Vol.85 写在DeepSeek发布一年之后，也写在元宝要发10亿红包之后---串台厚雪长坡

摘要

• DeepSeek R1真正改写的不是一次模型榜单，而是中国从AI“看客”到核心玩家的身份。 在美国刚以“星际之门”讲出5000亿美元投入时，R1以数百万美元级单次训练成本、开放推理方法和接近头部闭源模型的效果，制造了“几千倍差距”的冲突；英伟达单日一度跌17%、市值蒸发近6000亿美元，冯骥那句“可能是国运级别的科技成果”成为情绪引爆点。
• 中国模型战不会一家独大，但新玩家已很难再凭空入场，剩下的更可能是“小几十家”各守场景。 庄明浩认为，有些中国公司凭开源、工程效率和本土场景，用OpenAI约1%量级的投入做到“八十到九十分”，路径可以分散到To C、To B、政府、具身智能和先进制造；巨头则被资本市场要求补齐芯片、云、模型、应用乃至机器人，“市场规则就是都得有”。
• 2026年最值得跟踪的技术变量不是某个版本号，而是强化学习、多模态融合与online learning能否继续抬高能力曲线。 庄明浩估计，预训练数据至少可能已使用约80%，但预训练工程仍有空间；强化学习大致只走了40%-50%，还要解决专家数据、benchmark和reward hacking。再往前是让模型持续反馈、自主更新的continual learning——“预训练像石油，后训练像新能源”，若持续学习跑通，可能带来类似核能起飞的跃迁。
• Agent没有失败，聚光灯只是从“看见AI干活”转向了水下基础设施。 Manus让用户第一次直观看到AI开网页、点按钮、搜资料、做PPT，但真正落地需要AI专用浏览器、数据库、身份、权限和MCP、ACP等协议；这些能力牵涉平台利益、责任和商业归属，因此从语言到行动“不可能短期突然解决”，Browser Use一类infra反而成为更清晰的机会。
• 美国头部模型公司的估值已经进入“先打满终局、再等待兑现”的右侧市场。 OpenAI以约200亿美元收入对应至少约1万亿美元的估值预期，相当于约50倍PS；Anthropic估值约3500亿-3700亿美元，xAI在约5亿美元收入上叫到约2300亿美元，后者最核心的投决理由几乎只有“信马斯克”。当Google已值3万亿-4万亿美元、整个AI头部生态被推演到约20万亿美元时，相对估值会把第二名和产业链公司一起抬上去。
• 产业基本面仍在向上，但股票回报已不能与技术进步画等号。 台积电把下一年capex预期从约490亿美元上调至520亿-560亿美元，并称经过三至四个月、覆盖“客户以及客户的客户”的调查后，对AI实际需求“非常满意”；庄明浩据此认为，这个产业链上最冷静的环节似乎给出了更明确的需求确认，却不能消除金融杠杆和拥挤交易的波动。“技术一定会迭代，AI工具也会越变越好用，但是股价不一定能涨。”
• AI入口战与个人使用都已进入兑现期：产品要争平台，个人要把它变成日常杠杆。 豆包突破1亿日活；据庄明浩转述，ChatGPT在去年10月左右周活“应该”是8亿，传闻已到9亿，两者也被认为出现了留存“微笑曲线”；阿里最激进，腾讯靠厚家底兜底，字节押注多模态与春节流量。对个人最实用的标准是“一周重复超过五次就试着交给AI”，投资者还可让它扮演对手盘，但最终的信息收敛、风险偏好和下注纪律仍必须属于自己。

精读

1. DeepSeek R1把中国从看客推成了核心玩家

• 七一把起点定在2025年1月20日的DeepSeek R1发布；庄明浩记得真正的舆论爆点是1月26日晚，冯骥在试用五天后写下：“DeepSeek可能是国运级别的科技成果。”
• 在此之前，特朗普刚宣布OpenAI、软银、甲骨文参与的5000亿美元“星际之门”；另一边却出现数百万美元级单次训练成本、效果“差不多甚至看上去更好”的中国模型，叙事落差达到几千倍。
• 随后英伟达单日一度跌17%、市值蒸发近6000亿美元。庄明浩的概括是，中国至少在大众和媒体视角中“突然间就变成了核心玩家”。

