大模型2026年中复盘及展望
Scaling Law没有失效，多模态、multi-agent、RSI是新的方向
- Scaling Law质疑：市场周期性质疑Scaling Law是否见顶，以及AI是否泡沫，但模型能力持续提升，ARR增长，怀疑暂时搁置。
- 理解的本质：压缩即智能，AI通过操作工具、生成代码等展现智能，理解并非只有复制人脑结构。
- Scaling路径：单一维度参数堆叠边际收益递减，多模态、Multi-Agent、RSI等新维度scaling空间被打开。
- 多模态：Google Gemini 3率先突破，DeepMind Omni模型理解世界，多模态scaling潜力巨大。
- Multi-Agent：Anthropic Kimi Work展示300个子Agent协作，Multi-Agent核心在于协作架构的涌现能力，但面临成本、预测性、可靠性等工程挑战。
- RSI：Anthropic Claude通过AI写代码训练AI，实现正向循环，但存在失控风险，需要训练成本大幅下降才能实现完全RSI。
Frontier model：交替领先，终局未定
- 竞争格局：Google、Anthropic、OpenAI交替领先，终局未定，技术路线、组织能力、产品飞轮转速等因素影响竞争。
- Google：因战略选择失误，在coding赛道落后，但仍有翻盘机会，取决于算力、用户关注点、多模态发展。
- 领先优势半衰期：大模型领先优势缩短，竞争激烈，平衡模型能力、产品体验、数据飞轮、算力供给是关键。
价格战：开源模型正在冲击闭源模型的定价根基
- 开源模型崛起：中国开源模型能力提升，价格更低，冲击闭源模型定价。
- 客户选择：企业客户在复杂任务用旗舰闭源模型，简单任务用开源或低价模型。
- 开源模型成本优势：开源模型tokens消耗量大，但定价便宜，收入增长不及tokens消耗量增长。
- 模型路由器：成为关键基础设施，客户根据任务复杂度选择不同模型，中国开源模型份额快速上升。
- 闭源模型定价：闭源模型能守住高价，是因为最复杂的1%任务不可替代，但开源模型持续追赶，闭源模型面临降价或份额流失的风险。
- 开源模型是否闭源：国产厂商想闭源赚钱，但企业客户推开源省钱，最终结果取决于模型不可替代性溢价。
模型在做应用，应用也在做模型
- 模型公司做应用：Anthropic向编程、设计、金融、法律等垂直场景延伸，挤压中间层应用公司生存空间，拉高数据飞轮门槛。
- 应用公司做模型：Cursor被SpaceX收购自研模型，Harvey AI用开源模型训练法律agent，垂直AI应用公司转向开源模型+自有训练能力+垂直场景优化。
从Vibe Coding到vibe working再到vibe creating：AI应用的三波浪潮
- Vibe Coding：已爆发，核心是可验证性，但天花板隐约浮现，企业转向精细化管理。
- Vibe Working：正在渗透白领办公，核心能力是操作图形界面工具，实际应用场景跑通，但面临可验证性不足、合规审计空白等摩擦力。
- Vibe Creating：值得期待的未来，瞄准创意本身，视频生成最成熟，但商业化规模小，原因在于抽卡率低、应用场景有限。
- 从高可验证到低可验证：AI应用从高可验证性向低可验证性场景递进，速度取决于能否构建有效的reward，Creating的天花板可能是最高的。
投资建议
- 下半年投资主线：OpenAI和Anthropic上市进展，Google能否翻盘，中国开源模型全球化。
- 海外龙头上市：OpenAI和Anthropic或在今年下半年到明年陆续上市，关注GPT 5.6上线、算力优势等因素。
- Google翻盘机会：Coding赛道看Antigravity能否重启产品飞轮，长期看多模态+世界模型布局。
- 中国开源模型全球化：国产开源模型能力快速提升，随着企业端转向开源节流，国产模型在全球市场份额有望提升。
风险提示
- Scaling Law失效风险
- ARR增速放缓风险
- 自由现金流与资产折旧危机
