不是港股AI指數或者恒生指數里的股票，機構就不會買——因為小鎮做題家，不知道“只有超綱題才能拉開分差”。當越來越多AI概念股開始抄襲MaaS（模型即服務）的故事，回頭才發現@百融云-W（6608.HK）之前漲過70%。

把錯過的牛股的K線縮圖往左看，就像讀到了枕邊人以前的日記，寫滿了她和別人的曾經。

當拼團砍一刀的市值超越了曾經的全民義父，反身性理論仍然讓機構投資者們擔心新用戶獲客成本飆升后的GMV；當C端AIGC應用開始有了滲透率屬性，墨菲定律讓基金經理們在DCF（自由現金流折現法）中不斷預判著漲價概率；當英偉達祭出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量的企業或許也只能先剎車再調頭。

“超越GPT4的捷徑，被國產大模型找到了”，無非就是在證明腦筋急轉彎不是測試AI大模型跑分能力的唯一，所以人為創造的更多打分細則也滿足了中國AI企業登榜的表（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。但當做完年底凈值行情的公募看膩了PPT、當PE和VC看煩了離婚大戲，才知道真正的告別沒有長亭古道，沒有勸投資者們更進一杯酒；只有回本之后刪自選，再研究低位AI股票漲70%之后還會不會有第二波?；乜礆v史，沃爾瑪的總市值在2015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、進了恒生AI指數，到時候機構投資者們才會開始研究：它們的BR-LLM大模型到底怎么和MaaS業務聯動？為什么當年沒有研究員寫他們的AI業務細節？為什么想抄個研報都沒有素材？ 

能做好MaaS和大模型的企業首先得弄明白：AI到底能給企業帶來什么？

企業對于AI技術的需求，是數字化預算里的一部分。2023年有很多營收10億以上的企業會砸3000萬投入到數字化運營，一些中小企業老板在給數字化10人團隊開會的時候會說：“你們部門未來可能會擴充到100人，你們花得錢越多，對公司越好”。為什么？比如一個品牌有1000家門店，每天有20款產品同時在售，每款產品都是一套獨立的原材料組合，比如運動鞋品牌的款式分別用什么布料和氣墊，咖啡店的產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，數字化能解決的問題就是從最前端的銷售數據來優化庫存，然后生產排期、供應鏈管理。比如在電商平臺一個產品被賣出的一瞬間，公司的財務系統里就會出現各種供應商的成本和名單；又比如金融行業理財產品被申購的一瞬間，客戶經理電腦上就會出現申購人的各種業績期望和風險等級。

而有了AI尤其是大模型之后，B端客戶就會享受到更多通用性的模型部署，然后自己調用自己需要的模型，并且設置參數。所以B端給AI公司付費的是能帶來模型調用和部署的MaaS業務，而MaaS的基礎是AI大模型。用戶根據MaaS和AI能力會得出結論，比如后續哪個產品更賺錢、AB款策略到底留下哪個、根據已有的用戶數據反饋優化我的拳頭產品。

那企業從MaaS服務里調用自己所需的模型部分，這個過程就是利用AI大模型的能力、用自然語言做模型部署。比如企業在確定未來主打款的時候，需要做產品AB測試和用戶喜愛程度期望，這個時候就需要建立自己的產品數值篩選模型。比如設置500元產品價位檔的ROI（廣告投放回報率），以及比如設置65%毛利情況下的可回本GMV值（商品交易總額）。如果不達標的產品，直接淘汰止損；達標的產品進入下一輪測試，最終篩選出哪個適合當引流福利品、哪個能成為利潤來源的拳頭產品。

在這個過程中，企業就要通過MaaS服務中的模型來篩選自己需要的部分，或者自己微調和部署模型，但如果用戶數據有缺失、需要做數值變量分箱、iv與psi篩選、自動特征衍生等，就需要AI大模型有充分理解自然語言的能力。

舉個例子，比如一家企業要調用MaaS服務中的模型來做營銷優化，但需要增加一個缺失率篩選和缺失值填充，企業客戶可能會打如下兩句話：“我有一個數據樣本example.csv，過濾這個數據缺失率大于0.9和眾數比例大于0.9的特征”、“我有一個篩選好的樣本example.csv，需要對數值型變量填充-99，類別型變量填充blank”，目的可能是針對幾單沒有填寫用戶評價（幾星好評）的產品，或者風險偏好較高投資者對于理財產品收益率的預期擾動。而在這個微調過程基礎上的模型部署，就是從MaaS里抽取的，也就是百融云選擇的業務交付模式。

而在微調的過程中，AI大模型起到的作用是什么？比如BR-LLM畢竟是個大語言模型，所以基礎功能就是解決輸入端的靈活多樣，因為每個模型的腳本邏輯不一樣，而且B端客戶的團隊編碼習慣也都不一樣。又比如AI大模型要解決代碼轉寫困難的問題，因為Python和Java本身的代碼邏輯是不同的，AI大模型的“幻覺”問題不能出現。同時為了降低代碼token消耗高的問題，也要用AI大模型在轉換前先做Python代碼拆分與預處理。

所以能做MaaS業務的AI企業，工程能力和技術能力需要兼備。這些業務細節不能完全幫助我們這些投資者算出：百融云還能不能在2023年三季報收入已經將近20億元的基礎上，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技術公司是有區別的，因為從1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，一般有兩個技術面的標準：回調幅度不超過15%、回踩點位落在0.618的黃金分割位附近。如果百融云27日開市后連續的3根小碎陽線不再被跌破，同時盤中不再出現持續溫和放量下跌，那基本也就說明調整到位了。

“那些國債，我要在美聯儲出手救市之前搞到他們”——蓋柯，《華爾街：金錢永不眠》。