2. R1的冲击来自推理跨越，更来自把方法完全摊开

• 庄明浩用OpenAI的分层解释技术意义：Chatbot是L1，推理模型是L2；OpenAI在2024年三、四季度交界发布O1，但它闭源，全球同行只能尝试复现。
• R1以2024年12月底发布的V3为基础，用强化学习做出可见的推理过程。DeepSeek不仅公开训练和实施方法，还把同一方法用于Llama等开源模型，证明成绩同样可以提升。
• 这让“开源”成为2025年中国AI最重要的关键词之一。大量榜单前十甚至前二十被中国不同尺寸的开源模型占据，也倒逼OpenAI拿出部分非最优模型开放适配。
• 庄明浩认为，基础范式由OpenAI完成从零到一后，竞争更多落到工程、实施、成本和效率；这些恰好是中国工程师更容易发挥优势的环节。

3. 2025年的主线从R1、Manus一路切到Google多模态

• 庄明浩回看全年：3月Manus出现，Agent讨论持续到约5月；4月美股因关税等因素大跌后，市场逐步回升，标普500的创新高过程并不平滑。
• 市场期待已久的GPT-5发布后“并不那么理想”，没有拉开过去版本那种巨大身位；到三季度，Google凭Veo 3、Nano Banana、Nano Banana Pro持续强化多模态，年底GPT-5等模型也相继出现。
• DeepSeek则始终被R2预期追赶：五六月有一轮传闻，九十月又因V3.1及其疑似“最终版”而升温，市场以为下一步是V4，结果一周后等来V3.2。
• 进入2026年初，DeepSeek连续论文更多落在模型结构，庄明浩因此猜测春节附近“大概率”会有V4；他也提出是否可能跳过中间版本、直接推进下一代模型，但强调“我们不知道”。

4. 用户规模和“微笑曲线”说明AI应用已越过一个临界点

• 豆包突破1亿日活，这是App领域的重要里程碑；据庄明浩转述，ChatGPT在约2025年10月周活“应该”达到8亿，随后传闻已到9亿。
• 更重要的信号是两者都被认为拿到了所谓的留存“微笑曲线”：留存原本随时间下滑，重新向上意味着用户量、品牌和功能叠加发生质变，产品可能跨过了临界点。
• 字节拿下春节晚会赞助后，庄明浩判断豆包当晚日活“一定会是巅峰”，是否突破2亿尚不知道；阿里则从四季度开始明显加码千问To C推广。
• 七一追问腾讯和元宝会怎么接招。庄明浩认为，DeepSeek新版本、豆包春节流量、千问持续投入会把问题集中推向腾讯、姚顺雨和张小龙，但具体分工仍看不清。

5. 国内模型不会只剩三五家，更可能是小几十家各守战场

• 对七一“是三五家还是五十到五百家”的追问，庄明浩给出的区间是“小几十家”。新玩家已很难横空出世，但模型不像单一平台，竞争不太可能一家独大。
• 中国备案过的大模型已有数百个，仍持续研发的数量更少；除互联网巨头和前沿创业公司外，百度、小红书、B站、小米、美团、科大讯飞，以及To B、政府服务企业都在寻找自己的场景。
• 中国也没有被锁进美国那种唯一的超大金融叙事。开源、工程实施、To C、To B、具身智能和先进制造可以叠加，选择路径远比“一条路走到黑”丰富。
• 庄明浩用最粗暴也最有解释力的数字概括：有些中国头部模型公司用了OpenAI约1%量级的钱，做到了“八十到九十分”，且更适合中国国情。

6. Agent的价值在于让用户第一次“看见AI干活”

• 在庄明浩的框架里，L1 Chatbot、L2推理、L3 Agent如今不是依次结束的线性阶段，而是像甘特图一样同时研发、互相叠加。
• 语言模型只能对话，技术革命最终必须像蒸汽机一样“干活”、提升GDP，因此行业必然从语言走向行为，从对话走向行动。
• Manus最惊艳的地方不是宣布Agent概念，而是让人看见AI打开网页、访问、点击、搜集数据、制作PPT。“大家期待中的Agent应该是这个样子。”
• 七一提到豆包类似尝试很快受限，反而印证视觉刺激的重要性：ChatGPT让人看见机器吐字，R1让人看见它思考，Agent则让人看见它执行。

