投资范式转移：AGI叙事见顶并快速恶化，市场正从“暴力计算”转向“认知层”应用，2026年Q2算力主导的行情已出现拐点。●实体经济约束显现实体经济约束显现：大模型数据中心面临电力、环境及政治压力，美国部分州已叫停建设，Uber等企业反馈高昂API投入未产生实际效用。●Palantir模式崛起模式崛起：其核心是位于客户与模型间的“本体”认知架构，通过FDE团队与客户共享效率提升收益，而非单纯售卖算力或API。●估值逻辑重构估值逻辑重构：大模型正沦为被调用的同质化工具，B端入口地位削弱；具备结构化计算与结果交付能力的“认知层”公司将获得更高溢价。 Sovereign AI理念：强调企业自主掌控AI主导权与数据，Palantir模式证明AI主权正从模型方转向用户方，成为2027年企业决策主流。●产业协同新范式产业协同新范式：Nvidia与Palantir深度融合，表明算力需通过中间认知层实现价值变现，单纯AIGC工具类应用因缺乏壁垒难以激发市场热情。●投资策略建议投资策略建议：未来半年关注具备业务闭环能力的垂直领域应用，Alpha将来自能解决“框架问题”并产出明确结果的认知型企业。 Q&A 自2026年7月以来，全球科技资产出现显著波动，尤其是AI产业链。市场对AI的定价标准似乎正从关注模型参数、算力需求等远期指标，转向审视资本支出能否转化为实际收入、利润和现金流。在此背景下，AI产业的价值将沉淀于何处?AI的投资周期是否已接近拐点，下一阶段的行情将由哪些力量主导? 当前AI领域正走向分化，以AGI (通用人工智能)为代表的叙事已经见顶并呈快速恶化趋势。叙事投资的特点是上涨时极致，而恶化时不留余地，当前正处于寻找未来方向的关键时期。2026年的年度趋势显示，叙事驱动财富流向了非常狭窄的区域，因此新的节奏与新产品的出现至关重要。从叙事分析的角度看，AI行业强调速度、迭代与前瞻性，使用过往数据或分析师预测的难度日益增加。2026年第二季度，算力疯狂扩张的叙事占据主导，计算出的月度及周度主题中 知识星球：芒果纪要 约90%与半导体相关。然而，这一叙事在过去两三周内已出现快速转向。具体而言，大模型数据中心对电力和大模型数据中心对电力和环境造成的压力引发了公众关注乃至抵触情绪，并已成为美国中期选举的重要变量环境造成的压力引发了公众关注乃至抵触情绪，并已成为美国中期选举的重要变量。部分共和党议员公开表示大模型公司可能对选举结果造成不确定性，德克萨斯等约四个州已开始叫停数据中心的建设。这些由实体经济压力传导至政治层面的变化，将在未来两三个月内为投资带来显著变数，而市场目前对这一趋势的理解尚不充分。 大模型是否正从大模型是否正从“愚昧之巅愚昧之巅”滑向滑向“绝望之谷绝望之谷”？其叙事面临哪些具体问题？？其叙事面临哪些具体问题？ 任何创新在第一波兴起时都非常迅猛，往往会达到一个“愚昧之巅”,AGI叙事便是如此。在整体经济环境较为混乱的背景下，市场倾向于执着于能带来希望和成长空间的事物。若此时出现拐点，便会进入“绝望之谷”,历史上看，其价格通常会跌回原点。目前，市场对市场对Anthropic的的IPO已出现怀疑态度，甚至有关于其创始人已出现怀疑态度，甚至有关于其创始人Dario能否在能否在IPO时留任的公开押注时留任的公开押注，这种幻灭的速度超出了预期。过去关于大模型能取代一代人、颠覆世界的论调，在历史上曾多次出现并最终被证伪。 当前大模型叙事的问题较为突出。 1.以计算为根本的路径未能产生明确结果，却需要持续不断的投入以计算为根本的路径未能产生明确结果，却需要持续不断的投入。市场热衷于开发各类AI工具，数据公司也因“优势在数据”的说法而股价上涨，导致计算成本无边际扩张。以Uber为例，其CTO在4月份表示预算已经用尽，而CEO在6、7月份则表示该技术未产生实际效用。Uber作为积极拥抱AGI并有能力支付高昂API费用的公司，其最终结果却是财务上的困境，这并非个案。