行业快报

Scaling Law 的新发现 Scaling Law 曾经是 AI 最可靠的定律：更多数据、更大模型、更多算力 = 更好性能。但 2025 年开始，这条定律出现裂痕。2026 年上半年的几篇重要论文重新定义了 Scaling Law。 1. “Data Walls and Beyond: Scaling Laws in the Era of Data Exhaustion” 来源：DeepMind, Nature Machine Intelligence, 2026.03 这篇论文量化了"数据墙"问题： 数据类型 2024 年存量 2026 年存量 预计耗尽 高质量文本 50T tokens 80T tokens 2028 代码 3T tokens 5T tokens 2030 科学论文 0.8T tokens 1.2T tokens 2027 多模态数据 200T tokens 1,200T tokens 2032+ 核心发现：当高质量文本数据接近耗尽时，继续增加参数量的收益急剧下降。在数据量固定为 50T tokens 时，从 100B 参数增加到 1T 参数仅带来 12% 的性能提升（vs 理论值 35%）。 ...

Claude 4 系列：三档定位 Anthropic 在 2025 年 10 月发布 Claude 4 系列，2026 年上半年进行了迭代更新。 当前产品线 模型 定位 上下文 核心优势 API 定价 Claude 4 Opus 旗舰 500K 深度推理+长文档+代码 $15/$75 per 1M Claude 4 Sonnet 平衡 200K 性价比最优+多模态 $3/$15 per 1M Claude 4 Haiku 轻量 128K 低延迟+低成本 $0.25/$1.25 per 1M Claude 4 Opus V2 旗舰升级 500K 推理+Agent $15/$75 per 1M Claude 4 Opus V2 关键指标 2026 年 4 月发布的 Opus V2 是 Claude 4 系列的重大升级： ...

GPT-5 发布后的产品矩阵 GPT-5 于 2025 年 12 月发布后，OpenAI 在 2026 年上半年进行了密集的产品迭代。 当前模型矩阵 模型 定位 上下文 核心能力 API 定价 GPT-5 旗舰 256K 推理+多模态+代码 $15/$75 per 1M tokens GPT-5 mini 轻量 128K 推理+多模态 $3/$12 per 1M tokens GPT-5 nano 超轻量 64K 文本+基础多模态 $0.5/$2 per 1M tokens GPT-4o 上一代 128K 多模态 $5/$15 per 1M tokens o4-mini 推理特化 200K 深度推理 $3/$12 per 1M tokens GPT-5 系列的关键升级（2026 H1） 2026 年 2 月 — GPT-5 V2 ...

出口管制的"全谱系"收紧 2026 年 1 月，美国商务部 BIS 发布新一轮出口管制规则，标志着对中国 AI 芯片限制进入"全谱系"阶段。 新规核心变化 管制维度 2025 规则 2026 新规 先进芯片 H200/H300 禁运 H200/H300 + 降规版全部禁运 成熟制程 不限制 28nm 以下需许可 设备出口 EUV 禁运 DUV 部分型号纳入 第三国转运 口头警告 法律追责机制 云算力 无限制 非美国主体使用超算需报备 新规的杀伤力在于"堵漏"。此前中国企业通过降规芯片（如 H800、H20）和第三国转运获取算力，这些通道在 2026 年被系统性地关闭。 对中国 AI 算力的影响 短期：已有 H800/H20 库存可支撑 6-12 个月，但训练大模型的算力缺口约 30-40% 中期：国产替代需在 2027 年前填补 50% 以上的推理算力缺口 长期：自主可控是唯一出路，但时间窗口紧迫 华为昇腾：国产 AI 算力主力 昇腾 910B 昇腾 910B 是华为 2024 年 Q4 量产的旗舰 AI 训练芯片，采用 7nm 工艺（中芯国际 N+2），达芬奇架构 3.0。 ...

