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Kimi K3，并称其为全球最大的开放权重AI系统，能力接近美国头部公司的前沿模型。而在K3发布之前，费城半导体指数连续下跌。

　　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。

　　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Kimi K3，并称其为全球最大的开放权重AI系统，能力接近美国头部公司的前沿模型。而在K3发布之前，费城半导体指数连续下跌。

　　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。

　　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。

　　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。