2. 大模型赛道正面临高度商品化和同质化的问题大模型赛道正面临高度商品化和同质化的问题。在各方比拼参数的背景下，马斯克的大模型也已入场，加剧了竞争。同时，IPO市场开始出现融资困难，价格回落。3.暴力计算模式在全球能源紧张的背景下难以为继暴力计算模式在全球能源紧张的背景下难以为继。美国电价上涨、抢占居民资源，以及国内关于数据中心与畜牧业“抢水”的新闻，都反映出实体经济无法长期支持这种只计算不产生价值的模式。 这些问题形成的政治压力，已在各国政策层面引发调整，将对未来数据计算需求的预测产生较大影响。 算力瓶颈下的算力瓶颈下的AI新方向：新方向：Palantir的商业模式启示的商业模式启示 在以算力为中心的大模型叙事面临挑战的背景下，市场是否存在新的、更具潜力的AI发展方向？Palantir的商业模式提供了哪些启示？ 在算力层日益商品化、同质化且价格上涨而效用受到普遍质疑的背景下，AI行情并未终结，而是需要转向认知层。Palantir正是认知层应用的代表正是认知层应用的代表，它并非传统意义上的AI应用公司，而是为AI提供了一套认知架构。该认知架构位于客户与大模型交互的中间层，Palantir称之为“本体”,其核心是一种能够衔接各行各业动态决策流程的认知框架。这套框架能够理解并接入企业的实际业务，实现动态变化与动态决策的衔接。 Palantir的商业模式与大模型公司有根本不同：它不以售卖算力或的商业模式与大模型公司有根本不同：它不以售卖算力或API为核心，而是通过其为核心，而是通过其FDE(ForwardDeployed Engineer)团队，与客户共同确定业务基准，并根据业务流程改善所带来的效益进行分成团队，与客户共同确定业务基准，并根据业务流程改善所带来的效益进行分成。这种模式使其收入增长直接来源于客户价值的提升。从2026年第二季度的财报看，Palantir的美国商业(非政府)收入增长显著,覆盖零售、航天、金融、 知识星球：芒果纪要 医疗等多个行业，显示出其跨行业分享效率提升成果的能力。随着业务发展，其财务报表上的债务已大幅减少，未来可能实现纯现金流运营。Palantir的创始人Alex Karp甚至公开指责大模型公司是“骗子”，并获得了部分硅谷投资人的支持，这标志着以模型和算力为中心的故事可能正在成为过去。 Palantir的出现对大模型公司的估值和的出现对大模型公司的估值和AGI的技术路径产生了哪些影响？的技术路径产生了哪些影响？ Palantir的出现对大模型公司和AGI路径构成了显著挑战。尽管Palantir自身是大模型技术的受益者，其项目效率因此得到大幅提升，但它凭借对to B及to G业务的深刻理解，成功构建了与客户交互的入口。在此模式下，大模型被定位为Palantir调用的工具，而非直接面向客户的入口，这削弱了大模型在B端成为入口的可能性。如果大模型缺乏壁垒，仅作为被调用的工具，其估值逻辑将面临重构。这一局面引发了硅谷、华尔街与Palantir管理层之间的激烈争论，核心在于AGI路径的可行性。市场的观点开始分化：既然Palantir的模式能产生实际收益、提升效率并带来优异的现金流，为何还要投资于一个未来尚不明确、无法产生同等价值的AGI方向。 Palantir的核心定位是什么的核心定位是什么,其提出的其提出的“sovereign AI”理念对行业格局有何意理念对行业格局有何意义？义？ Palantir并非一家数据公司，其核心是一种“语义层”或“认知层”,旨在围绕客户构建一套能够将客户认知转化为智能化机制并交付最终结果的系统。在此基础上，Palantir提出了**“Sovereign AI”（或可理解为“自主AI”）**的理念。该理念强调，智能化的主导权属于企业自身，数据保留在企业内部，Palantir不持有客户数据，且数据的持有与否并不影响其AI能力的实现。这种自主、开放的机制，支持客户构建属于自己的认知“本体”,获得了全球要求最严苛客户群体的认可。