Agent 商业化：技术好不等于能赚钱 2026 年，Agent 技术日趋成熟，但"怎么赚钱"仍然是最大的问题。技术团队常见误区：技术好 → 产品好 → 自然能赚钱。现实是：技术好 ≠ 产品好 ≠ 能赚钱。 六种商业化模式 模式一：API 即服务 用户 → API 调用 → 按 Token 计费 # 典型代表：OpenAI、Anthropic、百川 # 盈利方式：模型能力差价 # 成本结构 input_cost = tokens * price_per_token # 输入成本 output_cost = tokens * price_per_token # 输出成本 gross_margin = 1 - (compute_cost / revenue) # 毛利率 40-60% # 优势：标准化产品，可扩展性强 # 劣势：价格战激烈，需要持续投入算力 模式二：垂直 Agent 订阅 用户 → 月度订阅 → 专用 Agent 服务 # 典型代表：Cursor（编程）、Harvey（法律）、Sierra（客服） # 盈利方式：月费/年费 pricing = { "starter": {"price": 20, "queries": 1000}, "pro": {"price": 50, "queries": 5000}, "enterprise": {"price": "custom", "queries": "unlimited"}, } # 关键指标 metrics = { "ARR": "年度经常性收入", "NRR": "净收入留存率（>120% 为优秀）", "CAC": "获客成本", "LTV": "客户终身价值", "LTV/CAC": ">3 为健康", } # 优势：收入可预测，客户粘性高 # 劣势：获客成本高，垂直市场天花板 模式三：Copilot 嵌入 现有产品 + AI 助手 → 提升客单价 # 典型代表：GitHub Copilot、Microsoft 365 Copilot、Notion AI # 盈利方式：增加订阅层级 # 微软 Copilot 模式 microsoft_365 = { "基础版": "$6/用户/月", "Copilot版": "$30/用户/月", # +400% ARPU } # 优势：用户已有付费意愿，增量收入 # 劣势：依赖宿主产品，能力受限 模式四：按结果付费 Agent 完成任务 → 按成果计费 # 典型代表：DevRev（按解决的工单计费）、Sierra（按对话解决率计费） # 盈利方式：效果分成 pricing = { "per_resolved_ticket": 2.0, # 每解决一个工单 $2 "per_successful_call": 0.5, # 每成功通话 $0.5 "per_lead_qualified": 5.0, # 每合格线索 $5 } # 优势：客户无风险，转化率高 # 劣势：收入不可预测，效果定义争议大 模式五：Agent 市场平台 开发者上传 Agent → 用户购买 → 平台抽成 # 典型代表：GPT Store、Coze 平台、Dify 市场 # 盈利方式：交易抽成 30% revenue = { "platform_fee": 0.30, # 30% 抽成 "developer_share": 0.70, # 开发者 70% "subscription": 0.20, # 额外订阅费 } # 优势：双边网络效应，生态护城河 # 劣势：冷启动困难，质量难控 模式六：开源 + 企业版 开源免费 → 企业付费 # 典型代表：LangChain、Dify、LlamaIndex # 盈利方式：企业版许可 + 技术支持 enterprise_pricing = { "self_hosted": "$500/月", # 自托管企业版 "managed_cloud": "$2000/月", # 托管云服务 "enterprise_plus": "$10000+/月", # 大企业定制 "services": "$200/hour", # 咨询服务 } # 优势：开源带来用户和信任 # 劣势：开源版本被白嫖，转化率低（1-3%） 定价策略 价值定价 vs 成本定价 # 成本定价（不推荐） cost = gpu_cost + storage_cost + labor_cost price = cost * 1.5 # 加 50% 利润 # 问题：忽略了用户获得的价值 # 价值定价（推荐） user_value = hours_saved * hourly_rate + quality_improvement_value price = user_value * 0.1 # 收取价值的 10% # 用户觉得划算，你也赚得多 定价心理学 # 三档定价法 tiers = { "Free": { "price": 0, "features": "基础功能，100次/月", "purpose": "引流", }, "Pro": { "price": 29, "features": "高级功能，无限使用", "purpose": "主要收入来源", "highlight": True, }, "Enterprise": { "price": 299, "features": "SSO、私有部署、SLA", "purpose": "锚定价格，让 Pro 显得便宜", }, } 市场机会分析 已饱和市场（红海） 方向 玩家 状态 通用聊天 ChatGPT, Claude, Gemini 寡头垄断 编程助手 Cursor, Copilot, Codeium 竞争激烈 客服 Bot Intercom, Zendesk 同质化 蓝海机会 方向 需求 机会大小 法律 Agent 合同审查、案例检索 ⭐⭐⭐⭐⭐ 医疗 Agent 病历分析、辅助诊断 ⭐⭐⭐⭐ 金融 Agent 风控、研报生成 ⭐⭐⭐⭐ 制造业 Agent 质检、供应链优化 ⭐⭐⭐⭐⭐ 教育 Agent 个性化辅导 ⭐⭐⭐⭐ 农业Agent 病害识别、产量预测 ⭐⭐⭐⭐⭐ 融资与估值 # 2026 年 Agent 公司估值参考 valuations = { "种子轮": {"range": "500万-2000万", "要求": "Demo + 团队"}, "A轮": {"range": "3000万-1亿", "要求": "100万 ARR"}, "B轮": {"range": "2亿-5亿", "要求": "500万 ARR + 100% 增长"}, "C轮": {"range": "5亿-20亿", "要求": "2000万 ARR + 盈利路径"}, } # 关键：投资者看的是增长速度，不是技术先进性 # 月增长 20% = 年增长 891% → 融资不难 # 月增长 5% = 年增长 80% → 融资困难 从技术到产品的关键转变 1. 从"能做"到"好用" 技术思维：准确率 95%，可以上线了 产品思维：5% 的错误率，用户会不会流失？如何设计容错体验？ 2. 从"功能"到"价值" 技术思维：我们支持 50 种工具调用 产品思维：用户只关心能不能帮他完成月报 3. 从"免费"到"收费" # 免费策略的陷阱 free_users = 10000 conversion_rate = 0.01 # 1% 转化 paying_users = 100 revenue = 100 * 29 # $2,900/月 → 撑不住 # 更好的策略：限时免费 + 价值锚定 trial_days = 14 trial_to_paid = 0.15 # 15% 转化 # 1000 试用 → 150 付费 → $4,350/月 结论 Agent 商业化的核心不是技术多好，而是： ...