7. Agent热度退潮，是因为真正的工作都藏在水下

• 语言模型主要处理算力、算法和数据；Agent却必须连接网页、数据库、权限、打车、外卖等外部环境，复杂度更接近自动驾驶，不可能由一家模型公司短期解决。
• 今天的浏览器、数据库、验证码和手机短信验证都是为人设计的。若AI承担更多工作，就需要AI可用的浏览器、数据库、身份和访问权限；Browser Use正是在改造这一层。
• 网站常把AI流量识别成爬虫或攻击，MCP、ACP等协议因而受到关注。庄明浩借互联网史提醒：HTTP、FTP、SMTP早于民用界面存在，AI却是界面冲到前面后才发现底层协议没搭好。
• 更棘手的是利益：早期互联网协议不属于某家公司，今天的协议却由商业公司推动。“我凭什么要用你的协议？我也想做协议。”责任、收益和控制权让进展天然变慢。

8. DeepSeek最强的用户冲击，是把“思考”变成可见界面

• DeepSeek App最初没有深度思考，后来又加入在线搜索；两个按钮形成四种组合，只有深度思考与在线搜索同时打开，庄明浩才认为体验完整。
• 模型放慢回答并显示拆题过程后，用户第一次直观看到它如何把问题拆成有逻辑、有框架的需求。更震撼的是，它想到的角度往往是用户自己没有考虑过的。
• 过去AI赢围棋、开车、打《星际争霸》，普通人未必天天接触；今天它能写邮件、分析问题、整理发言稿，“像你一样思考”，碳基生物的感受便完全不同。

9. Claude证明了文本理解，Nano Banana把“言出法随”推进到视觉

• 庄明浩回忆，2024年底Claude已能按“《华尔街日报》风格”写作；这意味着模型必须先理解该体裁的结构、表达和展开方式，而不是简单吐字。
• 2025年上半年，GPT-4o引发吉卜力风格头像热潮，同样体现模型对配色、样式和视觉元素的抽象理解。
• 到Nano Banana、Nano Banana Pro和Veo 3，普通用户可以用“言出法随”来衡量进步：不是画得像不像，而是模型能否把抽象意图、常识和视觉结果直接对齐。

10. 一份小学PPT展示了多模态模型如何抽取故事结构

• 庄明浩为小学六年级学生准备AI课程，希望同时解释模型原理和学习用法，并要求内容能被这个年龄段理解、最好借一个熟悉故事展开。
• 首版用《火影忍者》，模型把写轮眼的复制能力对应到AI学习，把“复制忍者”与模型能力贴在逻辑层；但儿子提醒，班里可能一半同学不知道《火影忍者》。
• 改成《蛋仔派对》后，Gemini准确理解了这个中国游戏IP；孩子又担心老师不喜欢游戏题材，最终选择《西游记》。
• 最终比喻是：“你是唐僧，模型是孙悟空，你要用紧箍咒控制它。”数据、算法、算力则被放进太上老君炼丹炉；这些对应关系主要由模型生成，且与故事逻辑贴合。

11. 语言、图像和视频正从“三张桌”合并成一个模型核

• 过去语言、图片、coding被看成三条平行线，PPT工具通常先生成大纲，再套模板、配图，像不同车间拼装。
• 庄明浩现在改了判断：未来可能只有“一桌”，多模态进、多模态出，中间由同一个核理解；千问提出的“三进三出”，是文字、图片、视频或语音均可输入，并支持三种输出。
• 纯语言模型也在主动补课：智谱发布第一代图片模型，DeepSeek发布OCR模型，说明行业认为许多问题已无法只靠文字解决。
• 在严肃检索和报告场景，庄明浩认为Gemini在整理、搜集和加工信息上很强，因为搜索排序、来源重要性和信息收敛是Google的旧能力；ChatGPT则更强调“懂你”和情绪价值，在严肃搜索上仍需借第三方能力。