这一模式的成功，使得AI的主导权从模型提供方转向了企业用户，这比开源与闭源之争具有更深远的意义。 “自主自主AI”理念在美国市场的发展趋势如何，它对企业选择理念在美国市场的发展趋势如何，它对企业选择AI合作伙伴可合作伙伴可能产生什么影响？能产生什么影响？ “自主自主AI”的理念在美国正变得日益热门。Palantir的CEOAlex Karp公开表示，他不仅批判大模型存在误导性，还指出大模型公司试图夺取并替代客户的工作流程，但执行效果不佳。这些观点预计将影响大型企业董事会对AI战略的决策。到2027年，企业在讨论AI时，可能不再优先考虑与OpenAI或Anthropic等大模型公司合作，而是更倾向于探讨如何构建企业自身的认知层，发展自主的智能化应用。 Nvidia与与Palantir的深度融合揭示了怎样的产业发展模式，这对算力公司的深度融合揭示了怎样的产业发展模式，这对算力公司的未来发展有何启示？的未来发展有何启示？ Nvidia与Palantir的深度融合，共同构成了美国AI基础设施的核心，这揭示了一种新的产业协同模式。Nvidia迅速推出了其开源模型Nemotron，展现出在模型开发上的技术实力，并选择与Palantir紧密合作，甚至其CEO黄仁勋表示Palantir可能是合作中更重要的一方。 这一模式的核心结论是：算力虽然是长期存在的刚需，但本身无法直接转化为客户价值，必须通过中间算力虽然是长期存在的刚需，但本身无法直接转化为客户价值，必须通过中间的的“认知层认知层”才能实现价值变现才能实现价值变现。对于拥有算力的企业而言，若将资源持续投入到尚无明确落地成果的AGI路径中，大概率会面临投资风险。未来算力企业的正确发展方向，应当是寻找能够产生实际商业结果的落地路径，与具备认知层能力的企业展开合作，这将是实现算力价值化的核心关键。 这一逻辑也解释了为何腾讯的混元、元宝等AI产品虽拥有较高热度，但未能显著提振公司股价：市场更青睐能够市场更青睐能够为客户提供明确价值和落地结果的解决方案，而非仅仅作为工具类的为客户提供明确价值和落地结果的解决方案，而非仅仅作为工具类的AI产品产品。 未来半年内，未来半年内，AI应用层的发展方向和关键能力是什么？应用层的发展方向和关键能力是什么？ 未来半年，AI产业的发展重心将从单纯的算力消耗和通用聊天工具，转向能够提供明确“结果”的落地应用。具备具备结构化计算能力、能够理解客户意图并动态生成落地结果的结构化计算能力、能够理解客户意图并动态生成落地结果的“认知层认知层”能力，将成为市场追捧的核心竞争力能力，将成为市场追捧的核心竞争力。 如果缺乏这类能力，AI应用层的发展将遭遇明显瓶颈。此前的工具类AI应用，比如文件压缩类产品，虽然短期发展迅速，但由于通用大模型也可以实现同类功能，甚至可以通过涨价挤压这类工具的生存空间，已经难以再激发市场的投资热情。因此，未来能够获得市场广泛认可的未来能够获得市场广泛认可的AI应用，必须能够交付明确的业务结果，而不仅仅是应用，必须能够交付明确的业务结果，而不仅仅是作为单一工具存在作为单一工具存在。 在向在向“结果导向结果导向”的的AI应用转型过程中，市场可能会出现哪两类主要的发应用转型过程中，市场可能会出现哪两类主要的发展路径？展路径？ 在向结果导向的AI应用转型的过程中，预计未来半年内将出现两类主流的应用发展路径，且这类创新应用大概率来自传统行业企业或是垂直领域的初创公司，而非通用大模型厂商： 1.算力算力/Token持有型转型路径持有型转型路径：拥有算力或token资源的企业，主动寻求与具备认知层能力的团队合作。通过“认知层”与“算力”的结合，可以快速形成面向垂直领域的标准化应用落地范式，这类组合具备极高的商业价值，部分云服务厂商也将从中受益。2.传统企业自主构建路径传统企业自主构建路径：以蒙牛这类传统行业企业为代表，在意识到AI 模型的技术门槛并没有高