不是港股AI指數(shù)或者恒生指數(shù)里的股票，機(jī)構(gòu)就不會(huì)買(mǎi)——因?yàn)樾℃?zhèn)做題家，不知道“只有超綱題才能拉開(kāi)分差”。當(dāng)越來(lái)越多AI概念股開(kāi)始抄襲MaaS（模型即服務(wù)）的故事，回頭才發(fā)現(xiàn)@百融云-W（6608.HK）之前漲過(guò)70%。

把錯(cuò)過(guò)的牛股的K線縮圖往左看，就像讀到了枕邊人以前的日記，寫(xiě)滿(mǎn)了她和別人的曾經(jīng)。

當(dāng)拼團(tuán)砍一刀的市值超越了曾經(jīng)的全民義父，反身性理論仍然讓機(jī)構(gòu)投資者們擔(dān)心新用戶(hù)獲客成本飆升后的GMV；當(dāng)C端AIGC應(yīng)用開(kāi)始有了滲透率屬性，墨菲定律讓基金經(jīng)理們?cè)贒CF（自由現(xiàn)金流折現(xiàn)法）中不斷預(yù)判著漲價(jià)概率；當(dāng)英偉達(dá)祭出NV Link告訴世人帶寬的重要性，AI大模型三要素里不斷卷著參數(shù)量的企業(yè)或許也只能先剎車(chē)再調(diào)頭。

“超越GPT4的捷徑，被國(guó)產(chǎn)大模型找到了”，無(wú)非就是在證明腦筋急轉(zhuǎn)彎不是測(cè)試AI大模型跑分能力的唯一，所以人為創(chuàng)造的更多打分細(xì)則也滿(mǎn)足了中國(guó)AI企業(yè)登榜的表（市）面（值）虛（管）榮（理）。 

我不斷登上各種AI榜單，就是想告訴投資者們，我想挽留你。但當(dāng)做完年底凈值行情的公募看膩了PPT、當(dāng)PE和VC看煩了離婚大戲，才知道真正的告別沒(méi)有長(zhǎng)亭古道，沒(méi)有勸投資者們更進(jìn)一杯酒；只有回本之后刪自選，再研究低位AI股票漲70%之后還會(huì)不會(huì)有第二波。回看歷史，沃爾瑪?shù)目偸兄翟?015年被后起之秀亞馬遜超越，豐田總市值在2020年被特斯拉碾壓，直到今天的市值差距都在不斷拉大。

假如真有一天百融云市值突破了100億、進(jìn)了恒生AI指數(shù)，到時(shí)候機(jī)構(gòu)投資者們才會(huì)開(kāi)始研究：它們的BR-LLM大模型到底怎么和MaaS業(yè)務(wù)聯(lián)動(dòng)？為什么當(dāng)年沒(méi)有研究員寫(xiě)他們的AI業(yè)務(wù)細(xì)節(jié)？為什么想抄個(gè)研報(bào)都沒(méi)有素材？ 

能做好MaaS和大模型的企業(yè)首先得弄明白：AI到底能給企業(yè)帶來(lái)什么？

企業(yè)對(duì)于AI技術(shù)的需求，是數(shù)字化預(yù)算里的一部分。2023年有很多營(yíng)收10億以上的企業(yè)會(huì)砸3000萬(wàn)投入到數(shù)字化運(yùn)營(yíng)，一些中小企業(yè)老板在給數(shù)字化10人團(tuán)隊(duì)開(kāi)會(huì)的時(shí)候會(huì)說(shuō)：“你們部門(mén)未來(lái)可能會(huì)擴(kuò)充到100人，你們花得錢(qián)越多，對(duì)公司越好”。為什么？比如一個(gè)品牌有1000家門(mén)店，每天有20款產(chǎn)品同時(shí)在售，每款產(chǎn)品都是一套獨(dú)立的原材料組合，比如運(yùn)動(dòng)鞋品牌的款式分別用什么布料和氣墊，咖啡店的產(chǎn)品分為醇香和絲滑等不同口感，同一家快餐店在北京不同地段分別主打米飯和炒面套餐。跟人肉算這些信息相比，數(shù)字化能解決的問(wèn)題就是從最前端的銷(xiāo)售數(shù)據(jù)來(lái)優(yōu)化庫(kù)存，然后生產(chǎn)排期、供應(yīng)鏈管理。比如在電商平臺(tái)一個(gè)產(chǎn)品被賣(mài)出的一瞬間，公司的財(cái)務(wù)系統(tǒng)里就會(huì)出現(xiàn)各種供應(yīng)商的成本和名單；又比如金融行業(yè)理財(cái)產(chǎn)品被申購(gòu)的一瞬間，客戶(hù)經(jīng)理電腦上就會(huì)出現(xiàn)申購(gòu)人的各種業(yè)績(jī)期望和風(fēng)險(xiǎn)等級(jí)。

