AI投入已经带来什么回报？

  • 摩根士丹利在汇集逾100家非上市企业的Spark大会后，更看好本轮AI周期：客户获得回报，正在推动初创企业更快扩张。
  • 据参会企业披露，Fireworks的年度经常性收入（ARR）在8个月内从1亿美元升至10亿美元；Cognition称其不到两年达到10亿美元ARR。
  • 回报首先体现在降本：Cognition称Devin令客户生产率提升30%–40%；Pallet称文档处理成本为人工的五分之一，准确率达99.5%。

为什么多模型路线更有经济性？

  • 摩根士丹利判断，开放权重模型将长期存在，企业会混用不同模型。模型价格下降，有助于扩大采用并改善应用厂商利润率。
  • 模型路由就是按任务挑选模型：Legora按200项标准评估18个模型；Genspark在逾70个模型之间分配任务，兼顾效果与推理成本。
  • 据Replit披露，路由可用约标准推理成本的40%实现前沿水平表现，并推高利润率；Cognition称其相关找错测试成本低30%–40%。

模型趋同后，护城河转向哪里？

  • 报告认为，持久优势正转向行业工作流、专有数据、评估和实施能力。掌握客户怎样完成工作，比单纯提供模型入口更重要。
  • Legora把其自称73%的竞争胜率归于法律专业能力，并聘用180名前律师参与落地；行业知识同时影响产品质量和客户实施。
  • 定制模型也能降低成本。Fireworks称，相比共享前沿模型API，定制方案可将成本降至约五分之一至十分之一；后训练能力因此增加推理平台黏性。

智能体怎样把价值变成收入？

  • 报告认为，智能体从辅助转向执行，让软件的目标市场延伸到更大的劳动力预算。Legora称，智能体处理约95%的常规询问，一名交易支持人员可服务逾200名销售。
  • Cognition把Devin的成本折算为每人类等效工程小时约4美元，对比其软件工程师每小时35美元的基准，让客户能直接比较任务成本。
  • 客户节省多少与厂商收取多少仍是两道题。大会反馈显示，企业偏好可预测的合同用量；结果难定义、难审计，可核查的成本节省更容易促成签约。

实体AI扩张为什么取决于制造？

  • 摩根士丹利认为，实体AI的规模化瓶颈正转向硬件制造和部署，赢家需要把软件与生产能力结合。
  • Genesis AI称，西方数控加工及结构件经验不足，多数物料仍来自中国，未来2–3年难以摆脱依赖；模型能力提升也需要硬件供给配合。
  • Hadrian称，航空航天与国防供应链机器有效生产时间仅占10%–15%，其自身超过65%；通过承接多家客户零件，提高设备利用率。

哪些变量会限制回报释放？

  • 资本开支和融资仍是报告明确指出的风险：市场投入数万亿美元，摩根士丹利保持看好，但承认近期市场下跌可能有其依据。
  • 扩建还受电力、技工与政治因素约束。参会企业反映美国电力接入困难，电工、管道工和焊工短缺，限制数据中心建设与部署。
  • 降本能留下多少利润也取决于竞争。报告关注推理平台面对模型厂商与云巨头时的定价能力，以及效率收益有多少留作利润、多少让给客户。