cha3rsi 2026

科技投资

我只公开经得起反驳的判断。

看人工智能、算力、半导体和机器人。说得出口的,写在暴论里。项目寄到 zwj.charles@outlook.com,说明做什么、为什么是现在、需要什么。未公开的材料和数字不放这页。

暴论

01

仿真公司做不成世界模型

机制仿真和世界模型抢的是同一批研发预算,要的却不是同一类能力。仿真把物理世界当成可以用规则写清楚的对象,资产是求解器、场景库和图形学团队,每增加一个场景都要工程师,积累是线性的。世界模型把物理世界当成可以从数据里学出来的统计模式,资产是视频规模、生成模型和深度学习团队,数据可以复用,边际成本下降。一家公司的考核和招聘很难同时养住这两套体系。仿真精度越高,专家规则越多,模型自己学习的空间越小。既有优势因此变成转型成本,而不是跳板。

依据Unity 从 2023 年推 Muse、Sentis,Unreal 推 MetaHuman 和配套生成能力,数年之后并没有做出游戏视频世界模型。视频生成的核心团队在人工智能公司,不在引擎公司。英伟达在数据驱动路线上把仿真放到尴尬位置:真实视频训练加上世界模型,效率和收益更高。更可能做出世界模型的,是视频生成、自动驾驶端到端、具身大脑,以及大模型公司里的物理团队。仿真出身几乎不在这张名单里。

含义给仿真公司按“即将变成世界模型平台”定价,是把一个有限的窗口期写成了终局。

如果有仿真公司做出可规模化的世界模型,而且不再靠手工规则补洞,我就放弃这条。

物理 AI · 2026

02

企业买了 AI,利润不会自己回来

机制利润回到报表,要三件事同时发生:模型够用,工作流程按新模型重写,责任和考核跟着改。现在多数企业只完成了第一件。工具叠在旧流程上,节省停在试点里,进不了利润。开支上升而利润不跟,不是需求还没起来,而是组织没有把技术变成产出。这种脱节不会因为多等两个季度就自动愈合。

依据Bain、MIT 和 Gartner 在同一时期各自把它写成结构性失衡,而不是暂时的采用摩擦。信息服务板块估值倍数下行时,每股收益并没有同步塌掉,市场定的是结构风险,不是一季业绩。代理式 AI 被当成落地主题的同时,Gartner 警告到 2027 年约四成相关项目会被取消。可讲述的采用,和可确认的利润,不是同一件事。

含义还没有改流程的企业 AI 故事,不能用明年的盈利弹性来定价。

如果企业利润稳定地跟着 AI 投入上升,而且不是靠一次性裁员挤出来的,我就放弃这条。

数字 AI · 2026

03

转卖算力没有护城河

机制买卡再租出,价格由 GPU 供需决定,不由运营商的技术决定。供需一松,租金下降,客户可以换一家。难被复制的是三件事:跨资源池调度、客户绑定,以及扛得住产品周期的资本开支。没有这三件,高毛利只说明卡还紧。卡还有经济寿命:训练、推理、批处理不是同一段租金。旧代卡会在新代出来后失去价格。持有硬件本身不是壁垒。

依据这条生意的壁垒应落在资源、客户和资金上,而不是算法。从转售升级到能调度的云,窗口大约两到三年。旧代卡已经出现过数月内租金大幅下跌,存货会随产品周期贬值。没有客户厚度和资金厚度的腰部租赁商,会先在这个贬值里出清。

含义今天的高毛利不能按云服务的久期去估值。转售赚的是价差,云赚的是留存。

如果纯转售的公司在租金下降之后,利润和客户都还在,我就放弃这条。

算力 · 2026

04

人形机器人被当成通用智能在定价

机制模型领先可以被下一代模型抹掉,这个窗口通常只有一到两年。量产之后还留得下来的,是数据、生态、知识产权和成本。这四件事不在参数规模里。零部件可以供给多家本体,本体自己做的零部件往往迁不走。所以在出货和成本曲线被验证之前,零部件和成本的安全边际高于一个更聪明的大脑。

依据Bernstein 把本体公司的终局护城河写成数据、生态、知识产权和成本,并认为零部件的可迁移性高于本体自研。具身路线从 VLA 到可量产仍停在实验室到中试,量产时点的证据强度低。没有出货的本体如果按通用智能的终局定价,就是把叙事放在了交付前面。

含义没有量产数据和成本曲线的人形公司,不该享受通用智能的估值。

如果有公司靠模型本身,而不是数据、生态、知识产权和成本,做出可复制的量产利润,我就放弃这条。

机器人 · 2026

也在做

01

WeatherWear

出门前,按天气决定今天怎么穿。

active
02

PicTok

像刷短视频一样滑动自己的相册。

active