云霞资讯网

外媒：中国头部对冲基金二季度大幅减持美国超大规模云服务商及英伟达等AI巨头，转向AI供应链硬件厂商。其中，高毅资产（PerseveranceAssetManagementInternational）减持英伟达仓位72%，同时大举增持美光科技和闪迪；景林资产香港及东方港湾投资也做出类似调仓。市场观察人士指出，这反映全球AI交易进入新阶段——从"买算力"转向精选真正能获取经济租金的环节，投资者对那些巨额资本开支能否变现存疑，而存储芯片、光模块等AI数据中心硬件制造商股价近期表现强劲。

问题是为什么要让一个电商平台年赚千亿？而不让一万家平台年赚百亿？这是为什么？大家好好想想正常吗？一个平台的巨大收益背后，到底藏着怎样的商业逻辑？未来的竞争，拼的可能不只是卖货能力，而是谁掌握了数字时代的基础设施。很多人看到电商平台一年赚取巨额利润时，第一反应是疑问：为什么财富会集中到少数几个超级平台手里？如果把市场拆散，让更多企业获得机会，是不是会带来更健康的竞争？这个问题表面看是在讨论利润分配，实际上触碰的是互联网时代最核心的资源分配方式。过去几十年，全球商业规则发生了一次巨大变化。工业时代，企业比拼的是工厂、设备、渠道和资本；进入互联网时代，企业争夺的是用户入口、数据规模、技术能力和生态控制力。一个拥有数亿用户的平台，它创造的价值并不只是商品交易本身，而是一整套连接消费者、商家、物流、支付、金融和技术服务的系统。这也是为什么超级平台能够产生远超传统企业的利润。它们不是简单开了一家更大的商场，而是在数字世界里修建了一条高速公路。当越来越多的人、企业和商品进入这条道路，平台自身的边际成本不断降低，规模优势会越来越明显。但问题也随之出现。互联网经济的特点，就是容易形成强者越强的局面。早期平台为了扩大市场，会投入大量资金补贴用户、扶持商家、建设基础设施。等生态成熟后，流量入口和用户习惯已经形成，新进入者想复制同样的规模，需要付出更高成本。所以，“为什么不是一万家平台各赚百亿”的背后，本质上是一个技术时代的问题。不是简单地让谁赚钱，而是市场是否存在足够多可以支撑大型生态的基础条件。一个平台能够达到千亿级利润，依靠的是千万商家、亿级消费者、庞大供应链和多年技术积累共同形成的网络效应。中国互联网产业的发展路径，也说明了这个规律。从电商到移动支付，从即时配送到云计算，中国平台企业经历了高速扩张阶段，也逐渐进入更加重视技术投入和产业赋能的新阶段。过去依靠流量增长的模式正在改变，人工智能、大数据、智能物流成为新的竞争方向。特别是在2026年的科技竞争环境下，平台价值已经不只是商业问题，而是产业能力的一部分。全球范围内，美国科技巨头依靠操作系统、云服务、芯片生态和人工智能模型建立优势，中国企业则需要在应用场景、制造体系和产业链协同方面寻找突破。很多人只看到电商平台赚了多少钱，却忽略了背后的投入规模。一套覆盖全国甚至全球的交易系统，需要持续投入服务器、算法、物流网络、安全体系和人工智能技术。没有长期资本投入，很难形成这样的数字基础设施。但与此同时，超级平台也必须面对新的挑战。市场需要活力，不能只有几个巨头掌握所有资源。如果平台利用优势限制创新、挤压中小企业空间，就会削弱整个产业生态。因此，如何在效率和公平之间找到平衡，是全球数字经济都在探索的问题。对于中国而言，未来真正重要的不是简单限制大平台，也不是放任平台无限扩张，而是推动平台从“流量中心”转向“产业服务中心”。让大型企业带动供应链升级，让中小企业借助数字工具成长，这才符合产业发展的方向。从全球竞争来看，未来的平台战争也正在发生变化。过去比的是谁拥有更多消费者，现在比的是谁能把人工智能、制造业、物流体系和商业场景结合起来。一个平台如果只是卖商品，它的价值会不断下降；如果能够推动整个产业效率提升，它的竞争力才会持续增强。

