BEDROCK播客E16-从AI云聊到大模型 (文字版）

Tracy
大家好，欢迎来到BEDROCK 播客。这是第16 期，与视频号财经博主Trade韭 的一次联动，本期话题聚焦AI，欢迎收听。

Trade韭
那我们就开始。今天非常辛苦，TC 和Tracy 在哈萨克斯坦出差途中抽空录制。你们这次是去看当地的产业与公司，对吧？

TC
对。我们在看一些当地公司与互联网相关机会。很多新兴市场会借鉴中美过去的成功路径，我们也来学习、调研。

Trade韭
投资的视角既看过去中国5–10 年前的阶段，也看未来5–10 年AI 时代的机会，其实都是向前看。

TC
是的。只是不同地区发展水平不同，存在“追赶”和“对标”的机会，本质仍是向前看。

Trade韭
很高兴和TC、Tracy 一起聊AI。先从这轮最热的“New Cloud”谈起吧。比如上周Oracle（ORCL）在与OpenAI 大单预期带动下大涨；Nebius（NBIS）与微软合作的预期也在发酵；还有CoreWeave。能不能先讲讲“New Cloud”到底是什么？它与传统CSP（云服务商）有什么区别？

TC
Tracy先开个头？

Tracy
可以。最底层都是数据中心，基于它提供云服务。过去传统云更多基于CPU，为企业/中小机构/个人提供全栈服务，客户技术能力相对有限，需要“管家式”支持。所以传统云在IaaS/PaaS/SaaS 等增值层的溢价与利润率较强。
这一代“New Cloud”之所以崛起，核心是客户结构变化：OpenAI、Anthropic 等大模型公司成为大客户，他们技术能力很强，不需要太多上层增值，更看重底层算力与基础设施的效率与成本，因此倾向“bare metal”（直接租用GPU 等算力）。
因此，“New Cloud”以GPU 为核心架构，为模型公司提供更基础、更贴身的能力。短期它们以基础能力与规模取胜，未来不排除逐步向上提供增值服务。

Tracy
总结一下：传统云以CPU 为主、客户相对弱、云厂商能提供高附加值；而现在AI 数据中心以GPU 为主，客户（模型公司）话语权更强，云商的服务更“基础”。

Trade韭
听起来有点像“包工头”：更偏“搬砖”和供给侧。

TC
我补充下：传统云更像平台公司，卖计算、存储到各种PaaS/SaaS 的“全栈服务”，定价权在云厂商。全球领先的几家（如Azure/AWS/Google Cloud）服务面很广，从数据库到安全都覆盖。
而“New Cloud”更像供应商：给模型公司或大厂做算力租赁，提供bare metal，可把它理解为外包的供给与融资伙伴，甚至像“出表公司”。
这种业务短期利润率较低、竞争激烈、定价弱；若放在超大厂资产负债表里会非常“重”，所以像微软会选择把订单以“租赁/转包”方式给这类伙伴。这有点类似“富士康之于Apple”。

TC
两类生意差别很大。New Cloud 期望借AI 东风先把规模做大，坐上牌桌，再逐步向上“upsell”软件与服务。但短期内真正吃到高附加值的占比不高，这是为“上牌桌”必须付出的成本。

Trade韭
所以要么帮大模型公司干苦活并垫资，要么承接传统CSP 的分包。

TC
对。传统CSP 比较尴尬：若直接接OpenAI 级别的单子，价格往往比New Cloud 高不少（成本结构与架构决定），又要维持较高的云业务OP Margin（>40%），不可能为大量低毛利单子牺牲整体利润率。所以更现实的是自己签总包、再转包给伙伴。微软与Nebius 的合作可以从这个角度理解。我们也看到Oracle 的规划里，大量AI 云需求会向外部伙伴流出。三朵云（AWS/Google/Azure）也都类似，而且它们更偏好自研芯片（如Google 的TPU）以长期掌控生态与成本。
但很多模型公司更愿意用NVIDIA 生态，原因很简单：基于CUDA 的栈最快能把模型跑起来、调优起来。这就带来两层冲突：一是成本/架构，二是长期生态策略差异，促使大量订单外流给New Cloud。

Tracy
补充一句：无论订单源自CSP 还是直接来自模型公司，本质最终需求方都是模型公司。

Trade韭
如果New Cloud 完全用GPU+CUDA，就更像在给NVIDIA 打工；传统CSP 不愿意只做低附加值，但市场不能丢，只能先接住、再逐步向自研ASIC 过渡，稳住份额，是这个逻辑吗？

TC
可以这么理解。传统云像“品牌主机厂”，客户愿为品牌与全栈服务付溢价；而New Cloud 像“白牌制造”，客户（模型公司）很懂技术，不需要“第一层台阶”的服务，更需要供给与融资伙伴来高效地把重资产“出表”。这能让模型公司的商业模型更“轻”。

