AI基本面的右脚:从能力进步到ARR兑现

🎯 8月底《基本面的左脚已经伸出来了》讲的是I（投入），这篇讲R（回报）：模型侧的进展连起来看，收入的形成概率、规模与兑现速度正在变得具体——最终的确认，是ARR数字。

▍核心结论

•RSI抬高能力斜率：Anthropic研发自动化指数从3月的1%升至8月的26%，5月起加速；人均日代码合并量2026年Q1/Q2达此前均值的5.8倍/8.0倍。

•复杂任务追平简单任务：开放式任务成功率从2025年8月约26%升至2026年9月初约91%——这是用户敢把完整任务交出去的基础。

•场景在coding之外扩散：金融（OpenAI/Anthropic/Kimi三连发）、法律（专业配置正确率54.0% vs 通用38.7%）、3D（代码操纵场景+渲染反馈）提供新的渗透路径。

•Jev决定任务边界：强模型管复杂推理、专门模型管重复判断（TypeSafe输入0.042美元/百万token），交付成本下降才让长尾任务算得过账。

•Muse把持续委托推向C端：Meta给个人Agent配云端环境与记忆，推理需求的观察单位从月活转向"每用户有效任务数"。

•ARR放缓不等于逻辑破坏：目前ARR主要反映coding渗透，8-9月放缓是单一场景渗透率的体现；模型进步传导到行情存在时间差，下一个锚定物是新场景的财务兑现。

一、从左脚到右脚：R的路径正在成形

左脚确认的是未来投入，右脚要回答的是这些投入最终能做成什么。最近把模型侧的进展连起来看，未来R的路径变得更具体了。目前看到的是前瞻指标，最终的确认要落实到ARR数字上。

最近的变化串起来：RSI提高后续智能进步的可能速度 → 金融、法律、3D扩大可交付的工作 → Jev改善部分任务的经济性 → Muse尝试把持续委托推向C端。模型能力、任务渗透和商业转化，正在沿着不同环节往前走。

二、RSI：AI研发AI，能力斜率可能改变

RSI影响的是未来模型进步的斜率。AI参与研发AI，意味着"模型更强 → 承担更多研究与工程任务 → 有效实验更多、迭代更快 → 帮助下一代模型进步"的反馈链可能形成。对投资来说，如果这个反馈持续成立，就需要重新评估未来能力出现的时间，以及能力兑现到R的速度。

Anthropic周五的文章给了几组关键数字：

•研发自动化指数：AI主导、人在旁监督的工作占比，3月至8月依次为1%、3%、12%、14%、22%、26%——很显然从5月开始加速。

•人均产出：人均日代码合并量2025年以前较平稳，2025年以后抬升，2026年Q1、Q2观测值达到此前均值的5.8倍、8.0倍。代码数量不等于有效研究成果，但这提示人的工作正在转向提出目标、检查结果和组织并行任务。

•复杂任务成功率：开放式任务成功率从2025年8月约26%，升至2026年9月初约91%；未成功比例从74%降到9%，下降约88%。这解释了为什么用户敢把更完整的任务交出去。

OpenAI一侧看使用强度：每位研发员工每日估计Agent输出从2月1日约4.08万token升至8月15日约72.28万，约17.7倍；7月单月增加约31.47万（6月仅约4.98万），后段绝对增量明显放大。但同期人均实验数量只从1月初的0.72倍升至8月中旬的1.60倍——"使用更多"到"产出更多"之间仍有转化环节。

国产一侧看硬件效率：智谱披露，GLM-5.3驱动的Infra Agent参与GLM-5.3-Flash在十万卡以上国产芯片集群的适配和推理系统优化，不到两周达到生产可用，吞吐达初始基线约3倍。经济意义在于：同一批硬件可以承载更多有效任务，国产算力的软件适配与使用效率更快改善。

三、场景扩散：金融、法律、3D

模型能力正在寻找coding以外的兑现路径。三个方向性质不同：金融和法律更接近已有专业预算里的任务渗透，3D更多是交付物扩展与新生产流程的探索——都增加R的可能性，但商业成熟度和兑现时间不同。

金融产品九月中旬三连发：9月10日OpenAI发布金融服务版，先面向投行与股票研究；9月14日Anthropic推出财富顾问产品，把托管、组合、CRM和会议工作连接起来；9月17日Kimi发布金融行业解决方案。切口不同，共同点是把数据、工具和交付放进日常工作，场景从研究扩展到客户服务。

