AI投资范式转移
核心观点：当前AI行业正从“暴力计算”转向“认知层”应用，投资范式发生转移。
关键数据：
- 2026年第二季度算力主导的行情出现拐点。
- 美国部分州叫停数据中心建设。
- Uber等企业反馈高昂API投入未产生实际效用。
研究结论：
- 实体经济约束显现：大模型数据中心面临电力、环境及政治压力，美国部分州已叫停建设。
- Palantir模式崛起：其核心是位于客户与模型间的“本体”认知架构，通过FDE团队与客户共享效率提升收益。
- 估值逻辑重构：大模型正沦为被调用的同质化工具，B端入口地位削弱；具备结构化计算与结果交付能力的“认知层”公司将获得更高溢价。
Sovereign AI理念：强调企业自主掌控AI主导权与数据，Palantir模式证明AI主权正从模型方转向用户方，成为2027年企业决策主流。
产业协同新范式：Nvidia与Palantir深度融合，表明算力需通过中间认知层实现价值变现，单纯AIGC工具类应用因缺乏壁垒难以激发市场热情。
投资策略建议：未来半年关注具备业务闭环能力的垂直领域应用，Alpha将来自能解决“框架问题”并产出明确结果的认知型企业。
Q&A
大模型叙事面临的问题：
- 以计算为根本的路径未能产生明确结果，却需要持续不断的投入。
- 大模型赛道正面临高度商品化和同质化的问题。
- 暴力计算模式在全球能源紧张的背景下难以为继。
算力瓶颈下的AI新方向：Palantir的商业模式启示
- Palantir的商业模式与大模型公司有根本不同：不以售卖算力或API为核心，而是通过FDE团队与客户共同确定业务基准，并根据业务流程改善所带来的效益进行分成。
- Palantir的“本体”认知架构能够衔接各行各业动态决策流程，实现动态变化与动态决策的衔接。
Palantir的出现对大模型公司和AGI路径的影响：
- 大模型被定位为Palantir调用的工具，而非直接面向客户的入口，这削弱了大模型在B端成为入口的可能性。
- 市场的观点开始分化：既然Palantir的模式能产生实际收益、提升效率并带来优异的现金流，为何还要投资于一个未来尚不明确、无法产生同等价值的AGI方向。
Palantir的核心定位和“Sovereign AI”理念
- Palantir的核心是一种“语义层”或“认知层”，旨在围绕客户构建一套能够将客户认知转化为智能化机制并交付最终结果的系统。
- “Sovereign AI”强调智能化的主导权属于企业自身，数据保留在企业内部，Palantir不持有客户数据，且数据的持有与否并不影响其AI能力的实现。
“自主AI”理念在美国市场的发展趋势
- “自主AI”的理念在美国正变得日益热门，预计到2027年，企业在讨论AI时，可能不再优先考虑与OpenAI或Anthropic等大模型公司合作，而是更倾向于探讨如何构建企业自身的认知层，发展自主的智能化应用。
Nvidia与Palantir的深度融合
- Nvidia与Palantir的深度融合，共同构成了美国AI基础设施的核心，揭示了一种新的产业协同模式。
- 算力虽然是长期存在的刚需，但本身无法直接转化为客户价值，必须通过中间的“认知层”才能实现价值变现。
未来半年内，AI应用层的发展方向和关键能力
- AI产业的发展重心将从单纯的算力消耗和通用聊天工具，转向能够提供明确“结果”的落地应用。
- 具备结构化计算能力、能够理解客户意图并动态生成落地结果的结构化计算能力，将成为市场追捧的核心竞争力。
AI应用转型的主要发展路径
- 算力/Token持有型转型路径：拥有算力或token资源的企业，主动寻求与具备认知层能力的团队合作，通过“认知层”与“算力”的结合，快速形成面向垂直领域的标准化应用落地范式。
- 传统企业自主构建路径：传统企业自主搭建符合自身业务需求的专属模型，根据自身的决策流程来调用大模型能力，最终形成适配自身业务的自有认知框架。
AI领域的投资逻辑和估值体系演变
- 随着市场的投资逻辑转向寻找能够提供明确落地结果和结构化计算能力的AI应用，资本将越来越聚焦于具备“认知层”能力的企业，并给予其显著的估值溢价。
- 算力的角色更类似于市场的Beta资产，其长期刚需属性不会改变，在AI产业的整体发展进程中，算力的基础支撑作用将持续凸显。
大模型公司在未来的应用场景竞争中的角色
- 大模型公司手握充裕资金，必然会积极寻找应用场景和垂直领域的机会。
- 未来竞争的核心都将是掌握认知计算和结构化认知的能力。
AI叙事的演变和市场趋势
- 整体AI叙事已变得相当狭窄和疲弱，市场关注点的切换时机，例如何时应布局应用，何时可回归算力。
- AI在未来一段时间内仍将是主流叙事，因此很难完全回归到传统的基本面分析。
AI行情已从估值压缩进入基本面见底阶段
- 未来半年到一年，行情已从估值压缩进入基本面见底阶段。
- 关键信号包括宏观政策层面和应用层面：观察是否有企业能成功打造出类似Palantir模式的应用。
AGI与认知和意义构建
- AGI与Scaling Law的路径，本质上是试图通过不计成本的、海量的数据计算来模拟出结果，但这并未被证明是可行的，因为它不解决认知框架的问题。
- Palantir的模式则不同，它致力于解决认知层面的框架问题，即如何构建一个框架，使得输入信息后能直接产出有效结果。
从三到五年的长周期看，AI对宏观经济的影响
- 未来三到五年的宏观影响，核心取决于市场选择AGI路径还是AI认知升级(即Palantir)路径。
- AGI路径消耗巨量资源，推高了资本开支和债券融资需求，甚至对美国国债收益率产生影响。
- Palantir的路径是提升企业竞争力和创造价值的路径，它不以替代人为首要目标，而是通过智能化应用满足企业和市场的实际需求。
如何识别一家AI企业是否具备真正可持续的护城河
- 寻找具备可持续护城河的AI企业，关键在于识别那些不仅理解业务，还能利用AI开辟业务新方向的公司。
- 真正有价值的应用，是能够将AI与行业深度结合，创造出新的认知、新的应用和新的决策能力。
- 投资者应积极寻找上市公司及其子公司中，正在进行深度AI应用探索的企业，并辨别其应用的真伪。
- 具备高护城河的应用则会非常昂贵。
