11月最大的事情莫过于Gemini 3.0的推出，Gemini3在多模态上，进步非常明显，给本已摇摇欲坠的AI故事续了命。对于AI的未来，技术上我们是外行，但从观察到的现象，我们可以尝试从经济学的角度去分析下。一，尽管单位Token成本下降很快，但这个意义不大，我们应该关注的是有效Tokens的成本，或者换个词，叫边际智力成本，我们观察到的是模型进步越来越难，成本越来越高，边际智力成本是递增的；尽管Gemini3证明了scaling仍然有效，但无疑也是diseconomy。二，AI时代CSP成本大头是卡和电这样的可变成本，哪怕未来推理需求迅猛增加，对CSP来说，成本也会随着收益线性增加，这比互联网时代的商业模式差太多。三，一个边际成本不收敛的行业，故事讲圆的概率不大，市场更应该关注的是当下模型智力能解锁的商业场景，所以到今天这个时候，市场注意力转移到投入产出是个自然选择。Genimi3的推出，有望把LLM上的故事，在多模态上讲一遍，但由于图像的信息量远大于文本，可以预期到，算力投资的约束会更直接。 

临近年终，我们最近一直在思考明年的投资机会在哪里，市场一致预期是牛市、科技、储能和资源。今年市场的收益，至少有2/3是估值贡献的，这一得益于过去估值挖的坑，二是对未来增长的乐观预期。尽管我们认为，从长期来说，中国资产的相对估值还是偏低，但似乎进一步重估需要新的驱动，这不仅取决于中国自己，也需要太平洋对岸的帮衬。PPI见底的判断基本没有异议，但国内要全面走出通缩，也还需要相当的时间，对盈利的提升，也不应抱不切实际的期望。强劲的结构，来年可能会继续，但股价也打进了相当的预期。基于此，我们判断明年是“起承转合”的“承”的概率比较大，对市场不悲观，也没有太高的期望。