12. xAI的估值本质上是在给马斯克整个帝国投票

• xAI在算力建设上仅次于OpenAI激进，并把X的实时语料用于社交、陪伴和产品协同。庄明浩猜测，2026年xAI与X“很有可能”进一步合并，但这只是推演。
• Tesla、SpaceX、太空数据中心等故事能被连成一个闭环，这也让马斯克可以持续融资；讨论xAI时，“不能光聊xAI本身”。
• 按庄明浩引用的量级，OpenAI年收入约200亿美元，SpaceX约90亿美元，xAI约5亿美元；对应估值却约为OpenAI上一轮5000亿美元、本轮约7000亿美元，Anthropic约3500亿-3700亿美元，xAI约2300亿美元。
• 七一追问xAI凭什么在收入差一个数量级时叫出2300亿美元。庄明浩的回答非常直接：投资人只能写“我们信马斯克”，“你就折腾吧”。

13. Meta的问题不是没有钱，而是模型定位和云承接都不稳定

• 庄明浩认为Meta更像产品、应用和分发公司，不是以底层技术见长；Llama团队经历架构调整、刷榜等争议后，内部AI实验室的角色和目标一直飘忽。
• 当微软、Google、亚马逊等云厂商把千亿美元级capex放进相关基础设施时，Meta也跟进，却没有公有云承接这笔投入，“一千亿美金其实是飘在天上的”。
• 扎克伯格年中大举挖人，像组建一批特种兵或雇佣兵，再由年轻负责人带队追赶已快速上扬的曲线；结果是Llama在三、四季度几乎失声。
• 正面因素是AI已明显改善广告效率，这一点Meta、Google以及中国互联网公司都能讲。但它只能解释旧业务提效，尚不能回答Meta是否必须成为顶尖基础模型公司。

14. 五层蛋糕正在成为科技巨头的强制评分表

• 市场开始按芯片、数据中心、云、模型、应用逐层比较公司，甚至把具身智能和机器人也放进去。Google之所以强，是因为“每一层都有，而且都很强”。
• 微软、亚马逊、Meta乃至Apple都会被问缺了哪一层；亚马逊做太空、机器人和仓储提效，也被放进这种完整闭环的讨论。庄明浩不确定这种要求是否合理，但“市场评判你的角度就是这样”。
• 中国的阿里、字节、华为、百度同样被放进云、数据中心、芯片、模型、应用的矩阵，只是各层强弱和优先级不同。
• 智谱、MiniMax这样的上市创业公司目前主要占基座模型与应用一两层。AI战争可能再打五年，创始人必须接近“六边形战士”。

15. New Lab和DeepSeek都在寻找大资本路径之外的可能性

• 2025年四季度，美国出现一批由OpenAI、Google、Meta研究员创办的New Lab；它们甚至称作“Lab”而非公司，在尚无产品时就获得高估值和大额融资。
• 资本下注的是新研发范式：既有路线的资金和物理需求已被推到极限，头部公司又把绝大多数钱、人和算力放在前两类研发，给第三级探索留下创业窗口。
• DeepSeek的特殊性更强：它与量化的结合很深，商业角色难以用常规模型公司解释，既可参与头部聚会，也可以不出现，还保持自己的节奏。
• 庄明浩借文章玩笑说，美国模型公司或许也该做量化基金补现金流；他给DeepSeek的评价是“有点独孤九剑的感觉”，不受主流商业逻辑束缚。

16. 预训练没有结束，但强化学习仍是能力提升的主战场

• 庄明浩估计，至少可能已有约80%的可用预训练数据被喂给模型，剩余数据可能未数字化、难处理或质量不足；但Google变强也说明数据清洗、筛选和预训练工程仍能释放空间。
• 2025年被他称为“强化学习年”。数学和coding进展最快，因为答案可验证：数学对就是对，代码能运行就是能运行，奖励信号天然清楚。
• 医疗、法律、金融等没有唯一答案的领域，则需要资深医生、律师、交易员定义“人类认知中好的东西”，数据标注和专家反馈因此重新重要。
• 他判断强化学习可能只走了40%-50%，后续还要搭环境、做评分与benchmark，并防止reward hacking——“你只要定好KPI，我总有什么方式取巧”。

