AI的進與退：價格重估正在發生

# AI的進與退：價格重估正在發生

一邊是世界人工智能大會的展館內，模型飛速生成代碼，機器人在人群中自由穿行；另一邊則是同一座城市、同一段時間，A股市場以半導體和算力硬件為首的科技板塊遭遇巨幅下挫。這種鮮明的割裂感，恰好勾勒出當下AI產業的複雜圖景——技術仍在狂飆突進，資本卻已開始重新審視價格。 7月17日，受外圍市場科技股調整影響，上證指數下跌3.05%，科創50跌幅超過7%，全市場超5000只個股下跌。存儲器、光刻機、AI應用等題材全線領跌。而就在前一天，月之暗面剛剛發佈擁有2.8萬億參數的Kimi K3模型，號稱全球最大的開放權重AI系統，能力已接近美國頭部公司前沿水平。技術突破的興奮與資本市場的寒意，就這樣同時抵達。 ## 市場開始「審問」回報

如果說7月17日的下跌標誌著市場開始懷疑AI的未來是否過於昂貴，那麼7月21日的反彈則顯示出另一種態度：即使舊價格難以維持，AI這條賽道也不能輕易放棄。當日A股主要指數全線反彈，科創50漲幅超過10%。但這並不意味著原來的行情重新啟程，更像是智能工業革命第一次真正進入價格發現期。這場價格重估的核心問題只有一個：鉅額的資本開支，究竟什麼時候能夠兌現為真實的利潤？臺積電給出了強勁的業績報告，股價卻依然下跌。這個矛盾信號背後，是市場開始追問一個更深層的問題——在未來數年持續投入天文數字的資本之後，雲廠商、模型公司與芯片企業之間，到底誰能真正留下利潤？

費城半導體指數從6月高點一度回落逾20%，亞洲、歐洲和美國市場的芯片股普遍承壓。這不是對AI技術本身的否定，而是對「規模擴張可以永續」這一假設的質疑。## 走進物理世界，標準全變了

AI的評價體系正在發生根本性的轉變。過去人們看模型，習慣看參數規模、運算速度和回答質量。但當AI真正走進工廠、進入生產系統，企業關心的完全是另一套問題：判斷錯誤是否會導致停機或安全事故？結論能否追溯、解釋和驗證？老舊設備和既有系統能不能接入？節約的能耗、人工和停機損失，能否覆蓋投入的成本？霍尼韋爾科技大中華區總裁餘鋒在世界人工智能大會投融資論壇上坦言：「我們說至少18個月收回投資，否則就是忽悠人。」他以江蘇一家民營化工企業為例，該企業試用AI自動導航操作系統，投入500萬元，一年後確認產生了約1500萬元效益，其中包括每小時節約蒸汽6噸、延長定期大修週期等具體成果。

ABB集團的廈門工業中心案例同樣印證了這一趨勢——採用基於AI的「源網荷儲」協同調控，將光伏、儲能、樓宇、生產和微網五類智能體納入中央系統統一優化，AI正在從對話框走進能源管理和生產系統。這意味著容錯率在急劇下降，價值證明的門檻卻在大幅上升。模型解決的是「有沒有智能」的問題，而一家企業的流程、數據與組織，回答的才是「智能能不能產生價值」。## 模型與利潤之間，隔著一座橋

中金研究院執行總經理周子彭將這一層障礙稱為「組織中介」。他解釋說，為什麼模型能力可以快速提升，而企業生產率和財務回報卻不會同步上升？因為要讓智能真正成為生產力，企業還需要完成數據治理、任務拆解、系統連接、結果驗證，乃至崗位與考核方式的全面調整。這就解釋了一個看似矛盾的現象：模型能力以月為單位躍升，生產率改善卻往往以年計算。經合發展組織的研究也指出，模型價格下降、性能提高只是必要條件，AI進入核心業務還依賴組織變革以及數據、技能等互補性投入。如果這一層跟不上，前端快速擴張的算力與智能供給就可能沉澱為低利用率、價格競爭和折舊壓力。資本市場現在重新計算的，正是這段從模型能力到企業回報的真實距離。