而有了AI尤其是大模型之后，B端客戶(hù)就會(huì)享受到更多通用性的模型部署，然后自己調(diào)用自己需要的模型，并且設(shè)置參數(shù)。所以B端給AI公司付費(fèi)的是能帶來(lái)模型調(diào)用和部署的MaaS業(yè)務(wù)，而MaaS的基礎(chǔ)是AI大模型。用戶(hù)根據(jù)MaaS和AI能力會(huì)得出結(jié)論，比如后續(xù)哪個(gè)產(chǎn)品更賺錢(qián)、AB款策略到底留下哪個(gè)、根據(jù)已有的用戶(hù)數(shù)據(jù)反饋優(yōu)化我的拳頭產(chǎn)品。

那企業(yè)從MaaS服務(wù)里調(diào)用自己所需的模型部分，這個(gè)過(guò)程就是利用AI大模型的能力、用自然語(yǔ)言做模型部署。比如企業(yè)在確定未來(lái)主打款的時(shí)候，需要做產(chǎn)品AB測(cè)試和用戶(hù)喜愛(ài)程度期望，這個(gè)時(shí)候就需要建立自己的產(chǎn)品數(shù)值篩選模型。比如設(shè)置500元產(chǎn)品價(jià)位檔的ROI（廣告投放回報(bào)率），以及比如設(shè)置65%毛利情況下的可回本GMV值（商品交易總額）。如果不達(dá)標(biāo)的產(chǎn)品，直接淘汰止損；達(dá)標(biāo)的產(chǎn)品進(jìn)入下一輪測(cè)試，最終篩選出哪個(gè)適合當(dāng)引流福利品、哪個(gè)能成為利潤(rùn)來(lái)源的拳頭產(chǎn)品。

在這個(gè)過(guò)程中，企業(yè)就要通過(guò)MaaS服務(wù)中的模型來(lái)篩選自己需要的部分，或者自己微調(diào)和部署模型，但如果用戶(hù)數(shù)據(jù)有缺失、需要做數(shù)值變量分箱、iv與psi篩選、自動(dòng)特征衍生等，就需要AI大模型有充分理解自然語(yǔ)言的能力。

舉個(gè)例子，比如一家企業(yè)要調(diào)用MaaS服務(wù)中的模型來(lái)做營(yíng)銷(xiāo)優(yōu)化，但需要增加一個(gè)缺失率篩選和缺失值填充，企業(yè)客戶(hù)可能會(huì)打如下兩句話(huà)：“我有一個(gè)數(shù)據(jù)樣本example.csv，過(guò)濾這個(gè)數(shù)據(jù)缺失率大于0.9和眾數(shù)比例大于0.9的特征”、“我有一個(gè)篩選好的樣本example.csv，需要對(duì)數(shù)值型變量填充-99，類(lèi)別型變量填充blank”，目的可能是針對(duì)幾單沒(méi)有填寫(xiě)用戶(hù)評(píng)價(jià)（幾星好評(píng)）的產(chǎn)品，或者風(fēng)險(xiǎn)偏好較高投資者對(duì)于理財(cái)產(chǎn)品收益率的預(yù)期擾動(dòng)。而在這個(gè)微調(diào)過(guò)程基礎(chǔ)上的模型部署，就是從MaaS里抽取的，也就是百融云選擇的業(yè)務(wù)交付模式。

而在微調(diào)的過(guò)程中，AI大模型起到的作用是什么？比如BR-LLM畢竟是個(gè)大語(yǔ)言模型，所以基礎(chǔ)功能就是解決輸入端的靈活多樣，因?yàn)槊總€(gè)模型的腳本邏輯不一樣，而且B端客戶(hù)的團(tuán)隊(duì)編碼習(xí)慣也都不一樣。又比如AI大模型要解決代碼轉(zhuǎn)寫(xiě)困難的問(wèn)題，因?yàn)镻ython和Java本身的代碼邏輯是不同的，AI大模型的“幻覺(jué)”問(wèn)題不能出現(xiàn)。同時(shí)為了降低代碼token消耗高的問(wèn)題，也要用AI大模型在轉(zhuǎn)換前先做Python代碼拆分與預(yù)處理。

所以能做MaaS業(yè)務(wù)的AI企業(yè)，工程能力和技術(shù)能力需要兼?zhèn)洹＿@些業(yè)務(wù)細(xì)節(jié)不能完全幫助我們這些投資者算出：百融云還能不能在2023年三季報(bào)收入已經(jīng)將近20億元的基礎(chǔ)上，明年還能維持30%多的增速；但起碼能證明的是：AI概念股和AI技術(shù)公司是有區(qū)別的，因?yàn)閺?到N的前提，是先走完從0到1。

一波中線行情中的短線回調(diào)，一般有兩個(gè)技術(shù)面的標(biāo)準(zhǔn)：回調(diào)幅度不超過(guò)15%、回踩點(diǎn)位落在0.618的黃金分割位附近。如果百融云27日開(kāi)市后連續(xù)的3根小碎陽(yáng)線不再被跌破，同時(shí)盤(pán)中不再出現(xiàn)持續(xù)溫和放量下跌，那基本也就說(shuō)明調(diào)整到位了。

“那些國(guó)債，我要在美聯(lián)儲(chǔ)出手救市之前搞到他們”——蓋柯，《華爾街：金錢(qián)永不眠》。