美股半导体板块又重新热了起来。
北京时间8月18日早间，美光科技股价以上涨4.13%结束当日走势。这是美光科技连续第五个交易日收涨，创今年以来最长连涨纪录，五日累计上涨17.5%。费城半导体指数当日同步上涨1.6%，从7月底的底部反弹超20%，重新进入技术性牛市区间。
就在一个月前，市场还并未如此判断。今年7月，中国大模型企业月之暗面发布新一代模型Kimi K3，参数规模达2.8万亿。尽管相较上一代Kimi K2.6有所提价，但其Token成本相较部分海外旗舰模型仍具备明显竞争力；此后72小时，美股AI板块蒸发数千亿美元，费城半导体指数当周下跌近10%，较6月底高点一度回撤超20%。
类似的担忧并不陌生。2025年1月20日，DeepSeek-R1正式发布，声称以不到600万美元训练成本达到GPT-4级别推理性能。市场开始猜测，如果DeepSeek用2048块H800、不到600万美元就能训练出逼近GPT-4的模型，那“堆卡-更强模型”的Scaling Law故事就被证伪了。四大云厂商未来几年规划的数千亿美元Capex失去了合理性，整个算力链估值体系要重构。
结果是，1月27日，美股直接“炸”了。英伟达单日暴跌约17%，市值蒸发近6000亿美元，创美股史上最大单日市值损失纪录。
不过，时隔一年半后，市场正在重新计算这道题。英伟达股价已从暴跌时的118美元回到225美元，全球云厂商的资本开支依然高歌猛进。最新披露的联想财报，也为此提供了另一个样本：截至6月30日的2026/27财年第一财季中，联想ISG基础设施方案业务营收同比增长98%至579亿元人民币，运营利润率从上一季度的3.6%跃升至9.1%，AI服务器订单储备则进一步超过3600亿元，是上一季度订单储备的两倍有余。
模型越高效，算力基建反而越繁荣。这个反常识现象的答案，可能藏在160多年前的一个经济学概念中：杰文斯悖论。
AI时代的“杰文斯悖论”
1865年，英国经济学家威廉·斯坦利·杰文斯研究煤炭消费时发现了一个反直觉现象。蒸汽机效率持续提高，完成同样工作需要消耗的煤炭越来越少，但英国煤炭总消耗量却没有下降，反而随着蒸汽动力进入更多产业而不断扩大。
这里真正发生变化的，不只是效率本身，还有效率提高以后被重新释放出来的需求。
个中原因，并不复杂。当每单位煤炭能够完成更多工作，使用蒸汽动力就变得更加便宜。于是原本用不起蒸汽机的工厂开始使用，已经使用蒸汽机的企业则扩大生产，蒸汽动力又进入铁路、航运等更多场景。效率提升降低了单位资源使用成本，却由此释放出更庞大的新增需求，最终使资源的总消耗反而上升。
这一论断被称为“杰文斯悖论”（Jevons' Paradox）。时隔160年后，这一悖论在AI行业重新上演。唯一的区别在于，这一次的资源不是煤，而是token。
摩根士丹利在最新AI基础设施报告中，将“杰文斯悖论”列为其看多算力需求的核心逻辑之一。报告指出，资源使用效率提高会降低有效成本，但由此释放的需求可能通过两条路径迅速扩张：已有用户增加使用量，以及更多新用户、新应用进入市场。映射到AI产业，更高效的芯片和模型降低了每单位智能的生成成本，却可能同时扩大AI采用率，提高模型调用的频率和任务复杂度，最终使算力的总需求不降反升。
Kimi K3就是一个颇具代表性的案例。7月16日，月之暗面发布旗下新一代模型Kimi K3，参数规模达2.8万亿，这也是目前全球参数最大的开源模型。据介绍，Kimi K3原生支持视觉理解，并拥有100万token上下文窗口。上线仅数小时，该模型便登顶业内备受关注的AI代码工具评测榜单Arena。尽管其价格相较上一代Kimi K2.6有所上调，但与部分海外旗舰模型相比仍具备明显的性能价格竞争力，由此，对算力需求见顶的担忧，引发资本市场半导体板块的震荡。
然而，7月19日深夜，月之暗面Kimi团队发布《关于算力紧缺与会员暂停开放的说明》，宣布即日起暂停C端新用户订阅，将全部算力优先保障已订阅用户。公告表示，“过去48小时，用户请求量已大幅超出我们的预估，并逼近现有集群的承载极限”。
这正是“杰文斯悖论”的现实演示。
从近期披露的财报数字来看，AI算力基建也并非出现资本市场所担忧的由盛转衰，反而在2025年的高基数基础上再次大幅抬升。目前全球四大云厂商2026年资本开支最高预计达7250亿美元，仅Meta一家全年资本开支指引便达到1300亿美元至1450亿美元，较去年翻番。
作为AI算力基建的代表性企业之一，联想第一财季ISG营收同比增长98%，达到579亿元人民币，创历史新高；运营利润达到53亿元人民币，运营利润率升至9.1%，接近行业领先水平。其中，CSP与ESMB基础设施业务营收增长均同比接近翻番，毛利润分别同比大幅增长1004%和402%；联想AI服务器订单储备较前一季度猛增至两倍以上，超过3600亿元人民币。
“AI算力的需求很旺盛。”在财报发布后的业绩说明会上，联想集团董事长兼CEO杨元庆直言道，“我们认为，AI作为大的方向绝对不是泡沫，AI的普及与普惠才刚刚开始。”
低价Token推高总算力
