AI还能投吗？GPT-6 Cyber、Genie4与英伟达新动向

先把AI领域近来的新动向和背后的投资逻辑捋一遍。

1、通用模型仍在往垂直化、多模态、可执行以及物理世界这几个方向走。

OpenAI在11月5日至6日推出GPT-6 Cyber，定位是授权范围内的网络安全研究。

放到产业链上看，AI会给网安行业添两条增量：一条是模型反过来增强安全工具本身，另一条是AI系统铺开后，企业不得不增加安全与合规预算，于是多出新的IT开支。

腾讯这边，混元Hy4正式发布，视觉理解和Computer Use能力都是首次引入。

国内模型厂商的竞争路子因此越来越清楚：不再单纯比参数，而是比“模型能力 + 工具调用 + 企业场景落地 + 稳定价格体系”。

谷歌这边，Gemini Omni 1.2 Flash正式开放，原生支持15秒视频生成和多轮对话式编辑，720p视频生成价格比上一版本降了30%，降到每秒0.07美元。

这意味着多模态模型的商品化正沿着语言模型走过的轨迹走：能力往上、单位成本往下、场景渗透加快。

2、世界模型与物理AI：Genie4、World Labs、苹果HALO一起把“Physical AI”的热度推高。

Google DeepMind的Genie4让世界模型从场景生成迈向交互式仿真，其价值在于世界模型开始向“训练环境”靠拢，而不只是“视频生成工具”。

World Labs在11月6日发布研究预览Frameboy。

也就是说，世界模型商业化的关键瓶颈已经不在“能不能生成”，而在于推理延迟和运行成本能不能压得足够低。

苹果研究团队公开了人形机器人自主控制系统HALO，并在宇树G1机器人上部署验证。

这说明具身智能正走出一条新的验证路径：“仿真数据 + 合成数据 + 真机迁移”。

如果这套范式一直有效，机器人训练对海量真机遥操作数据的依赖会明显减轻，仿真平台、数据采集、传感器融合、机器人训练基础设施以及端侧控制器都会因此受益。

二、算力与基础设施：扩产受限之下，效率被重新构造。

1、海外AIDC建设遇阻，市场开始给“算力供给约束”重新定价。

美国一些州的政治表态倾向于限制大型数据中心建设，欧洲多国则出现针对数据中心扩张的环保与能源抗议。

直接后果有三个：第一，已建成或已拿到许可的资产因为稀缺性增强而价值上升；第二，建设节奏可能转向政策更友好、资源成本更低的地区；第三，硬件订单能否兑现，更取决于客户融资能力和项目交付能力，而不只是理论上的需求。

2、英伟达与Apollo讨论小型AIDC网络，“改造存量设施”成了新思路。

双方讨论的是把电信运营商Brightspeed现有建筑改造成小型AI数据中心网络，覆盖美国20个州，潜在可提供约1吉瓦电力容量。

这表明海外AI基础设施的演进方向可能生变：从超级园区式的重资产扩张，转向“存量设施改造 + 分布式部署 + 更快交付周期”。

对产业链结构的影响在于：

1.传统土建和大型机房建设链条的弹性可能低于预期，原因是审批周期长、地方阻力更大。

2.电力改造、机电、液冷、通信配套、边缘部署、标准化模组机房，这几块的景气度相对更好，原因在于它们更适合在存量设施上做改造。

3.分布式小型节点承载的更多是推理负载和低时延服务，这就在客观上让“推理侧算力占比提升”的行业趋势更明显了。

3、国内算力基建步入加速期，运营商和“Token工厂”成了关键变量

中国移动给出规划：到2027年采购总额超过5000亿元，算力投资超过1000亿元，吉瓦级智算园区将建成7座。

“Token工厂”这个概念最近两天热度明显上来。摩尔线程拉上趋境科技和智谱，发布了国产异构推理高品质AI Token工厂方案；神州数码也推出了Token工厂整体解决方案。

站在投资角度看，这些变化说明算力产业链的驱动力正在换挡：从过去只看“资本开支总量”，转为“资本开支总量 + 结构升级 + 服务模式切换”三条腿走路。

换句话说，能走得长远的，未必是所有卖卡、卖柜子的厂商，更可能是下面三类：

第一类，供需依然偏紧、壁垒高、扩产又谨慎的上游核心器件，比如GPU、HBM、先进封装、高速互联。

第二类，吃到超节点与国产替代红利的基础设施环节，比如液冷、电源、光模块、交换与高层PCB。

第三类是新模式的受益方，也就是把算力做成可度量、可计费、可优化的Token服务商和推理平台。

三、存储与半导体：推理时代，内存与互联的价值被重新抬高

Counterpoint的报告指出，新一代HBM产品陆续推出、价格继续上涨，主要存储供应商第四季度有望刷新营收纪录。

主流AI支出里，半导体（GPU、CPU、内存）占50%，电力占20%，冷却和设施建设各占8%，网络光收发器占5%。

这说明即便AIDC建设节奏中途放慢，半导体——尤其是计算与存储器件——仍是AI资本开支中占比最大的一块。推理负载越堆越多，显存容量、带宽与缓存效率只会越来越重要，不会退潮。