金融和法律有一笔容易算的账：专业劳动贵、重复准备工作多、交付物明确。数据整理、底稿、合同初审、会议准备既耗时间，又有资料和规则可辅助检查。AI不必一次完成整个职业，先稳定承担其中一段就有付费价值；错误成本高意味着复核不能省，应衡量包含返工和人工检查的总成本。

专业环境开始补齐：OpenAI法律版在200道美国法律研究问题的内部评测中，同样使用Astra，专业配置正确率54.0%、通用搜索方案38.7%，提升15.3个百分点——能力兑现还可以来自配套环境改善；54%也提示了当前的适用范围和复核要求。

3D的重点是编码+视觉反馈服务新交付物：OpenAI展示了Astra配合Blender、Unreal Engine创建并修改建筑场景；Gemini 3.8 Flash展示了3D游戏和交互式三维内容。模型借助代码操纵场景、再根据渲染结果继续修改，已有的编程与工具能力有了新的应用出口。

各家重视3D，有直观展示能力与对应付费生产活动（游戏、美术、建筑可视化）两层原因，更长远看它是空间内容与交互的入口。但操作3D软件、原生3D生成、理解物理规律的世界模型是不同层次——好看的演示，仍需经过可编辑性、稳定性和生产精度的检验。

四、Jev：成本结构决定任务边界

模型变强决定能做什么，任务成本下降决定多少工作值得交给它。金融、法律、3D的工作流里并非每步都需要最强模型：复杂推理之外，还有大量分类、字段提取、路由、评分和检查，这些步骤能否便宜、快速地完成，决定整条工作流能否算得过账。

TypeSafe的Jev提供了一条分工路线：面向结构明确的决策任务，输出预设类型的结果与置信信息，输入价格每百万token 0.042美元、输出免费。类型正确不等于判断正确，价格可持续性也需验证，但启发清晰：强模型承担复杂问题，专门模型承担大量重复判断，不确定的问题升级处理。

要注意，客户的账是包含调用、工具、失败重试、数据授权和人工复核的交付成本。成本降低可能让低频客户、小机构和长尾任务开始采用AI；竞争也可能把节省的价值让给客户。因此使用量增长、模型收入增长和利润增长，要分别判断。

对算力投资也要多问一句：新增任务量能否超过单位消耗的下降。Jev路线若有效，可能改变不同模型、不同硬件的需求结构；应用经济性改善会扩大需求空间，但总算力需求与各环节利润还取决于需求弹性、价格、利用率和竞争——不能从效率提高直接推到所有硬件都受益。

五、C端Muse：持续委托走向普通人

Meta的Muse给个人Agent配置持续运行的云端环境、记忆和账户连接，用户离开对话后任务仍能继续推进，重要操作保留授权。值得观察的是：普通用户能否把每天的真实事务反复交给AI。

C端空间来自人群和频次，难点是信任、留存与付费。专业用户容易计算节省的工时，普通人更在意是否省心、是否可靠。Muse若能降低使用门槛，可能扩大委托任务数量；若经常需要接管，用户又会退回聊天。要看连续使用、成功完成任务、人工介入和付费转化，才知道后台运行的成本能否换来足够价值。

这也让推理需求的观察单位发生变化：以后除了月活，还要看每个用户委托多少有效任务、每项任务运行多久、完成结果创造多少价值。Jev式的分工与降本，也可能帮助这类长时间运行的系统改善经济性。

六、如何理解加速与ARR放缓

复盘对投资影响最大的两次模型进步：第一次是GPT的O1，24Q3发布；第二次是Anthropic的Opus 4.5，25年11月发布，行情在26年3月启动。一个模型对产业的影响，需要给产业时间去尝试，这里存在时间差。

目前的ARR反映的还是coding，所以8月、9月的放缓，是coding渗透率的体现。新模型、新场景、新能力，甚至产业链上的价值重新分配，都需要时间验证。接下来会有新的锚定物来体现新的影响。

把变化串起来：右脚对应的是未来R的形成概率、规模和兑现速度——RSI让我们重新评估能力进步；金融、法律、3D提供新的任务与渗透路径；Jev探索更低的交付成本；Muse扩大个人委托的可能人群。这几条线相互影响，后续模型升级也有机会通过已经接好的数据和工具，更快进入产品。

右脚已经伸出来，后面要看踩得有多实——就是逐步在ARR等财务数据上体现出来。

⚠️ 免责声明：本文为公开研报及网络资料的整理与个人笔记，仅供参考，不构成任何投资建议。市场有风险，投资需谨慎。