7月17日，世界人工智能大会的展馆里，模型在生成代码，机器人在人群中穿行。
当日，受外围市场科技股调整的影响，A股主要指数确是另一番景象。其中，上证指数下跌3.05%，科创50下跌超7%。全市场超5000只个股下跌，其中半导体、算力硬件产业链大幅下挫，存储器、光刻机、AI（人工智能）应用等题材等方向领跌。
这两个画面，出现在同一座城市、同一段时间。就在世界人工智能大会开幕前夕，月之暗面推出拥有2.8万亿参数的模型
其实，市场已经开始重新追问AI资本开支、算力订单与产业化兑现，重新审视过高的估值、拥挤的交易。
如果说7月17日的市场开始怀疑AI的未来是否过于昂贵，那么7月21日的市场似乎又在诉说：即使旧价格难以维持，AI未来也不能轻易放弃。当日，A股主要指数全线反弹，科创50领涨，涨幅超10%。
前者未必是AI牛市的简单终结，后者也不意味着原来的行情重新启程。这更像是智能工业革命第一次进入真正的价格发现期。
01
AI进入物理世界 评价标准变了
“我们说至少18个月收回投资，否则就是忽悠人。”7月19日，在中金公司承办的世界人工智能大会投融资论坛上，霍尼韦尔科技大中华区总裁余锋说。
他以江苏一家民营化工企业举例说道：企业选择一套装置试用“自动导航操作系统”，投入500万元，一年后确认产生约1500万元效益，其中包括每小时节约蒸汽6吨、延长定期大修周期等。
过去看模型，常看参数、速度和回答质量。而AI进入工厂以后，企业首先追问的是：判断错误会不会导致停机、安全或质量事故；结论能否追溯、解释和验证；老旧设备和既有系统能否接入；系统是否可以持续稳定运行；节约的能耗、人工和停机损失能否覆盖投入。
ABB集团全球副总裁董慧娟介绍的厦门工业中心案例，则采用基于AI的“源网荷储”协同调控，将光伏、储能、楼宇、生产和微网五类智能体纳入中央系统统一优化。这表明，AI正在进入能源管理和生产系统。
换言之，进入物理世界后，AI的评价标准变了。
AI正在把一部分认知能力转化为可调用的“智能供给”，但这种供给需要芯片、算力、电力和固定资本投入，也受到产能、折旧和投资周期的约束。数字经济由此重新显现出某些工业经济特征。
更重要的是，模型与经营结果之间还隔着一家具体的企业：数据能否接入现有流程；员工是否愿意改变工作方式；谁拥有决策权，谁承担错误责任；AI节省的时间能否真正转化为收入和利润。
中金研究院执行总经理周子彭将这一层称为“组织中介”，其解释了为什么模型能力可以快速提升，企业生产率和财务回报却不会同步上升。他认为，要让智能真正成为生产力，企业还需完成数据治理、任务拆解、系统连接、结果验证乃至岗位与考核方式的调整。
不言而喻，AI进入真实世界以后，容错率在下降，价值证明的门槛却在上升。模型解决的是“有没有智能”，一家企业的流程、数据与组织，回答的才是“智能能不能产生价值”。
这也解释了为什么模型能力以月为单位跃升，生产率改善却往往以年计算。
经合发展组织近期的研究同样指出，模型价格下降、性能提高只是必要条件，AI进入核心业务还依赖组织变革以及数据、技能等互补性投入。若这一层跟不上，前端快速扩张的算力与智能供给就可能沉淀为低利用率、价格竞争和折旧压力。
资本市场现在重新计算的，正是这段从模型能力到企业回报的距离。
02
市场退后一步，重新计算价值
此时，产业端与资本市场的变化却显得突兀，几乎令人猝不及防。
AI交易开始“审问”资本回报，半导体板块出现“好业绩、坏股价”：台积电公布强劲业绩后，股价仍明显下跌；费城半导体指数较6月高点一度回落逾20%，亚洲、欧洲和美国市场的芯片股普遍承压。
台积电的问题不在于当季利润，而在于市场开始追问：未来数年巨额资本投入之后，云厂商、模型公司与芯片企业之间，究竟谁能留下利润？
7月17日的全球芯片股大跌，可以理解为AI产业从“资本驱动”转向“价值驱动”的阵痛。“退”的体感同时出现在两条线上：一条是海外市场对“规模扩展可以永续”的质疑；另一条是具身智能、世界模型等国内长周期赛道对自身成熟度的冷静判断。