2026 中国 AI 治理体系 中国的 AI 治理采用"小步快跑、持续迭代"的策略，已形成多层次监管框架： 法律层：《人工智能法》（草案） ↓ 行政法规：《生成式AI服务管理暂行办法》 ↓ 部门规章：算法备案、深度合成、AI安全评估 ↓ 标准规范：AI 安全国家标准、行业指南 核心法规一览 1. 算法备案 适用范围：所有提供算法推荐服务的企业 备案内容： 算法基本原理 数据来源和用途 风险评估报告 安全自评估报告 2026 新变化： 备案范围扩展到 Agent 类应用 需提交 Agent 决策逻辑说明 增加"自主行动范围"描述 2. 生成式 AI 服务管理 核心要求： 训练数据合法合规 生成内容真实准确 标识 AI 生成内容 建立投诉举报机制 3. 深度合成规定 核心要求： 深度合成内容必须标识 不可用于生成虚假信息 人脸替换需取得本人同意 企业合规实践 第一步：判断是否需要备案 def need_filing(product): # 判断标准 conditions = [ product.uses_algorithm_recommend, # 算法推荐 product.uses_generative_ai, # 生成式AI product.uses_deep_synthesis, # 深度合成 product.has_autonomous_action, # 自主行动（Agent） product.serves_public_opinion, # 具有舆论属性 ] if any(conditions): return True return False # 示例 my_agent = Product( uses_generative_ai=True, has_autonomous_action=True, # Agent 有自主行动 serves_public_opinion=False, ) print(need_filing(my_agent)) # True，需要备案 第二步：安全自评估 class SafetyAssessment: def __init__(self, product): self.product = product def assess(self): report = { "content_safety": self.check_content_safety(), "data_security": self.check_data_security(), "algorithm_fairness": self.check_fairness(), "transparency": self.check_transparency(), "user_rights": self.check_user_rights(), } report["overall"] = self.calculate_overall(report) return report def check_content_safety(self): """内容安全：AI 生成内容是否可能包含违法信息""" test_cases = load_safety_test_cases() results = [] for case in test_cases: output = self.product.generate(case.input) results.append({ "case": case.id, "safe": not contains_illegal_content(output), }) return { "pass_rate": sum(r["safe"] for r in results) / len(results), "min_required": 0.99, # 99% 以上通过 } 第三步：准备备案材料 备案材料清单： ├── 算法备案表 │ ├── 算法基本原理 │ ├── 算法运行机制 │ ├── 应用场景 │ └── 服务功能 ├── 算法安全自评估报告 │ ├── 算法机理分析 │ ├── 风险研判 │ ├── 防范措施 │ └── 应急预案 ├── 拟公开内容 │ ├── 算法基本原理 │ └── 目的意图 └── 附件 ├── 数据来源说明 ├── 模型训练说明 └── 安全测试报告 第四步：持续合规 class ComplianceMonitor: """合规不是一次性工作，需要持续监控""" def daily_check(self): # 每日检查 checks = [ self.check_content_safety_rate(), self.check_user_complaints(), self.check_model_changes(), ] return all(checks) def monthly_report(self): # 月度合规报告 return { "total_requests": self.stats.total, "safety_violations": self.stats.violations, "violation_rate": self.stats.violation_rate, "complaints": self.stats.complaints, "actions_taken": self.stats.actions, } def alert_on_violation(self, incident): # 发现违规立即处理 if incident.severity == "critical": self.suspend_service() notify_regulator() elif incident.severity == "high": self.add_content_filter(incident.pattern) notify_management() Agent 专项合规要点 1. 自主行动范围 Agent 能自主调用工具、执行操作。备案时需明确： ...

