过去一个月，科技公司的波动率快速加大，经历了从低波动到高波动（业绩期）到超级波动（本周）再逐步回到高波动（预期变化）的过程。
从情绪上看，已经从“恐慌”开始平复，但依然处于高度怀疑（AI相关业绩，实际需求，收入预期）。所以，这个时间点去做未来一段时间的展望，称不上冷静（标题打引号的原因），但是从各种信息的综合看，又明显在提示未来一段时间可能的变化。
首先，是重要的信息：
1、OpenAI的人事震动：是的，Greg Brockman的长期休假，他用了一个非常高级的词汇：Sabbatical，中文直译，学术休假，然后是现在各种自媒体已经到处转发的几位核心人物加盟Anthropic AI（Claude模型的发布者）。其实自从OpenAI无法如市场预期的在今年6月份就发布GPT-5（GPT-Next），推迟Advanced Voice Model的推送时间，大家对它的期待值就不断降低（GPT-4o-mini发布，OpenAI“光环”正在失去），但是作为最重要的标志，OpenAI一系列低于预期和内部不稳定的表现依然会极大的影响市场情绪；
2、Nvidia的下一代GPU（Blackwell架构的B100/B200/GB200系列）据传延期：根据SemiAnalysis的分析报告，延期基本上是比较确定的事情，目前预期是推迟三个月，也就是从今年Q4供货推迟到明年年初。毫无疑问，这对更大模型的训练是有负面影响的，对于Nvidia再下一代产品的时间表也是有影响的，与OpenAI一起，这个信息也严重影响到了市场情绪；
3、业绩：1、其实微软、Google、Amazon在云方面的业绩表现总体是不错的，微软Azure云增速略放缓（但更多是硬件供应问题，引用CNBC一张图，简评微软财报数字背后），Google云增速超预期，Amazon云增速超预期（苹果超预期，AWS增速超预期难掩收入忧虑，Intel快速掉队）；2、超微电脑业绩低于预期；3、IBM在AI SaaS服务方面的表现大超市场预期（被市场忽略的IBM业绩表明：面向企业的AI可以挣钱）；4、苹果业绩恢复速度超预期；
4、模型推理成本不断下降：OpenAI不断调降API调用的费用，Gemini与Claude也在跟进；
综上，我们大概可以看到一些提示后续变化的脉络：
1、最大关注点将逐渐由模型本身转向场景与业务落地：虽然OpenAI低于预期，但是来自Meta的开源（开放权重）模型LlaMA-3.1已经达到了GPT-4与Claude3.5的水平，意味着来自数据隐私和使用成本方面的担忧正在不断消除，如果我们注意各行业大公司对未来前景规划的描述的话，数字化及AI转型无疑是最重要的一部分，甚至有大量的在该领域加大资本、人力和其他基础设施投入的清晰战略规划；
2、纯算力热度逐渐在消退，服务的成长性正越来越确定：随着好模型可获得性的快速提升，模型知识蒸馏越来越成熟（小规模模型表现越来越好）和推理技术的快速迭代，越来越多企业与个人的需求正从单纯的超级服务器（以Nvidia的GPU服务器为代表）转向对云服务（综合成本更低，其他部分的技术支持也更到位），不仅仅是云服务器，更多的还来自于SaaS服务（或者MaaS，Model as a Service）的需求，无论是上市的IBM业绩，还是非上市的Databricks业绩，都准确无误的表明了；
3、端侧落地承载着C端应用越来越多的期待：大家更看好AI手机与AIPC是因为销量基数足够大，产业链足够长，只要带动换机周期就能拉动业绩表现。但是，既然这一轮AI改变的是交互方式，那么大概率未来落地的载体就不大会是手机或者PC形态，智能车、人形机器人、可穿戴硬件，都有更大的想象力，只是需要时间。但是，“技术优先”的核心竞争要素没变，以模型驱动以大规模基础服务变现的模式似乎也不太会变，All-in-One的结构也不太会变（Wintel做不好AI PC）；
4、一句话总结：云服务，端侧生态；
时间逐渐进入秋季，暑期休假的“打工人”也将逐渐回到工作状态，虽然我认为市场高波动与对AI的越来越多的质疑不会在短期内得到显著平复，但是我们依然可以看到秋季到来后更多的“精彩”：
1、模型层面，OpenAI的Advanced Voice Model将逐渐推送到所有付费用户，SearchGPT也将逐步推送，“智能助理”的成色将快速提高；Claude 3.5 Opus（最大规模的那个，如果说现在的Sonnet已经是绝大多数人心目中最好的模型，那么Opus可以给到的期待会更多）发布，Gemini模型升级，Meta（LLaMA）和Mistral都会动作不断，春季和秋季都是模型高发期；
2、搭载Apple Intelligence的iPhone 16发布：虽然质疑声总是不断的，但是苹果至少能够在每个重要的产品形态上达到最高的程度，如果这都不行，那么更可能意味着其他产品更不行；
3、水面之下：越来越多的企业和个人不断加快模型对自己业务和工作流重构的速度，不断提升着模型应用在日常工作、学习、生活中的占比，我当然预测不了“量变引起质变”的具体时间，只是知道：快了，很快了。