AI的進與退：價格重估正在發生

記者 歐陽曉紅

7月17日，世界人工智能大會的展館里，模型在生成代碼，機器人在人群中穿行。

當日，受外圍市場科技股調整的影響，A股主要指數確是另一番景象。其中，上證指數下跌3.05%，科創50下跌超7%。全市場超5000只個股下跌，其中半導體、算力硬件產業鏈大幅下挫，存儲器、光刻機、AI（人工智能）應用等題材等方向領跌。

這兩個畫面，出現在同一座城市、同一段時間。就在世界人工智能大會開幕前夕，月之暗面推出擁有2.8萬億參數的模型Kimi K3，并稱其為全球最大的開放權重AI系統，能力接近美國頭部公司的前沿模型。而在K3發布之前，費城半導體指數連續下跌。

其實，市場已經開始重新追問AI資本開支、算力訂單與產業化兌現，重新審視過高的估值、擁擠的交易。

如果說7月17日的市場開始懷疑AI的未來是否過于昂貴，那么7月21日的市場似乎又在訴說：即使舊價格難以維持，AI未來也不能輕易放棄。當日，A股主要指數全線反彈，科創50領漲，漲幅超10%。

前者未必是AI牛市的簡單終結，后者也不意味著原來的行情重新啟程。這更像是智能工業革命第一次進入真正的價格發現期。

AI進入物理世界 評價標準變了

“我們說至少18個月收回投資，否則就是忽悠人?！?月19日，在中金公司承辦的世界人工智能大會投融資論壇上，霍尼韋爾科技大中華區總裁余鋒說。

他以江蘇一家民營化工企業舉例說道：企業選擇一套裝置試用“自動導航操作系統”，投入500萬元，一年后確認產生約1500萬元效益，其中包括每小時節約蒸汽6噸、延長定期大修周期等。

過去看模型，?？磪怠⑺俣群突卮鹳|量。而AI進入工廠以后，企業首先追問的是：判斷錯誤會不會導致停機、安全或質量事故；結論能否追溯、解釋和驗證；老舊設備和既有系統能否接入；系統是否可以持續穩定運行；節約的能耗、人工和停機損失能否覆蓋投入。

ABB集團全球副總裁董慧娟介紹的廈門工業中心案例，則采用基于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。這表明，AI正在進入能源管理和生產系統。

換言之，進入物理世界后，AI的評價標準變了。

AI正在把一部分認知能力轉化為可調用的“智能供給”，但這種供給需要芯片、算力、電力和固定資本投入，也受到產能、折舊和投資周期的約束。數字經濟由此重新顯現出某些工業經濟特征。

更重要的是，模型與經營結果之間還隔著一家具體的企業：數據能否接入現有流程；員工是否愿意改變工作方式；誰擁有決策權，誰承擔錯誤責任；AI節省的時間能否真正轉化為收入和利潤。

中金研究院執行總經理周子彭將這一層稱為“組織中介”，其解釋了為什么模型能力可以快速提升，企業生產率和財務回報卻不會同步上升。他認為，要讓智能真正成為生產力，企業還需完成數據治理、任務拆解、系統連接、結果驗證乃至崗位與考核方式的調整。

不言而喻，AI進入真實世界以后，容錯率在下降，價值證明的門檻卻在上升。模型解決的是“有沒有智能”，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”。

這也解釋了為什么模型能力以月為單位躍升，生產率改善卻往往以年計算。

經合發展組織近期的研究同樣指出，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。若這一層跟不上，前端快速擴張的算力與智能供給就可能沉淀為低利用率、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距離。

市場退后一步，重新計算價值

此時，產業端與資本市場的變化卻顯得突兀，幾乎令人猝不及防。

AI交易開始“審問”資本回報，半導體板塊出現“好業績、壞股價”：臺積電公布強勁業績后，股價仍明顯下跌；費城半導體指數較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。

臺積電的問題不在于當季利潤，而在于市場開始追問：未來數年巨額資本投入之后，云廠商、模型公司與芯片企業之間，究竟誰能留下利潤？

7月17日的全球芯片股大跌，可以理解為AI產業從“資本驅動”轉向“價值驅動”的陣痛?！巴恕钡捏w感同時出現在兩條線上：一條是海外市場對“規模擴展可以永續”的質疑；另一條是具身智能、世界模型等國內長周期賽道對自身成熟度的冷靜判斷。

周子彭在中金研究院《工業化數字經濟》中觸及了這一問題。他觀察到，AI模型服務的計算成本占API（應用程序編程接口）價格的比重已經接近工業生產形態，與傳統互聯網明顯不同。報告將這種變化概括為“工業化”：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，并承擔固定資本投入與折舊成本。數字經濟重新受到產能和成本的約束。

國內長周期賽道人士的判斷甚至更為冷靜。

原力靈機聯合創始人兼CEO唐文斌認為，具身智能大致仍處于“GPT-1.0階段”，距離成熟尚遠。一方面，“大腦”（世界模型）還不夠好，模型泛化能力有限；另一方面，數據飛輪尚未真正轉動。大量采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后產生的“難例數據”。

VAST創始人兼CEO宋亞宸描繪的世界模型圖景則更為長遠。未來，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《GTA》式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。

7月21日，A股主要指數高開后深度下探，隨后在半導體等科技板塊的帶動下走出“深V”反彈，顯示市場風險偏好在修復。

也許，反彈日比暴跌日更能暴露市場的真實結構。7月21日更像是杠桿出清后的超跌修復，能否演變為趨勢反轉，仍要等待長鑫科技上市后的表現，以及8月海外科技巨頭資本開支和業績指引的驗證。

但“看好科技”已不再等于不問價格。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。

如此，AI的未來未必變小了，只是抵達未來的賬單開始變得清晰。

轉折：重新認識回報需要多長時間

“AI真正的力量在于去做我們從未做過的事。”在中金公司首席經濟學家彭文生主持的高端對話中，未來學家、《連線》雜志創始主編凱文·凱利這樣說。

這與同場發言的“云經濟學”之父、美國未來產業研究院院長喬·韋曼相呼應：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問題，還在于加速科學發現、幫助人類提出新問題，并處理過去無力解決的復雜任務。

但凱利并不認為，更強的智能可以繞過現實。他曾用“思考主義”（Thinkism）概括一種認知誤區：以為智能足夠強，現實問題便能瞬間解決。事實上，科學仍需實驗，產品仍需驗證，生物、制造和工程過程仍要經歷難以壓縮的“日歷時間”。AI可以加快推理與發現，卻不能取消原型制造、失敗、驗證，以及與真實世界反復磨合的過程。

“阿瑪拉定律”則提醒人們：一項技術的短期影響往往被高估，長期影響卻容易被低估。

凱利認為，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”。

這里的“必要”，是從技術擴散和社會進步的角度而言，并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周期。

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愿意下注，后者解釋了市場為何開始重新計算。

或許，AI最深的價值，在于推動人類可行能力邊界外移：讓原本受制于認知、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復制、可規?；南到y能力。資本市場重新計算的，則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。