數字經濟正在重新顯現出某些工業經濟的特徵。AI模型服務的計算成本佔API價格的比重已經接近工業生產形態，智能能力的生成、調用和編排都要消耗芯片、電力和數據中心，並承擔固定資本投入與折舊成本。換句話說，數字經濟重新受到了產能和成本的約束。## 長週期賽道的冷靜思考

在國內一些長週期賽道，從業者的判斷甚至比資本市場更為冷靜。原力靈機聯合創始人兼CEO唐文斌認為，具身智能大致仍處於「GPT-1.0階段」，距離成熟尚遠。一方面，世界模型還不夠好，泛化能力有限；另一方面，數據飛輪尚未真正轉動，大量採集到的是機器人已經會做的動作，真正稀缺的是模型在真實場景中犯錯後產生的「難例數據」。VAST創始人兼CEO宋亞宸描繪的圖景更為長遠：AI 3D大模型和世界模型可能大幅降低創造可交互世界的成本，但要以近乎零門檻的生成方式改變傳統的3A內容生產體系，仍須跨越模型架構、空間一致性、可交互性和商業化等多級臺階。

正是這種從技術到產業化的漫長距離，讓資本市場開始用更嚴格的尺度來衡量回報。一位險資投資負責人列出的觀察指標頗具代表性：全球AI資本開支和算力鏈訂單能否兌現，國產AI芯片能否規模化落地，機器人等方向能否從主題催化進入產業化驗證，以及海外利率、科技摩擦和交易擁擠度如何變化。## 短期浮躁與長期價值的交鋒

世界人工智能大會的一場高端對話中，未來學家、《連線》雜誌創始主編凱文·凱利提出了「思考主義」的概念——這是一種認知誤區，以為只要智能足夠強，現實問題就能瞬間解決。他強調，科學仍需實驗，產品仍需驗證，生物、製造和工程過程仍要經歷難以壓縮的「日曆時間」。AI可以加快推理與發現，卻不能取消原型製造、失敗、驗證以及與真實世界反覆磨合的過程。凱利同時提醒人們記住「阿瑪拉定律」：一項技術的短期影響往往被高估，長期影響卻容易被低估。他判斷，前沿模型領域可能出現泡沫和投資虧損，但AI基礎設施仍可能促進科研創新和生產率提升，因而是一種具有長期社會價值的「必要泡沫」。

這裡的「必要」，是從技術擴散和社會進步的角度而言，並不意味著每一筆投資都有必要，更不意味著每一家AI公司都能兌現當前估值。鐵路、互聯網和新能源都留下過相似的經驗：基礎設施可以被全社會長期使用，參與早期投資的部分企業和股東卻未必能夠穿越週期。「雲經濟學」之父、美國未來產業研究院院長喬·韋曼則指出，降本存在邊界，成本至多降至零；真正具有更大增長空間的，是新產品、新服務和新收入。AI的價值不只是替人回答已有的問題，還在於加速科學發現、幫助人類提出新問題，並處理過去無力解決的複雜任務。## 價格重估才剛剛開始

AI產業的「進」與「退」可能以五年、十年計，資本市場的進退卻可以在幾天內完成。兩種時間尺度的劇烈碰撞，構成了當下的劇烈波動。凱利看到的是AI如何把人類能力的邊界向外推，周子彭追問的則是這些新能力如何穿過企業的流程、權責與成本結構，最終抵達利潤表。前者解釋了資本為何仍願意下注，後者解釋了市場為何開始重新計算。也許，AI最深的價值在於推動人類可行能力邊界外移：讓原本受制於認知、計算、時間和協同成本的任務變得可以完成，也讓少數人的稀缺知識轉化為可複製、可規模化的系統能力。

資本市場重新計算的，正是這些能力穿過實驗、流程和組織，最終轉化為生產率、收入與利潤，究竟需要多長時間、付出多少成本，又將由誰獲得回報。7月17日的全球芯片股大跌，或許不是AI牛市的簡單終結；7月21日的反彈，也不意味著原來的行情重新啟程。真正的變化在於：市場已經開始用全新的方式來定價AI的未來。價格重估正在發生，而這，才只是開始。