新的一年，准备对自己放松一些“枷锁”：认认真真、简简单单地更新一下观点。
因为Excalidraw推出了官方的MCP，我在vercel上部署后，连接了Claude客户端，这让我可以重新回到两年前Excalidraw画图的状态。
下面是我手画的，也代表希望讨论的主要内容。
而下图，是我让Claude-Sonnet-4.6根据上图内容进行自动更新和重新排版生成的（仅代表Claude的观点，不代表我的）。
所以，第一个问题要讨论的是模型和对软件行业的影响，借Claude连接Excalidraw的实践。
一、SaaS、OpenClaw、AI应用等
对于上面这样丝滑的操作，依然有必要进行一些简单的解释：2025年初的时候，我通过Claude（coding）+Gemini（或者ChatGPT的研究）已经基本可以实现这样的结果，但是会花费我大约半天的时间，如今，配置MCP服务器大概需要十分钟，Claude“优化”我的手绘图耗时五分钟之内。
所以，这是不是一个巨大的进步，当然是：门槛大幅降低（意味着惠及的用户大幅增加）+ 自动化程度大幅提升。
但是：
这绝对不意味着对SaaS公司的无差别打击，Claude不会再造类似于Excalidraw这样的许多轮子，尽管使用了MCP和Skills，但是内容依然托管在Vercel或者Cloudflare这样的CDN上，我这里没有使用私域数据，如果用的话，还需要数据栈服务和安全服务，所以，如同算力对整个硬件链条的拉动作用一样，最终大家会发现在AI应用落地的过程中，也有非常重要的软件栈infra，虽然看到某一年某个季度夸张的收入增长，但是如果我们拉长时间看，例如三年五年，会发现规模增长更客观、稳定性更强、用户壁垒更深；
OpenClaw也爆了，在我的工作流里我暂时用不上这样的一站式框架，正如我当初推荐LangChain、Dify、n8n等，但是我并不使用一样，“套壳”的东西我都可以借助AI Coding自己做。所以，如果拉长时间维度看的话，这类应用并不值得花太多时间，这些最终都只是过客。
二、模型更新
Google方面，Gemini-3.1-Pro、音乐模型Lyria-3，Anthropic方面，Claude-4.6的Opus和Sonnet分别发布，OpenAI方面，GPT-Codex-5.3，国产模型，GLM、Minimax、QWen纷纷更新。
其实，Benchmark已经基本失去了参考意义，真实世界中的长时间任务执行的主客观评价变得更重要，但是这里有两个问题，一是“文无第一、武无第二”，Claude依旧是程序能力最强的模型，这意味着如果专注于AI Coding，那么用户基本上都会选择Claude，而如果专注于更多的知识与数据相关的多模态处理，那么，Gemini就变成稳定可靠的选项；另一个问题是，随着应用落地场景越来越多，一旦围绕模型构建了越来越多的工具或者应用流程，迁移就会变得越来越难。
当然，国产模型的继续进步自然提供了更多的选择，不过模型规模偏大（万亿及以上的MoE）依然是一个比较大的问题，而且未来几年看起来还将继续增加，这其实意味着很多基础性的问题，例如服务成本，例如私有化部署等，特别是在前沿芯片HBM配置不断翻倍以及内存价格大幅上涨的背景下。
模型公司里，可能依然只有Google拥有足够的收入和生态渗透支撑，Anthropic拥有收入的快速增长（但依然面临高度风险）。
模型进步越大，适用面越广，渗透率越高，反而越利好硬件。这是AIGC模型发展无法避免的巨大尴尬。所以，只能靠巨量的资本开支锁定稀缺的电力、算力资源，将竞争对手挡在门外，才可能活下去。
三、OpenAI开支缩减
这个新闻在假期里“发酵”了，按照CNBC的报告，OpenAI到2030年的运营开支计划为6000亿美金，相比之前多次公开场合表态的1.4万亿美金大幅缩水。
这当然是一个有点偏空的消息（虽然，这在我去年四季度以来就坚持的前瞻观点之内），但我认为目前的评论都没在要点上，真正的要点是，理性计算和市场的一致预期看起来都没有真正相信过1.4万亿这样的数字，市场也已经将OpenAI“到处放卫星”理解为泡沫，所以，6000亿可能比市场一致的预期是来的小一点，但反应自然不会是1.4万到6000这样的幅度。甚至，从另一个方向考虑的话，如果6000亿可以被认为“落地概率较高”的话，这反而是一个非常好的bottom line。
这里，要借用一下微软的RPO。因为这是一个更可信的数字（即使我不看好OpenAI，我也从没将OpenAI破产列为未来可能的场景），这个RPO平均期限是2.5年，OpenAI约为2500-2810亿。大体上，我倾向于认为这个值跟2030年前6000亿的支出数字看起来更为匹配。当然，这也意味着在未来计划里，OpenAI对微软的依赖度可能会比原先市场预期的更高。同时，结合新一轮融资落地，Nvidia大约投了300亿美金的高可信度新闻（各权威媒体均有报道了）看，OpenAI跟其他硬件供应商的“合作”规模缩水的概率反而会比较大。
