离婚的离婚、减持的减持、跑路的跑路......

该跑的都跑完了吧？尤其是伴随着英伟达新高，A股人工智能概念周五迎来了绝望杀，尤其让五一长假前就期待人工智能反弹的老师们更加绝望。

这里人工智能反而产生了让人期待的地方，从个人理解的逻辑来看，反而机会不是硬件，软件应用和大模型可能迎来更多的机会。

这个是结合计算机、互联网的客观规律来说的，我们回想一下，英伟达的高股价是不是全球算力需求激增导致的？而国内有能打的算力芯片吗？当然新闻和公告里有不少。

风风光光一年多的光模块，相对于AI芯片来说，也只是配角。毕竟没见过AI服务器的人，也可以用个人电脑做参照理解，在全球分工中，CPU、GPU这些核心部件，都是别人在掌控（我们的突破需要时间），我们因为配件的不可或缺，“网卡”、“网线”、甚至“水晶头”“网线绝缘材料”都会被拿出来炒一番，当然还有那些服务器组装厂。

但是也只有这些东西能按计算器，也确实没办法。所以从想象力角度来说的公司暂时来看几乎没有。有点机会的公司大多也都忙着减持、跑路。只能看着英伟达继续增长，把“网卡”、“网线”、组装厂们，作为配件继续按计算器。

也许到了某一个季度，英伟达的全球需求增速放缓，配件们的增速也到头了，计算器可能才会按不动。

所以这里只能把这些低技术含量（相对于芯片）硬件当做最初的大金重工（塔筒）、疫情概念股里的防护品来对标，也是有周期性的。只要英伟达的增速还在，计算器就还能按，直到硬件价格大幅降低，才会迎来软件应用的春天。

其实随着互联网、移动互联网的发展，大家都会发现，硬件价格下降是大势所趋，也只有硬件价格逐步亲民，或者是大规模的“基础设施”建设的投入接近尾声的时候，软件应用才会有突破性的进展。

本质上是很多企业不敢像从前那样一开始就烧钱了，他们一般会在拐点到来前夕开始发力争夺市场，请看新闻：

随着人工智能技术的飞速发展，大模型已成为推动AI应用商业化的关键力量。5月21日，中国两大科技巨头阿里巴巴和百度在大模型领域掀起了一场激烈的价格战，旨在进一步扩大市场份额，并加速AI技术的普及和应用。

阿里云率先宣布对其通义千问大模型进行价格调整，主力模型降价幅度高达97%。这一降价举措意味着用户仅需支付1元钱即可获得相当于5本《新华字典》文字量的200万tokens，而该模型最高支持长达1千万tokens的文本输入。降价后的价格仅为国际知名AI模型GPT-4的1/400，显示出阿里云在大模型市场的竞争力和决心。

同日，百度智能云也不甘示弱，宣布其文心大模型的两大主力模型ERNIE Speed和ERNIE Lite全面免费。这两款轻量级大模型分别于今年3月推出，支持8K和128k的上下文长度，免费提供给用户使用，进一步降低了AI技术的门槛。

此番价格大战并非孤立事件。早在此前的5月15日，字节跳动也加入了降价行列，宣布其豆包通用模型Pro的128k版和32k版模型推理输入价格分别降至0.005元/千Tokens和0.0008元/千Tokens，为中小企业和开发者提供了更为经济实惠的AI解决方案。

此外，幻方量化和智谱AI等公司也纷纷调整旗下大模型的价格，以适应市场变化和用户需求。业内分析人士认为，此轮大模型降价潮是各家厂商为了抢占市场份额，加速AI应用的商业化落地而采取的策略。

从这些新闻已经能看出来，有头部企业开始参考“免费模式”抢占市场了。也许等到硬件价格真的跳水的时候，可能一切就来不及了，因为“卷”的生态，会让大家一拥而上。

回想一下，从前的带宽、服务器成本是不是互联网公司投入的大头？如今还有人提吗？正因为没人提了，互联网、移动互联网应用才如雨后春笋一般涌现。

而如今，除了一些互联网巨头在算力领域投入外，很多企业都在试着独辟蹊径，也有些公司在说“中国的大模型企业通往AGI，并非只有OpenAI这一条路”、“行业垂类模型更适合我们的国情”等。