17. Online learning可能是下一次范式跃迁，token ROI则决定谁活得到那一天

• 当前模型按节点训练、冻结、发布，再训练下一代；online learning或continual learning要让模型根据实时反馈持续更新，逻辑可行，但工程和资源需求更复杂。
• 庄明浩引用的比喻是：预训练像石油，强大但有限；后训练像新能源，还能继续替代；若自主持续学习真正实现，则更像核能带来的跃迁。
• 对模型公司而言，问题因此变成token ROI：有限算力和研发资源应分配给预训练、强化学习还是持续学习，投入多久，能力提升和收入回报分别是多少。
• Kimi的杨植麟、智谱的唐杰等都谈到类似问题。庄明浩认为，这已不只是技术路线选择，而是模型公司的新型资源配置题。

18. Token每年便宜十倍，不代表前沿应用自然获得毛利

• 有一些说法认为同一模型的token成本每年下降一个数量级；庄明浩强调，这是静态比较——旧模型一年后变便宜，但届时又会出现更强、更贵的新模型。
• 2024年不少应用以“明年成本降至十分之一”解释当前无毛利；可只要能力尚未收敛，前沿产品就必须持续调用最好的模型，毛利便迟迟回不来。
• 可能的转折是某些场景开始收敛：企业不再需要最大、最新模型，用较小、较便宜的模型也足够，届时成本曲线才真正转化为商业利润。

19. 世界模型试图给机器人补上一座可反复试错的虚拟现实

• 庄明浩把世界模型解释为符合现实物理规则的虚拟环境：坡有倾斜和速度差，石头有重量，物体落水会下沉，玻璃杯摔到地上会碎。
• 游戏是最直观用途；更重要的是为自动驾驶和人形机器人生成训练数据。专用手术机器人面对的材料与动作有限，通用保姆机器人却要“哪儿都得去、什么都能干”。
• AI生成的仿真环境能让机器人低成本反复爬山、涉水、抓取，捏碎杯子也没有现实损失；李飞飞团队所代表的物理路线正瞄准这一层。
• 另一条视觉路线从图片、视频生成出发，追求实时渲染和指令修改，例如让播客画面中的人站起来踢倒椅子。哪条路线更重要，庄明浩的回答仍是：“谁知道，反正现在很多都在做。”

20. 垂直应用会增长，但真正的大价值仍要从工具走向平台

• To B可按职能切客服、销售，也可按行业切医疗、金融、法律；这些行业体量大、内生数据价值高，因此会优先扩展AI。
• 美国收入榜单中，除基础模型公司外，已出现法律、金融、销售、视频剪辑等垂直公司。庄明浩判断2026年To B、To C都会继续出机会，多模态会解锁更多场景。
• 过去三年AI应用主要是工具，而工具通常不够大；头部公司下一步必然尝试社交、内容、电商等平台形态，建立网络效应和商业模式，ChatGPT加入广告只是这一过程的一个节点。
• 当前产业价值链还是“正三角”：底层芯片和基础设施最大，应用最小；传统IT应是应用最大。英伟达已达约4万亿美元，若价值链倒转，上层必须打开更大的估值空间。

21. OpenAI的1万亿美元估值是在提前兑现终局位置

• 庄明浩把“中国1%定律”同时用于模型和GPU：中国头部模型以约1%成本做到八九十分，其估值也约为美国同行的1%；国产GPU头部公司的估值，大致也是英伟达4万亿-5万亿美元的1%。
• OpenAI以约200亿美元收入对应至少约1万亿美元的估值预期，约为50倍PS。市场不是按当期收入定价，而是假设AI头部公司总值最终可能达到约20万亿美元，再判断它能占多少。
• OpenAI对外推演的2030年收入约为每年2000亿-3000亿美元，但Google今天单季度收入就约1000亿美元；订阅、广告、电商、API等收入来源也并非不可数。
• 庄明浩认为一级和二级市场会把“能算出来的预期直接打满”。就像2021年快手上市前，比较B站、快手和腾讯的估值后形成估值传导，把整组资产一起推高。

22. 云联盟已经从独家绑定变成“晋西北乱成一锅粥”

