不是港股AI指数或者恒生指数里的股票，机构就不会买——因为小镇做题家，不知道“只有超纲题才能拉开分差”。当越来越多AI概念股开始抄袭MaaS（模型即服务）的故事，回头才发现@百融云-W（6608.HK）之前涨过70%。

把错过的牛股的K线缩图往左看，就像读到了枕边人以前的日记，写满了她和别人的曾经。

当拼团砍一刀的市值超越了曾经的全民义父，反身性理论仍然让机构投资者们担心新用户获客成本飙升后的GMV；当C端AIGC应用开始有了渗透率属性，墨菲定律让基金经理们在DCF（自由现金流折现法）中不断预判着涨价概率；当英伟达祭出NV Link告诉世人带宽的重要性，AI大模型三要素里不断卷着参数量的企业或许也只能先刹车再调头。

“超越GPT4的捷径，被国产大模型找到了”，无非就是在证明脑筋急转弯不是测试AI大模型跑分能力的唯一，所以人为创造的更多打分细则也满足了中国AI企业登榜的表（市）面（值）虚（管）荣（理）。

我不断登上各种AI榜单，就是想告诉投资者们，我想挽留你。但当做完年底净值行情的公募看腻了PPT、当PE和VC看烦了离婚大戏，才知道真正的告别没有长亭古道，没有劝投资者们更进一杯酒；只有回本之后删自选，再研究低位AI股票涨70%之后还会不会有第二波。回看历史，沃尔玛的总市值在2015年被后起之秀亚马逊超越，丰田总市值在2020年被特斯拉碾压，直到今天的市值差距都在不断拉大。

假如真有一天百融云市值突破了100亿、进了恒生AI指数，到时候机构投资者们才会开始研究：它们的BR-LLM大模型到底怎么和MaaS业务联动？为什么当年没有研究员写他们的AI业务细节？为什么想抄个研报都没有素材？

能做好MaaS和大模型的企业首先得弄明白：AI到底能给企业带来什么？

企业对于AI技术的需求，是数字化预算里的一部分。2023年有很多营收10亿以上的企业会砸3000万投入到数字化运营，一些中小企业老板在给数字化10人团队开会的时候会说：“你们部门未来可能会扩充到100人，你们花得钱越多，对公司越好”。为什么？比如一个品牌有1000家门店，每天有20款产品同时在售，每款产品都是一套独立的原材料组合，比如运动鞋品牌的款式分别用什么布料和气垫，咖啡店的产品分为醇香和丝滑等不同口感，同一家快餐店在北京不同地段分别主打米饭和炒面套餐。跟人肉算这些信息相比，数字化能解决的问题就是从最前端的销售数据来优化库存，然后生产排期、供应链管理。比如在电商平台一个产品被卖出的一瞬间，公司的财务系统里就会出现各种供应商的成本和名单；又比如金融行业理财产品被申购的一瞬间，客户经理电脑上就会出现申购人的各种业绩期望和风险等级。

而有了AI尤其是大模型之后，B端客户就会享受到更多通用性的模型部署，然后自己调用自己需要的模型，并且设置参数。所以B端给AI公司付费的是能带来模型调用和部署的MaaS业务，而MaaS的基础是AI大模型。用户根据MaaS和AI能力会得出结论，比如后续哪个产品更赚钱、AB款策略到底留下哪个、根据已有的用户数据反馈优化我的拳头产品。

那企业从MaaS服务里调用自己所需的模型部分，这个过程就是利用AI大模型的能力、用自然语言做模型部署。比如企业在确定未来主打款的时候，需要做产品AB测试和用户喜爱程度期望，这个时候就需要建立自己的产品数值筛选模型。比如设置500元产品价位档的ROI（广告投放回报率），以及比如设置65%毛利情况下的可回本GMV值（商品交易总额）。如果不达标的产品，直接淘汰止损；达标的产品进入下一轮测试，最终筛选出哪个适合当引流福利品、哪个能成为利润来源的拳头产品。

在这个过程中，企业就要通过MaaS服务中的模型来筛选自己需要的部分，或者自己微调和部署模型，但如果用户数据有缺失、需要做数值变量分箱、iv与psi筛选、自动特征衍生等，就需要AI大模型有充分理解自然语言的能力。

举个例子，比如一家企业要调用MaaS服务中的模型来做营销优化，但需要增加一个缺失率筛选和缺失值填充，企业客户可能会打如下两句话：“我有一个数据样本example.csv，过滤这个数据缺失率大于0.9和众数比例大于0.9的特征”、“我有一个筛选好的样本example.csv，需要对数值型变量填充-99，类别型变量填充blank”，目的可能是针对几单没有填写用户评价（几星好评）的产品，或者风险偏好较高投资者对于理财产品收益率的预期扰动。而在这个微调过程基础上的模型部署，就是从MaaS里抽取的，也就是百融云选择的业务交付模式。

而在微调的过程中，AI大模型起到的作用是什么？比如BR-LLM毕竟是个大语言模型，所以基础功能就是解决输入端的灵活多样，因为每个模型的脚本逻辑不一样，而且B端客户的团队编码习惯也都不一样。又比如AI大模型要解决代码转写困难的问题，因为Python和Java本身的代码逻辑是不同的，AI大模型的“幻觉”问题不能出现。同时为了降低代码token消耗高的问题，也要用AI大模型在转换前先做Python代码拆分与预处理。

所以能做MaaS业务的AI企业，工程能力和技术能力需要兼备。这些业务细节不能完全帮助我们这些投资者算出：百融云还能不能在2023年三季报收入已经将近20亿元的基础上，明年还能维持30%多的增速；但起码能证明的是：AI概念股和AI技术公司是有区别的，因为从1到N的前提，是先走完从0到1。

一波中线行情中的短线回调，一般有两个技术面的标准：回调幅度不超过15%、回踩点位落在0.618的黄金分割位附近。如果百融云27日开市后连续的3根小碎阳线不再被跌破，同时盘中不再出现持续温和放量下跌，那基本也就说明调整到位了。

“那些国债，我要在美联储出手救市之前搞到他们”——盖柯，《华尔街：金钱永不眠》。