夜雨聆风
鲍勃·迪伦在《All Along the Watchtower》中曾写道：“商人们喝着我的酒，农夫们翻着我的地。这一路上，没人知道这一切究竟价值几何。”
这段歌词精准地捕捉了当前 AI 价值获取（Value-accrual）辩论的现状。
在经历了一场历史性的“动量修正”后，市场陷入了估值的迷雾。当前的许多叙事——无论是开源模型的背刺还是成本竞争的内卷——都无法完全解释市场的动荡。
当大众还在盯着谁拥有最大的模型时，真正的价值正在悄悄流向那些解决“物理限制”和“系统治理”的赢家。
这不仅仅是关于技术的迭代，更是一场关于“软件末日（SaaSpocalypse）”的集体逃离。
Qualcomm 不再只是智能手机芯片商，它是“内存墙”的破壁人
市场长期以来一直按“手机芯片”的估值倍数（Handset Multiple）来审视高通，但这种惯性思维正在掩盖其作为“基础设施”的重估潜力。
“内存墙”的物理制约 当前的 AI 算力增长速度远超内存带宽，形成了所谓的“内存墙”：即便处理器快如闪电，数据传输的瓶颈也会导致算力闲置。
HBM（高带宽内存）虽然是目前的标准，但其昂贵的“HBM 税”和 CoWoS 封装限制已成为行业的集体痛点。
高通提出的“高带宽计算（HBC）”架构，其核心逻辑是“将数学运算置于数据之下（Put the math under the data）”。
与传统的“数据移向算力”不同，高通利用其在移动端磨炼出的 LPDDR 堆栈技术，将 AI 加速器直接置于内存层下方。
性能跨越： 高通宣称其架构每瓦特提供的带宽是 HBM 的 6 倍，每瓦特容量是 SRAM 的 200 倍。
架构优势： 它实现了 SRAM 级的性能与堆叠内存的密度，同时彻底绕过了昂贵且供应紧张的中间层（Interposer）。
尽管投资者对高通 2017 年 Centriq 的失败仍有余悸，但在能效比和带宽受限的 AI 推理时代，高通在“小空间、低功耗”上的基因使其 2029 财年非手机业务 400 亿美元的营收目标（其中数据中心贡献 150 亿+）显得极具说服力。
软件“席位制”已死，GitLab 正在重写商业脚本
在 AI 代理（Agentic）时代，传统的按席位（Seats）收费模式无异于慢性自杀。如果 AI 能让一人完成五人的工作，那么软件公司必须改变其收租方式。
从“记录系统”转向“治理系统” GitLab 正在经历一次深刻的定性转变。
它不再仅仅是存储代码的“记录系统（System of Record）”，而是正在演变为“治理系统”。随着代码更多由 AI 生成，价值从“编写”转向了“审计与治理”。
GitLab Orbit： 这个 360 度任务控制中心不再只回答“代码在哪里”，而是回答“这段改动对复杂 codebase 的关联影响是什么？”
定价重构： 通过“GitLab Flex”模式，客户可以在年度预算内灵活分配“席位”与“积分（Credits）”。
“软件的自然支付单位是请求、Token 或结果，而不是席位或月份。”
这种从席位向消耗制的转型，确保了其当前超过 2000 万美元的合同运行率（CRR）能够随着 AI 调用量的激增而同步扩张。
AI 代理是“贪婪的”状态消耗者，DBaaS 正在重新变热
早期的 RAG（检索增强生成）系统更像是静态的图书馆查询。但现代的“代理系统（Agentic Systems）”完全不同。
“热工作集（Hot Working Set）”的崛起 一个 AI 代理在执行任务时，会产生极其密集的读写操作：session 状态、工具调用结果、中间步骤验证。这些数据虽然payload较小，但交互频率极高，形成了“热工作集”。
MongoDB Atlas 的增长逻辑： MongoDB 的核心价值不在于存储廉价的静态数据，而在于提供支撑代理系统“强迫性触碰状态”所需的 CPU、吞吐量和高可用性。
加速 re-acceleration： 这种高频状态交互驱动 MongoDB Atlas 的营收增速从 26% 重新加速至 29%，运行率已跨越 20 亿美元大关。
企业护城河： 这不是一个关于新“小众应用”的赌注，而是关于“存量企业资产”的赌注。代理会放大人类与既有复杂系统交互的频率，从而加剧对底层状态机的消耗。
企业级搜索不仅是向量搜索，而是“索引问题”
市场一度盛传“RAG 已死”，但这完全误读了复杂企业环境的残酷性。
所谓的工具调用（Tool Calling）在处理千万级文档时，往往会陷入“执行循环”的死地。
混合检索（Hybrid Retrieval）的不可替代性 Elastic (ESTC) 的角色是“统一搜索平面”。在企业级环境中，单纯的向量相似度由于缺乏权限意识和元数据敏感度，往往无法商用。
反驳逻辑： 所有的工具调用、目标寻找、图像生成，本质上都是 RAG 管道的变体。在复杂环境中，能解决这种极高性能要求的“索引问题”的公司，正是在“SaaSpocalypse”中幸存的“硬软件”脊梁。
Figma 的启示——当设计变成“系统提示词”
AI 驱动的设计不再是“人机对立”的替代，而是转向了“模型 vs 系统”的轴心。这是一个极其反直觉的投资信号。
在 Figma 中，人类设计师建立的比例、色板和品牌指南，正在演变为类似于 LLM 的“系统提示词（System Prompt）”。
治理瓶颈： 当 AI 生成代码的能力指数级增长时，如何确保这些代码符合品牌规范成了新的瓶颈。像素是由谁对齐的并不重要，重要的是底层框架必须可被强制执行。
反直觉的数据： 尽管 Figma 的估值在私人市场受挫，但其财务表现却异常亮眼：46% 的营收同比增长和 139% 的净留存率（NRR）。这意味着：AI 生成的代码越多，前端设计系统的“治理”需求反而越强。
价值回归常识
AI 的价值正在经历一场从“基础设施狂热”向“系统可用性”的转移。我们需要思考的是：在数百亿美元的算力投入之后，价值如何在这些砖块之上积累？
目前的趋势表明，单纯追求“最大模型”的溢价正在萎缩。真正的赢家是那些能够管理复杂性、打破物理壁垒（如内存墙）以及建立新型消耗关系的系统工具。