• 亚马逊某次三或四季度财报后股价单日约涨12%，关键是AWS增速重新超过20%；此前微软云和公有云每季度增长大概30%，AWS却一度只有低双位数。
• 早期格局是微软绑定OpenAI，亚马逊和Google投资Anthropic；庄明浩称微软与OpenAI在11月“和平分手”，独家限制松动后，微软也参与Anthropic融资。
• Google随后加码Anthropic，并签下大型TPU与云协议；英伟达、微软等又交叉进入融资，原来的阵营边界被资本和算力合同不断打散。
• 风险先落到高杠杆New Cloud公司，如CoreWeave、Nebius，再传到Oracle的未来现金流和AMD的数据中心预期。进入2026年初，巨头股价相对稳定，仍最热的是美光、SanDisk等存储公司。

23. 手机仍是AI最现实的入口，Apple的2026年只剩一个核心议题

• 七一观察到Google与Apple绑定、微软与OpenAI绑定，国内豆包应用受限后也可能寻找手机伙伴；庄明浩认同，中短期AI不太可能马上创造全新巨型硬件，仍要依附手机这一中心载体。
• 因而2025年四季度中国巨头重新打“入口之战”，像十几年前移动互联网竞争再演；但会不会出现意外设备、对手或决策方，仍无法确定。
• 2025年Google是七姐妹中表现最强的一类，Apple相对最弱。若到2026年底Apple反而领涨，必须是AI在边际上带来巨大变化，而不是原有业务继续稳定。
• 难点在于Apple业务太厚，库克又不激进；库克接班人是谁、采取何种AI态度和执行节奏，构成庄明浩眼中“二六年苹果唯一的议题”。

24. 阿里最饥渴，字节最聚焦，腾讯则用厚家底换时间

• 庄明浩认为中概互联网过去一年的估值修复基本合理，但AI业务本身不足以解释全部涨幅，还叠加了中美对抗等情绪Buff。
• 阿里是最激进的一家：提高阿里云位置，推进千问模型与业务结合，四季度又把千问App推向To C。原来是“千问赋能各业务”，现在更像各业务都来装进千问，负责人拿到了“尚方宝剑”。
• 字节在组织调整后让模型与应用团队分开、豆包独立，路线是闭源、多模态和To C；即便DeepSeek改变战场，它仍保持目标清楚，且豆包此前看起来没有投入夸张推广费。
• 腾讯则像Apple，游戏、广告、支付等老业务太稳，具备“韧性的资格”。它已做元宝、与DeepSeek结合并推进原业务提效，又引入姚顺雨，但姚顺雨与张小龙如何配合仍是重要变量。

25. 巨头的AI姿态最终仍由创始人性格和资本市场时钟共同塑造

• 七一问激进焦虑好，还是稳定低调好；庄明浩认为没有统一答案，公司仍是创始人性格的展现，腾讯、字节、阿里、拼多多、美团、京东、百度莫不如此。
• 腾讯会议、文档、搜索、公众号和游戏中的AI提效可以“兜住底”，却“不足以把上限拉出来”；对厚家底公司而言底已经很值钱，但短线资金仍需要清楚的flag。
• 阿里的文化天然适合持续发动战役、集中力量打胜仗，因而更匹配AI行情的情绪；腾讯的公司目标却不只服务股价，投资人与公司的身位天然不同。
• 至于少年天才和三四十岁中坚谁更可靠，他没有给抽象答案。腾讯在此时选择年轻研究员，本身就说明管理层并非不焦虑，只是焦虑程度在动态移动。

26. AI行情已经从七姐妹扩散到整条产业链

• 庄明浩引用一份他称为“COTWO”的统计，把股票分成七姐妹、AI领域非七姐妹、非AI公司三组。
• 2023年七姐妹领先；2024年仍领先但幅度收窄；2025年则由非七姐妹AI公司领跑，包括芯片、能源、AI软件、AppLovin、Snowflake、Salesforce等，七姐妹大致稳定上涨百分之十几。
• 中国的扩散似乎晚约一年：过去一年先由科技巨头带动，下一阶段可能轮到应用、基础设施和边缘战场，巨头继续涨但幅度收敛。
• 这不是荐股结论。美国已经轮动到存储，中国也在炒类似链条；当题材走到最下游，投资者更要分清业绩兑现与相对估值推动。