Trade韭
他们的期待就是先把规模做大、绑定头部客户，再逐步提升附加值。传统云客户结构与战略决定了其难以自己下沉到“白牌位”。

Tracy
再打个比方：微软的客户并不需要知道底层用的是什么卡，重要的是交付的服务。但对大模型客户而言，卡型与网络架构会直接决定训练/推理的效率与成本。眼下NVIDIA 相对ASIC 仍有领先优势（领先一代左右的共识较多），而速度就是收入增长的保证。大模型公司无法接受因为改用ASIC 而多出半年甚至一年的调试与适配成本。
传统云希望你不要干涉它的底层选型，以保留更大“系统工程”空间和利润；大模型客户则趋向指定卡、指定网络，这里天然有张力。

Trade韭
这样看产业链更清晰：底层算力芯片—云—模型—应用/Agent。各环节都希望把其它环节商品化、自己当“链主”。目前模型一侧更像“链主候选”。

TC
没错。NVIDIA 希望以自身生态为核心，因此也扶持了很多New Cloud，让模型公司尽快在CUDA 生态内奔跑；模型公司希望你“从API 到工具链”都用它的；微软又有不同的盘算。立场不同，行为不同，结果就是订单在不同体系间流动。
SaaS 与软件公司为了把AI 融到产品里，需要与企业数据深度对接、解决大量工程化问题；如果模型供应只是外部黑箱、缺少“贴身服务”，要把效果做“深”很难。也因此今年很多通用SaaS 的AI 变现不及预期；而模型公司的AR 增长更快，像Coding Agent、聊天机器人等“轻集成”路径迭代迅速，用户感知强，商业化更直接。

Trade韭
那我们收个口，最后简单带一下阿里巴巴在中国市场的处境？传统云与AI 云业务分别如何？

TC
我们没做非常细，但中国SaaS 的难点在于组织与管理模式长期更依赖人，软件替代人的价值兑现节奏慢。AI 会带来增益，但很难“一键翻篇”。国内大模型生态（如“通义”等）在本土有空间，但整体层级仍与美国有距离。玩家相对集中（字节、腾讯、阿里等），要形成“全栈服务+强工程交付”能力依旧需要时间与资本强度。

Tracy
我的直觉是：国内叙事最终会更接近美国，但变现路径不同。美国因人力贵，用户订阅更早跑通“正循环”；国内更可能探索广告、金融等“侧向变现”，AI 时代这条路如何跑通，还需要观察。

TC
国内问题还有“谁能明显拉开差距”。如果赢家清晰、竞争没那么卷，空间会更好。重资本属性决定了头部更可能来自大厂系。

Tracy
算力投入方面，国内也可能探索“出表”路径，但目前更多还是托管/代建+租赁，规模与海外相比仍小不少。

Trade韭
上游我们聊了云与算力，要不要往下聊模型与Agent？

Tracy
可以。模型与应用的格局会反过来影响上游。

Trade韭
年初一度有人认为“模型同质化”，现在OpenAI 又显著领先。发生了什么？

TC
模型不是“考一次分就定胜负”，里面有幻觉率控制、稳定性、服务能力、工程化积累、反馈闭环、多模型编排等大量细节。随着用户规模与负载上来，稳定性与运维是巨大门槛。GPT-5 之后的“自动模型选择/编排”也能以更优成本与效果服务不同复杂度问题。ToC 用户不会反复横跳测试多个模型，往往选最可靠的一家长期使用；这类似搜索时代“好一点点+更顺滑的服务体验”就足以带来压倒性份额。要在ToC 上超越头部，难度极大。ToB 则更取决于集成深度与工程化交付。

Tracy
差距拉大还体现在：一些玩家逐步掉队，比如Meta 的追赶存在不确定性；而OpenAI 的周活跃已达数亿量级，规模优势在强化。规模经济也很强：绝大部分是固定投入（算力/工程），边际收入增速与边际算力投入不是一个量级，优势会进一步固化。

Trade韭
从“ChatGPT”这种产品形态看，先发优势和用户粘性都很强，即便免费/付费的对比也是如此。

Tracy
是的，除非形态发生跃迁（比如机器人）。否则很难撼动已经形成的习惯与生态。

TC
这是一场“智力与效率”游戏，不只是成本游戏。就像公司愿为好10–20% 的人才多付薪水，因为不确定哪10–20% 会在关键时刻影响效率与结果。生产力相关的场景里，用户愿为更好的模型付费。

Trade韭
OpenAI 今年约130 亿美元ARR，大头还是C 端订阅吧？

Tracy
对，主要来自订阅，API 占比约两成多，ToB 直连占比较小。未来会随着Agent 产品与分层订阅提升ARPU，结构略有变化，但直面用户的订阅仍是主轴。