摩根大通刚刚绘制出人工智能热潮背后循环融资的地图。超大规模云服务商（$MSFT、$GOOG、$AMZN、$META、$ORCL）已向OpenAI、Anthropic、xAI及其合作伙伴注入了460亿美元的股权资金……同时锁定8790亿美元的多年采购承诺，用于购买这些实验室所提供的精确云服务、芯片和服务。他们在资助这些公司，然后再从它们手中买回一切。这个循环每天都在扩大。

张一鸣与梁文锋：AI为何走上背道而驰的两条路线梁文锋曾任职字节，离开后创办DeepSeek；张一鸣掌舵字节Seed大模型。二人都瞄准AGI，但从商业模式、技术取舍、赛道优先级到组织哲学几乎完全对立，不是私人矛盾，是平台基因、对AGI实现路径、商业定位的底层分歧。一、开源与闭源，底层路线根本对立-张一鸣（字节）：闭源全栈路线模型权重不对外放开，牢牢掌握技术主权。依托抖音、头条海量用户数据、视频图文语料，把大模型嵌入自家全部产品：豆包C端、飞书AI、火山引擎云服务，形成“算力‑模型‑应用‑数据回流”完整商业闭环。张一鸣明确反对“模型蒸馏”抄近道，宁可短期榜单落后，坚持底层自主训练，拒绝借用别家模型输出快速刷分，追求原生技术上限。-梁文锋（DeepSeek）：开源优先路线主力模型权重对外开放，把底层模型交给全行业开发者。自身不重兵做C端消费产品，专注底层基础模型，让各行各业基于DeepSeek做应用。他认为封闭模型很难带动整个行业进步，追求算法效率，用更少算力打出更强能力。二、赛道重心：全面铺展VS极致聚焦1.多模态的取舍张一鸣高度看重多模态，尤其押注AI视频生成Seedance，图像、视频、文本、音频全部重兵投入，认为AGI必须具备感知世界的综合能力，AI不只有代码和文本。梁文锋把视频生成划为支线，不投入主力资源，认为现阶段核心突破口是CodingAgent编程智能体，代码推理才是通往AGI最关键主线，其他方向后置处理。2.热点态度张一鸣认可AI编程重要，但提醒团队不要被单一热点裹挟，编程之外还有巨大机会；梁文锋将codingagent视作当下第一优先级，几乎把核心研发资源向代码智能体倾斜。三、商业与组织哲学完全不同张一鸣：互联网平台思维，重规模、重场景、重商业闭环字节是成熟商业巨头，AI要服务庞大现有业务。接受重资本投入，追求产品落地、用户规模、商业化收入，技术最终要赋能海量真实用户场景。允许为长期目标牺牲短期收益，但AI必须和公司商业版图结合。梁文锋：技术理想主义，弱化商业化KPIDeepSeek更像一家偏重科研的机构，不追求短期营收爆发。早期拒绝资本压力，不设置硬性营收KPI，优先保证科研节奏不受财报绑架。他的逻辑：先把底层模型做到极致，应用交给生态开发者完成，自己不下场抢C端入口。四、根源：出身与基因决定选择张一鸣是互联网平台创业者，擅长用系统、规模、海量数据、产品生态取胜，相信把AI嵌入真实用户世界，在真实场景迭代逼近AGI。梁文锋出身量化，是技术研究者，相信算法架构、算力效率、纯粹基础研究，认为AGI突破来自底层模型本身，而不是应用端的流量放大。并非谁对谁错，是两条通往AGI的并行道路：张一鸣：看AI能铺多广，让AI融入亿万人日常；梁文锋：看AI能钻多深，把底层模型能力推到极致。补充：二者不存在公开私人恩怨，只是战略选择背道而驰，行业里闭源与开源两条路线互相参照、互相竞争，共同推动国内AI发展。