2026 上半年回顾 2026 上半年，AI Agent 领域发生了很多大事： GPT-5 发布，原生支持 Computer Use Claude 4 推出，Agent 能力大幅提升 中国 AI 新规实施，算法备案全覆盖 Figure 02 进入宝马工厂 MCP 协议成为事实标准 基于这些动态，我们预测下半年的十大趋势。 趋势一：Computer Use 成为标配 2026 上半年，GPT-5 和 Claude 4 都推出了原生 Computer Use 能力。下半年将看到： 所有主流模型支持：Gemini、Qwen、DeepSeek 等 应用场景爆发：自动化办公、数据录入、跨应用操作 安全问题凸显：AI 直接操作电脑带来的安全风险 # Computer Use 的典型工作流 agent = ComputerUseAgent(model="gpt-5") agent.execute("打开浏览器，搜索今天的新闻，截图发给我") # AI 自动：点击浏览器 → 输入URL → 搜索 → 截图 → 发送 影响：RPA（机器人流程自动化）行业面临颠覆。传统 RPA 需要写死每一步操作，AI RPA 可以理解自然语言指令自动执行。 趋势二：MCP 协议全面普及 Model Context Protocol（MCP）在 2025 年由 Anthropic 提出，2026 年已成为事实标准： ...

2026 上半年 AI Agent 领域发生了什么？下半年将走向何方？十大预测带你把握行业脉搏。

GPT-5 到底强在哪？我们用 50 道推理题、20 个 Agent 任务和 10 个真实场景全面测试了 GPT-5。

手机端跑 7B 模型不是梦。端侧 Agent 兼顾隐私、延迟和成本，2026 年迎来爆发。