周子彭在中金研究院《工业化数字经济》中触及了这一问题。他观察到，AI模型服务的计算成本占API（应用程序编程接口）价格的比重已经接近工业生产形态，与传统互联网明显不同。报告将这种变化概括为“工业化”：智能能力的生成、调用和编排，都要消耗芯片、电力和数据中心，并承担固定资本投入与折旧成本。数字经济重新受到产能和成本的约束。
国内长周期赛道人士的判断甚至更为冷静。
原力灵机联合创始人兼CEO唐文斌认为，具身智能大致仍处于“GPT-1.0阶段”，距离成熟尚远。一方面，“大脑”（世界模型）还不够好，模型泛化能力有限；另一方面，数据飞轮尚未真正转动。大量采集到的是机器人已经会做的动作，真正稀缺的是模型在真实场景中犯错后产生的“难例数据”。
VAST创始人兼CEO宋亚宸描绘的世界模型图景则更为长远。未来，AI 3D大模型和世界模型可能大幅降低创造可交互世界的成本。但要以近乎零门槛的生成方式改变《GTA》式3A内容生产体系，仍须跨越模型架构、空间一致性、可交互性和商业化等多级台阶。
7月21日，A股主要指数高开后深度下探，随后在半导体等科技板块的带动下走出“深V”反弹，显示市场风险偏好在修复。
也许，反弹日比暴跌日更能暴露市场的真实结构。7月21日更像是杠杆出清后的超跌修复，能否演变为趋势反转，仍要等待长鑫科技上市后的表现，以及8月海外科技巨头资本开支和业绩指引的验证。
但“看好科技”已不再等于不问价格。一位险资投资负责人列出的观察指标颇具代表性：全球AI资本开支和算力链订单能否兑现，国产AI芯片能否规模化落地，机器人等方向能否从主题催化进入产业化验证，以及海外利率、科技摩擦和交易拥挤度如何变化。
如此，AI的未来未必变小了，只是抵达未来的账单开始变得清晰。
03
转折：重新认识回报需要多长时间
“AI真正的力量在于去做我们从未做过的事。”在中金公司首席经济学家彭文生主持的高端对话中，未来学家、《连线》杂志创始主编凯文·凯利这样说。
这与同场发言的“云经济学”之父、美国未来产业研究院院长乔·韦曼相呼应：降本存在边界，成本至多降至零；真正具有更大增长空间的，是新产品、新服务和新收入。AI的价值不只是替人回答已有问题，还在于加速科学发现、帮助人类提出新问题，并处理过去无力解决的复杂任务。
但凯利并不认为，更强的智能可以绕过现实。他曾用“思考主义”（Thinkism）概括一种认知误区：以为智能足够强，现实问题便能瞬间解决。事实上，科学仍需实验，产品仍需验证，生物、制造和工程过程仍要经历难以压缩的“日历时间”。AI可以加快推理与发现，却不能取消原型制造、失败、验证，以及与真实世界反复磨合的过程。
“阿玛拉定律”则提醒人们：一项技术的短期影响往往被高估，长期影响却容易被低估。
凯利认为，前沿模型领域可能出现泡沫和投资亏损，但AI基础设施仍可能促进科研创新和生产率提升，因而是一种具有长期社会价值的“必要泡沫”。
这里的“必要”，是从技术扩散和社会进步的角度而言，并不意味着每一笔投资都有必要，更不意味着每一家AI公司都能兑现当前估值。铁路、互联网和新能源都留下过相似经验：基础设施可以被全社会长期使用，参与早期投资的部分企业和股东却未必能够穿越周期。
AI产业的“进”与“退”可能以五年、十年计；资本市场的进退却可以在几天内完成。两种时间尺度的碰撞，构成了当下的剧烈波动。
凯利看到的是AI如何把人类能力的边界向外推；周子彭追问的，则是这些新能力如何穿过企业的流程、权责与成本结构，最终抵达利润表。前者解释了资本为何仍愿意下注，后者解释了市场为何开始重新计算。
或许，AI最深的价值，在于推动人类可行能力边界外移：让原本受制于认知、计算、时间和协同成本的任务变得可以完成，也让少数人的稀缺知识转化为可复制、可规模化的系统能力。资本市场重新计算的，则是这些能力穿过实验、流程和组织，最终转化为生产率、收入与利润，究竟需要多长时间、付出多少成本，又将由谁获得回报。
简体中文
English