AI 的进与退：一场正在发生的价格重估

2025 年 7 月 17 日，世界人工智能大会（WAIC）在上海开幕，展馆内模型在生成代码、机器人在人群中穿行。同一日，受外围科技股调整冲击，A 股上证指数下跌 3.05%，科创 50 跌幅超 7%，全市场逾 5000 只个股下跌，半导体、算力硬件、存储器、光刻机与 AI 应用方向领跌。仅四个交易日后，7 月 21 日 A 股又走出「深 V」反弹，科创 50 领涨超 10%。在这场剧烈波动背后，AI 产业正经历第一次真正意义上的「价格发现」：模型能力以月为单位跃升，但企业层面的生产率与财务回报却以年计，二者之间的落差正在被资本市场重新丈量。

AI 进入物理世界，评价标准被改写

过去衡量模型，看的是参数规模、生成速度与回答质量；AI 真正进入工厂之后，企业的提问清单已经完全不同。霍尼韦尔科技大中华区总裁余锋在中金公司承办的投融资论坛上直言：「我们说至少 18 个月收回投资，否则就是忽悠人。」他以江苏一家民营化工企业为例：投入约 500 万元试用「自动导航操作系统」，一年后确认产生约 1500 万元综合效益，包括每小时节约蒸汽 6 吨、延长定期大修周期等。

企业关心的问题已变成：

• 判断失误是否会导致停机、安全或质量事故；
• 结论能否被追溯、解释和验证；
• 老旧设备与既有系统能否接入；
• 系统能否持续稳定运行；
• 节约的能耗、人工与停机损失能否覆盖投入。

ABB 集团全球副总裁董慧娟分享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、生产与微网五类智能体纳入中央系统统一优化。这表明，AI 正在更深地嵌入能源管理与生产体系。换言之，AI 一旦进入物理世界，其供给能力就需要芯片、算力、电力与固定资本投入来支撑，也必然承受产能、折旧与投资周期的约束——数字经济由此重新显现出工业经济特征。

中金研究院执行总经理周子彭将模型能力与企业回报之间的转换层称为「组织中介」：数据能否接入流程、员工是否愿意改变工作方式、谁拥有决策权并承担责任、AI 节省的时间能否转化为收入与利润。正是这一层，解释了为何模型能力可以快速提升，企业生产率与财务回报却不会同步上升。经合发展组织近期研究也指出，模型降价与性能提升只是必要条件，AI 真正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。

市场退后一步，重新计算价值

产业端在悄然「退」，资本市场则更显突兀。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、欧、美芯片股普遍承压。市场追问的不再是当季利润，而是未来数年巨额资本开支之后，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，可被理解为 AI 产业从「资本驱动」转向「价值驱动」的阵痛。

周子彭在中金研究院《工业化数字经济》中观察到，AI 模型服务的计算成本占 API 价格的比重已接近工业生产形态，数字经济重新受到产能与成本的约束。国内长周期赛道的判断同样冷静：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」，一方面「大脑」（世界模型）尚不够好、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 宋亚宸则描绘了更长远的世界模型图景：AI 3D 大模型与世界模型可能大幅降低创造可交互世界的成本，但要近乎零门槛地改变《GTA》式 3A 内容生产体系，仍须跨越模型架构、空间一致性、可交互性与商业化等多级台阶。

7 月 21 日 A 股的「深 V」反弹更像是杠杆出清后的超跌修复。一位险资投资负责人列出的观察指标颇具代表性：全球 AI 资本开支与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、科技摩擦与交易拥挤度如何变化。「看好科技」已不再等于不问价格。

两种时间尺度：AI 进退以年计，市场进退以天计

在彭文生主持的高端对话中，未来学家凯文·凯利与「云经济学」之父乔·韦曼形成了呼应：降本存在边界，真正更大的增长空间来自新产品、新服务与新收入。凯利同时提出「思考主义」（Thinkism）这一认知误区——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，制造与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，却无法取消原型制造、失败、验证与同现实反复磨合的过程。

凯利认为，前沿模型领域可能出现泡沫与投资亏损，但 AI 基础设施仍可能促进科研创新与生产率提升，是一种具有长期社会价值的「必要泡沫」——「必要」是从技术扩散与社会进步角度而言，并不意味着每笔投资都必要，也不意味着每家 AI 公司都能兑现当前估值。铁路、互联网与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与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。AI 最深层的价值，或许在于让原本受制于认知、计算、时间与协同成本的任务变得可以完成；资本市场正在重新计算的，则是这些能力穿过实验、流程与组织，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。