应用在落地，未来对 AI 的关注点应转向推理端未来我们认为对算力和应用关注的分化的趋势会越加的明显，从算力能力推动推理落地，变成推理推着上游算力迭代。人们对算力的预期也是期望观测到更多应用落地，以及杀手级应用的出现，因此我们认为未来关注重点应转向，应优先关注推理应用落地进度。

    　　我们认为，真正通向AGI 的路上将遭遇多次质疑，是否需要全新的训练方法会成为核心分歧。随着推理的scaling law 加大飞轮效应，AI 推理侧应用成熟度爆发式增长。目前，AI 编程领域 Code Copilots 采用率高达 51%，很多程序员从原先认为AI编程不可实现，转向认为它真的成为了很好的辅助助手。除了一般的编码助手，企业还在购买针对特定任务的 Copilot，比如 Harness 这种AI DevOps Engineer 和 QAAssistant，用于管道生成和测试自动化，以及 All Hands 等能够执行更多端到端软件开发的 AI 代理。

    　　Transform 缺陷逐渐显现，AI 大模型需探讨更多可商业化落地的技术路线模型构建需要高度的技术能力，只有少数公司掌握核心技术。未来市场将受到增长压力和投资回报率的影响，目前以亏损或免费提供昂贵技术的做法是不可持续的。AGI并非一个非黑即白的概念，而是一个持续发展的过程，我们已经在构建通用智能机器的道路上取得了很大进展。人类将利用人工智能技术创造富足，而不是依赖于一个“上帝”般的超级智能来实现。未来多智能体将合并构成终极智能体。

    　　推理能力的出现将带来新的商业模式

    　　我们认为，未来更符合AI 时代需求的软件将是模式创新的应用。就像互联网的出现，带来了手游、团购的完全创新模式的应用，AI 时代真正符合需求的软件也将重新建立商业模式。

    　　人们将自发的有更多信心与热情投入在AI 推理侧应用。近期，《Attention is allyou need》的联合作者Aidan Gomez 提到，这种从CAPEX 模式到消费模式的转变将吸引更多客户投资于解决问题，而无需承担高昂的训练成本和时间成本。

    　　下阶段可聚焦于传统行业AI+的产品。我们认为，未来长期最受益的方向是最后真正因AI 做到生产力提升的产品，例如劳动密集型行业中的软件服务、商业服务等，AI自动化将大幅提升其销售转化率和生产效率。

    　　风险提示

    　　算力场景落地不及预期，政策变动，产品研发不及预期等。