四、端侧AI与AI眼镜：入口之争从手机蔓延到“多终端”

苹果、谷歌、Meta、Rokid、XREAL等厂商新品扎堆，端侧AI成了新的主线。

国行苹果AI已经跟着iOS 27.3开发者测试版开放测试。

AI眼镜这边，11月6日至7日集中冒出一批新品和预订消息，涉及Rokid、RayNeo、INMO Future、Warby Parker。

从配置逻辑看，端侧AI的关键不是“谁先发一副眼镜”，而是谁能把芯片—模组—传感器—操作系统—Agent—应用服务—渠道售后这条完整闭环打通。

所以短期最受益的端侧AI环节，不是所有消费电子公司，而是握有整机定义权、核心器件能力或渠道配套能力的那部分。

五、政策与监管：需求没有消失，变的是AI资本开支的不确定性

美国监管对AI产业链的冲击，更像是打乱节奏，而不是终结逻辑。

对上游硬件来说，短期体现为估值压力——建设节奏放慢，会影响市场对2028年Capex能否持续的预期；但2027年已经开工、已经融资的项目，相对更稳。

对云厂商和手上的存量AIDC资产来说，反倒可能增强议价能力，因为供给受限会让稀缺资源更值钱。

北美审批一旦收紧，中国和海外其他地区的部分需求就可能流向东南亚、香港、欧洲，或者流向国内能接住算力服务的区域。

六、分环节看AI产业链受到的影响

1、上游：

上游硬件依然占AI支出的大头，半导体在AI总支出里约占50%。明年的订单可见度和已交付可见度都还比较高，供给扩张整体偏谨慎，AI供需大概率仍会处于“紧平衡”。所以对上游要拆得更细来看：

HBM/DRAM/高端存储：推理和训练两头都在增长，景气度仍然很强。

GPU/AI加速器：长期空间不小，但短期估值更容易受Capex节奏和政策预期牵动。

先进封装/Chiplet/互联IP：跨XPU和多芯片系统越演进，这部分的价值量越高。

光模块/高层PCB/交换互联：超节点和高密度AI集群放量，会持续带动这些方向。

2、中游：AIDC、液冷、电源、算力租赁、Token工厂，是结构性受益最清楚的方向

中游的边际改善比上游更明确，原因是算力服务的模式在变。过去是“卖机柜、卖GPU、卖裸金属”，现在转向卖Token、卖推理效率、卖一体化服务。这一变化会让下面几个方向受益：

超节点交付与液冷散热：算力部署密度一高，价值量就跟着提升；

电力与配套电源：AI支出里电力占到20%，是仅次于半导体的大项；

算力租赁/云服务/算网调度：到了推理时代，更看重资源利用率和服务能力；

Token工厂：说到底就是把异构算力、模型推理和业务调用整合成标准化的生产服务，毛利更高，也更可运营。

3、下游：企业Agent、AI安全、金融分析、Physical AI、端侧AI，会比“大而全应用”更早兑现

下游应用层近期真正该盯的，不是泛泛的“AI助手”，而是那些能力边界已经提升、商业化落地路径又清楚的场景：

AI安全：GPT-6 Cyber说明网络安全智能体的能力成熟度在往上走。

企业办公/Agent：Hy4、Siri AI、WorkBuddy等都在加强电脑操作和任务执行。

金融分析：混元Hy4明确针对金融任务做了优化，高价值知识工作正成为模型落地的重点。

Physical AI：Genie4、Frameboy、HALO说明世界模型和机器人控制正在长成新的应用支线。

端侧AI：AI眼镜、助视设备、AI终端等，让AI从“云上服务”变成“贴身入口”。

七、当前最重要的投资含义：从“总量思维”切换到“结构思维”

AI产业趋势没变，但最赚钱、最稳健的环节正在迁移——从单纯吃Capex总量，转向吃结构变化、吃推理扩容、吃真实落地。

再具体一点：

1、短期市场还会围着“海外AIDC建设受限”反复交易，但这更像是估值层面的压缩，不是行业终局变了。

2、到了推理时代，链条比训练时代拉得更长。训练阶段最关键的是GPU和HBM；推理阶段机会则会外溢到缓存、内存、推理软件栈、边缘芯片、端侧终端、模型调度、Token计费、低时延网络以及行业Agent。

3、国内产业链的长处，正从“国产替代叙事”往“系统方案与交付能力叙事”上走。运营商的大规模投入、Token工厂、超节点集采、MoMA开放计划，这些都在说明国内AI基础设施已经迈入真正工程化、产业化的阶段。

4、端侧AI和Physical AI，有可能成为下一阶段AI行情扩散的重要抓手。两者的共同之处在于：不再只靠单一云侧模型能力，而是要求芯片、传感器、系统、应用与数据一起协同。

整体上看，我的判断是：最近两天冒出的AI消息，没有改变产业大势，却明显把市场关注的重点挪了位置。