27. 泡沫争论的关键不是“有或没有”，而是市场站在山腰还是山顶

• AI泡沫在2025年二季度开始被讨论，四季度循环融资最疯狂时达到顶峰：英伟达投资AI，OpenAI投资博通，博通再投AMD，Oracle再投其他公司，资金和订单不断交叉。
• 到节目录制时，争论热度反而下降，市场开始接受“存在就是合理的”；美国大型金融机构对2026年几乎都给出向上预期，但共识如此集中本身也可能成为风险。
• 技术革命前期必然经历喧嚣，真正无法判断的是今天在山腰还是山顶。若在山腰，行情还能延续；若在山顶，就要先经历明显调整。
• 庄明浩观察到回撤与修复周期正从年压缩到半年、季度，2025年4月大跌也很快收回；因此即便再有巨大调整，也有人认为它未必会成为跨年的长期问题。

28. 台积电的capex上调是产业端最冷静的一次确认

• 庄明浩把链条依次排开：用户、应用、模型、云、数据中心、芯片、代工，再往下才是原材料和硅。
• 台积电把下一年capex预期从约490亿美元上调至520亿-560亿美元。董事长仍强调投资“非常审慎”，并称过去三至四个月调查了客户以及客户的客户，以验证AI是否存在实际需求。
• 调研结果令其“非常满意”。庄明浩的推论是，产业链最尾端、最理性甚至冷静到极致的公司给出更明确的需求预期，似乎足以让产业趋势得到更强定性。
• 但七一与庄明浩也保留反讽：应用毛利不可信、模型在讲故事、云和英伟达也被质疑，于是只能一路信到代工，再往下信原材料。产业确认并不等于金融资产没有估值风险。

29. AI产业仍向上，金融叙事却会让股价远比技术曲线剧烈

• 庄明浩拒绝用“这次一样”或“这次不一样”概括复杂系统：两边都能找到一百个因素，最终权重还可能被某个意外事件突然改写。
• 更朴素的数据仍在改善，包括用户规模、留存、付费率、单用户token消耗和应用场景拓展；只看技术与产业，AI仍处在正向过程中。
• 一旦叠加金融叙事、杠杆和远期估值，价格曲线就不会像商业进展那样稳定。七一归纳得很直接：“技术一定会迭代，AI工具也会越变越好用，但是股价不一定能涨。”

30. 普通人最好的AI策略，是把重复劳动交出去、把判断留给自己

• 庄明浩给出一个简单阈值：工作或生活中，只要某件事“一周重复超过五次”，就该尝试让AI完成，哪怕只替代其中一个步骤。
• 对信息工作者，AI在总结、加工、翻译和可视化上已经“强得没边儿”；长篇英文材料即使机器直译不完美，也能再转成信息图或PPT，快速获得整体理解。
• 投资者可以要求AI扮演对手盘：“如果今天你是我的对手盘，你会怎么考虑？”它未必正确，但能持续指出遗漏因素，比泛泛的“头脑风暴”更容易执行。
• AI搜索基本面信息已经很容易，真正困难的是收敛。投资风格、风险偏好和纪律来自一次次盈利与亏损，那套属于自己的框架不能外包给模型。

31. AI会打开还是关闭孩子的创造力，目前没有人知道

• 七一追问，孩子若能一句话生成PPT和作品，究竟是打开创造力还是关闭创造力。庄明浩坦率回答：“没人知道。”人天然会偷懒，搜索和电子设备时代已经如此，AI更不可避免。
• 家长能做的是提供可信环境，让孩子体验、参与和感受。他提到黑客松、AI营，以及由AI视频从业者、纪录片导演和老师带孩子用七天完成电影或纪录片的设想。
• 七一回忆，幼儿园大班的女儿已经可借语音使用AI：当作业要求用简笔画表现“lose”这类抽象词时，好像画了几只分散的小猫来表达，解决家长也不会画的问题。
• 七一最后串起春节节点：2023年是A股AI概念第一浪，2024年是Sora，2025年是DeepSeek；到2026年春节，“气氛已经烘托到这里了，一定会有大事出现”——这是带有不确定性的期待和预测。