另外，如果新闻属实，那么这也会意味着可能会缓解“市场对大厂资本开支过高”的担忧，本来大幅增加的资本开支计划就是一种抢资源背景下的被迫举动，是一种囚徒困境。我在去年四季度线下交流时就说过，这种囚徒困境的解法就是类似于OpenAI实际上无法实现“夸大的承诺”。
所以，市场就是很“聪明”，当微软、Google、亚马逊纷纷给出远高于预期的资本开支计划时，不仅它们股价跌了，本该是利好的算力板块也没激起什么波澜。我同样在去年说过，并且在财报解读时也强调了，大厂一定会给出非常高的资本开支计划，这是出于市场竞争和战略规划的需要，但是，实际会花多少，则会是另一个数字。我认为市场同样没有“相信”这样的开支数据，而我，也完全没有必要对自己之前预测的实际落地值进行调整。
还是那句话，这个世界，最终是物理的。
四、那么具身智能呢？
这个世界，最终是物理的。其实我不太想谈春晚机器人，太过敏感了。
同时，我也无法站在自己的立场去谈利好还是利空，我们应该倾听市场的声音。因为情况就是这么个情况，市场会如何表现，完全取决于市场本身。比如香港市场就给了大模型公司很好的反馈（这种评论超出我能力范围）。
不过，在这个问题上，我有两个想法，都是加强的，第一个想法是，只要有数据，什么都可以做到，春晚的表现就是体现了这一点，至于讨论是不是预编程没有意义，懂行的基本都知道是怎么回事，这个技术含量一点都不低，甚至很高；
第二个想法是，具身智能，比我前几年认为的要难得多，可能多五到十个数量级，这个观点，随着假期里集中精度认知心理学和脑神经科学方面的一些书籍，结合自己前段时间一边拍照一边感受时的体会，是明显加强的。我觉得真正的难点，就是数据，我们甚至可能根本不知道我们缺什么数据。
五、所以，一切都围绕数据
模型从训练阶段到应用阶段，都是数据，我们甚至于都不用去讨论Coding、多模态、视频生成这些具体的任务，就是一个进入AI时代本身，就意味着数据的持续的指数级的增长，这根本不是“大数据”的量级可以比较的。
所以，电力、GPU、存储、CPU的长逻辑都在这里。相比之下，电力看起来是最稳定的，毕竟一次投资几十年受益；存储弹性最大，因为在同样的空间里，价值量是可以成倍增长的（容量、带宽）；但是这些，最终还是要通过GPU（ASIC或其他算力芯片类型）/CPU发挥作用。只不过长期来看，CPU大概就是受物理约束最大的部件（节点数量），而且CPU技术架构太稳定了，短中期里不会有什么大的突破；存储尽管弹性大，但是经过一段时间的疯狂，可以认为基本上已经基本反应了产业链里应有的地位，我从来认为内存就是非常重要的核心，但是到这个阶段，或许从赔率上而言，跟GPU、封装基本处于差不多的水平了。
当然，有一个因果倒置的变量：就是市场愿意给“超级周期”或者“周期性大幅减弱”多高的估值水平。可是，估值水平就是个结果，而不是原因，所以，为什么说是因果倒置。
我们只能让市场告诉我们它的情绪是如何的。
六、重要的财报
Nvidia下周的财报大概率还是会超市场预期，但是，承接上一个问题的最后一句话，情绪会如何，我们无法预测的。可是，我们还是有可以明确的关注的点，我相信电话会议上，分析师会问对OpenAI的投资问题（传说中的300亿美金），OpenAI的开支缩减问题，Rubin的进展，等等。
当然，就财报本身，我认为毛利率及毛利率的展望会是一个非常重要的观察点，内存价格涨了这么多，NV对上下游的真正溢价能力以及未来潜在变化，基本决定了“疯狂”的持续时间。毕竟，在PC、手机为代表的消费者领域，我们第一次看到显著的负反馈正在发生。
对于CoreWeave，我无法预测，很重要，但事实上，重要性相比前几个季度下降了，它的好坏最多决定几家neocloud公司，而不会对产业链带来太大的影响了。重心已经回到核心重要公司上了，特别是当模型竞争和资本开支竞争达到这个量级的时候。
七、最后一点：也许确定性才是2026年开始最重要的。
PS：您看，我写的，还是会跟AI输出的不一样，尽管我的第一步已经限定了它输出的范围。不过，我只是说不一样，客观而言，我认为它的准确率会高于我。
但是，我也注意到几件事情：春晚的科技感自然很足，那种填的很满信息量很丰富的风格曾经是我最喜欢的PPT风格，可我突然开始觉得有点不太对劲了；B站的所谓春晚其实绝对水平也就那样，但你会看到一个个“人”，会看到许多意外；小红书开始主打“活人答案”的广告词了，……
“活人感”。