也许本质还是“巧妇难为无米之炊”，垂类模型很难吗？本质上还是缺乏创新精神吧。

举个例子，去年写的“无人驾驶”系列，从小鹏、赛力斯开始，就记录了车圈的人对智能驾驶的态度，从最初觉得小鹏步子迈大了产生危机，再到赛力斯的鲶鱼效应引起各车大厂的加速落地，再到如今国产新能源车的崛起成为广泛共识。

智能驾驶、冰箱、彩电、大沙发都陆续成为标配，进入十几万车型里了，BBA们的生存空间，正在被挤压。

那如今看看垂直领域的人工智能应用多吗？当然在办公领域能看到一些的，不过也是绕不开用户抱怨的“套娃收费”问题。

就拿最近股市频繁出现的团队制造概念，影响市场的角度来看，这种现象用垂直模型解决的话，简直不要太简单，但是有公司去做吗？

来看看这样一个场景：一个突发新闻出现后（或者有预谋的制造一个概念后），就会有团队去挖掘这个板块里的小盘股，然后制作小作文和表格进行传播。

谁有时间短时间了解这些表格内容的真伪呢？只能按照小表格的排序去追涨。而小表格的产生很难吗？大部分就是搜索一下关键词匹配出一些内容（传统搜索引擎的工作），在年报里找个相关内容的段落，列在表格里就可以了。

如果垂直模型可以训练这些上市公司的官方新闻、互动易、年报、季报，会怎样呢？当一个新概念出来，是不是自然就能得出哪家公司正宗？甚至可以结合公开的财务报表，把公司现金流、负债等情况罗列出来，是不是很符合需求？

当然很多企业会觉得，涉及金融比较敏感。那么是不是可以反向操作。当市场广泛流传小作文和小表格的时候，把这个内容扔给这个模型来处理，可以来得出是否真实的结论？是否夸大其词?甚至可以罗列出有明确来源的正宗企业信息呢？

这个不就是现实中刚需的场景吗？当然这些一定不适合某些加概念的软件、某些财经媒体来做，因为他们也会像以前的百度竞价排名一样，有些特殊的盈利模式，容易影响客观公正。

如果有独立的第三方模型，类似于企查查这种，可以推出“年报信息检验”类的垂直模型和应用，是不是会受到广泛欢迎呢？从让A股生态健康发展的角度，相信监管部门也不会排斥的吧？

但是这么久了，这种不需要耗费什么算力资源的事，都没有企业去做，还有很多行业在等着人工智能去改变，这一切依然值得期待。

多年前，有人会写发言稿，会梳理流程规划，会画思维导图，都算是工作技能的一部分了，而如今人工智能把这一块做的很好，那么其它的行业创新何时能爆发呢？

突然想起此前Kimi因为融资需要，说能支持200万字长文本，一时间各家新闻蜂拥而至：张三支持500万字，李四支持1000万字......

不得不说，很多公司的确创新缺乏，跟风有力。总是看着别人的创新再伺机而动。说到创新，很多行业确实需要他们的创新，可能是由于硬件成本的缘故吧，一直是谨慎推进（很多企业的研发投入压根没有增长），进展没多少，减持却不少。

不过阳光总在风雨后，硬件大规模投入的阶段总会过去。毕竟由于制裁等因素，OpenAI模式可能不符合当下的国情，而国内这些头部企业的降价，的确给了很多初创公司更多的机会。

最后引用一些老师们的话：我们来A股，不是来读博的，不需要周末来学习很多新概念，尤其是很多概念是一些资金提前埋伏好了，选在周末让你学习的。

那些新概念，真就是完成了九年义务教，或者在中关村卖过电脑、在互联网公司做过两年程序员的，大部分都轻易能懂。偏偏逼着一些普通股民，甚至是文科生，去跨行业学习晦涩的IT词汇，除了故弄玄虚和夸大其词，真的有实际的价值吗？与监管层贯彻落实“国九条”的目标统一吗？

没开玩笑，你现在随便拿出一双鞋，化工人都能给你弄出一堆陌生词汇给你，你拿出一粒药，医药人也都能给你弄出一堆晦涩的词汇和逻辑来。只不过没有团队和资金引导着大家去学习鞋子和药罢了。

最后还是期待下大模型和应用企业，早点拿出点像样的产品来吧！