01 AI进入物理世界 评价标准变了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表示“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举例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·凯利表示“AI真正的力量在于去做我们从未做过的事。”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。