Trade韭
再聊聊Anthropic？

Tracy
Anthropic今年增长很快，尤其在Coding 领域（如Claude Code）率先变现，环比月增长可观、年底有望逼近百亿美金体量。它更偏ToB 专业场景切入，靠学科/垂直能力（尤其编程）建立领先。不过与OpenAI 的“综合服务+ToC 规模”相比，粘性壁垒略弱：程序员群体会持续对比“哪家更好”，迁移成本低于ToC。

TC
但空间足够大。湾区不少工程团队把Coding Agent 当“助理团队”，资深工程师反馈效率至少提升约20%。核心在于人机协作缩短迭代周期，Agent-to-Agent 的生态也将拉动API 调用与算力需求，催生更多以前做不到或周期很长的事。

Trade韭
这样看，基础码农的岗位会受冲击，API 与Agent 的付费反而更划算。

TC
不仅美国，很多国家/公司都会面临类似结构性变化。

Trade韭
如果按ARR 排名，Cursor 等工具也很热，但可能不算“模型公司”。

Tracy
是的。Google 的AI 收入更多通过搜索/广告间接体现，直接收费占比很小，但其重要性仍在第一梯队。

TC
可以把战场分成ToC / ToB / To Physical World。ToC、ToB 的商业化已在爆发；物理世界（世界模型、机器人）还需要时间，但空间更大。特斯拉、Google 都在投入。谁能把物理世界的问题真正“跑通”，会是下一阶段的关键。

Trade韭
Robotaxi 量产落地仍有“最后一公里”，而人形/场景机器人先做单一工种再扩展到多任务，路径上是可行的。

TC
对。先从价值密度高且重复的工种切入，10–20 年逐步走向更通用。

Trade韭
模型层的头部基本都覆盖了：OpenAI、Google、xAI（Grok）等。Cursor 更像应用/工具。

TC
中美加起来，核心玩家大体就那几家。若有机会，分散布局头部是理性的。

Trade韭
站在你们（二级市场全球成长股）的角度，如何布局？

TC
两条线：一是通过可行路径布局未上市优质标的（比如部分算力与模型生态中的机会）；二是在上市公司中自上而下选取真正能兑现业绩与现金流的受益者。我们的框架覆盖算力—云—软件—模型多个环节，择优配置、动态校准。

Tracy
补充不多，差不多就是这样。

Trade韭
总体格局：模型（含Agent）与“云+芯片”。你们也提醒不要过度绝对化，传统巨头（如微软、ServiceNow 等）在ToB 客户关系与数据治理上仍有机会，关键是迭代速度与产品力。

Tracy
AI的长期空间是几万亿级。即使模型层拿走50–70% 份额，留给其他环节的市场仍是万亿级，足以孕育很多好公司。只是“谁能长出来”需要时间与观察。

TC
同意。产业规模大了之后，很多原本“做了也不够大”的细分（如数据中心网络、光互连、液冷等）都会变得足够“出圈”。不要只盯着最显眼的“链主”，二级与三级赛道也可能产生大公司。

Trade韭
坐上火箭了，先上车再择位。最后再谈谈“AI 受益但不一定被贴AI 标签”的公司？

TC
例如Meta 等会用AI 强化自身商业模式——虽然不一定被定义为“纯AI 标的”，但同样明显受益。我们整体持仓中，广义AI 相关或受益标的大约接近50%，但不会只押“直给的AI 标签”。

Trade韭
回到算力阶段性：赔率与确定性与去年不可同日而语吧？

Tracy
按长期需求测算，算力仍有几倍空间，但结构会变化：GPU 与ASIC 的分配、网络/互连占比上升、液冷/散热方案演进，训练与推理的集群规模与形态都在改变。需要更精细的甄别与跟踪。

Trade韭
Meta 和Apple 简评？

Tracy
二者都很像——既有原生态位又明显受AI 赋能。以Meta 为例：AI 带来更长的用户时长与更高广告转化（提升3–5pct），可支撑中期增长。隐忧在于若在“模型与综合服务”上长期落后，难以在万亿市值级别的AI 新牌桌上坐稳，更多像一个“Option”。Apple 的处境与之类似甚至更弱，除非在模型短板与策略上更激进。
总体上，这一轮不是“互联网连接问题”，而是“AI 替代人力与提升效率”的问题。空间大、参与者多、节奏快，机会与风险并存。我们的策略是基于体系化方法论，在全球范围内寻找真正具备竞争力与兑现能力的公司，动态校准、审慎前行。

Trade韭
本期讨论仅为方法论交流，不构成投资建议。若要进一步了解我们对模型层四家核心公司的观点，可与小助理联系（与私募沟通需完成合格投资者认定）。今天就到这里，感谢TC、Tracy 的分享。

TC
感谢Tracy。

Trade韭
哈哈。

Tracy
谢谢。

Trade韭
我们下次再见。