事实上，模型的“单位价格战”一直在持续。
今年7月，Anthropic正式推出新一代高端大模型Claude Opus 5，其在接近上一代旗舰模型能力的情况下价格减半。同月，OpenAI也进一步下调部分GPT-5.6模型价格，Luna版本更是上线三周就被砍到原价的五分之一。
每个Token更便宜，却恰恰使AI任务量激增。根据OpenRouter数据显示，7月27日至8月2日的一周，大模型调用量已经达到56.8万亿Token，其中仅编程Agent一周的调用量就达到12.2万亿Token，高于此前一周的11万亿Token。而8月3日至8月9日这一周，该数值再次提升至69万亿Token，环比增长21.48%。
为什么成本下降可能迅速转化为需求？从企业账本来看，这个过程更加明晰。根据摩根士丹利测算，目前单次AI任务平均可以节约55美元成本，远大于Token支出。即便智能体中的Token消耗量极大，5至7个智能体协同完成一次任务可能消耗37.5万至52.5万Token，对应的Token成本仍可能只有2至5美元。
换言之，当2至5美元的“智能成本”能够换来约55美元的经济收益，企业真正需要考虑的问题，随之演变为还有多少任务值得交给AI，进而催生出更多的算力需求。
花旗拥有类似的判断，认为模型降价不会自动减少硬件需求。相反，低成本可能提高开发者和企业调用模型的意愿，推动更多AI智能体部署。智能体任务并非一次性问答，而是在连续任务中不断生成，读取和处理token。调用次数和任务长度上升，会把单位成本下降重新转化为总资源消耗。
这也是模型效率提升未必意味着算力需求见顶的原因，反而有望催生出算力的“极大繁荣时代”。
但这份狂欢背后，也有变化。在杨元庆看来，AI可能在局部会有泡沫，目前热钱都涌向基于公共数据产生的基础模型、公共AI，但随着AI普惠继续蔓延，推理AI的需求正在大爆发，基于个人私域和企业私域数据产生的私域AI，有望成为未来更大的增长空间。“这也是联想一直致力于混合式AI的原因，混合式AI就是私域和公共AI相结合、个人AI与企业AI和公共AI相结合，这个趋势才刚刚开始。”
联想背后的AI基建“账单”
从“杰文斯悖论”的视角拆解联想这一季突然爆发的ISG业务，很多数据便有了不同的解释。
首先，总算力需求并没有因为模型效率提高而下降。第一财季，联想ISG业务营收同比增长98%，AI服务器订单储备从上一季度约1400亿元跃升至3600亿元。摩根士丹利据此认为，市场此前明显低估了联想ISG的订单规模和收入、利润兑现能力，进而将联想目标价从34港元上调至46港元。摩根大通则将联想目标价上调66.7%至50港元，看好联想服务器盈利能力改善。
麦格理更是在联想财报发布后将其目标价大幅上调76%至66港元，维持“跑赢大市”评级并继续列入精选买入名单。其中最主要的盈利预测调整就来自ISG，并预计其收入增长势头和高个位数运营利润率具有持续性。中信里昂、高盛等机构也纷纷大幅上调联想集团目标价。
事实上，联想本季高达98%的服务器业务增速，明显高于全球服务器市场增速。作为参照，IDC数据显示，2026年第一季度全球服务器市场收入同比增长30.4%。BofA则预计，2030年全球AI服务器市场规模有望达到12391.3亿美元，2024年至2030年复合增长率达40.6%。
但联想财报中更有意思的点在于，AI并没有简单取代传统计算。除了AI服务器业务暴增之外，联想继续稳居全球第二大x86服务器供应商，盈利能力加速提升，在传统计算市场保持领先优势。
杨元庆在业绩说明会上也特别提醒，AI计算目前只是ISG业务收入中的构成之一，它仍具备未来相当的增长潜力。但从另一个角度而言，这也意味着，AI催生的不仅是独立的AI服务器市场，而是会带动整个企业计算体系升级。具体而言，智能体调用企业数据库，模型读取存储系统的私域数据，新的GPU集群建立后原有服务器、存储、网络设备均需要扩容更新，这是一笔极具杠杆效应的超级生意。
这也解释了为什么本季联想CSP和ESMB两大基础设施业务收入都接近翻番。对于整个算力市场而言，AI带来的，恐怕真的是一场“大水漫灌”式的需求暴涨。
第三个变化，则发生在基础设施本身。根据联想披露，目前正在推进GB300平台部署，并加快Vera Rubin 200整机柜解决方案的研发。Neptune海神液冷技术方案也可全面支持下一代平台及GB300 NVL72等下一代旗舰平台的直接液冷部署。
这意味着，联想希望承接的不只是出售服务器的价值，而是在布局从芯片到机架、液冷乃至系统级交付迁移后的完整价值链。
“目前我们在x86服务器领域已经是全球第二，但AI基础设施方面还有很大的增长空间，未交付订单还有3600亿元，所以我们的增长潜力与增长空间可想而知。”杨元庆分析称，“我相信，联想的运营能力、运营韧性会让我们不断保持高速增长，并不断改进盈利能力，我们在这方面非常有信心。”
真正的“超级生意”
联想这轮ISG增长自然是赶上了AI算力基建的风口，但又不能完全归结为运气。
“有今天这样的成果，不是天上掉的馅饼，也不仅仅是赶上了一个好的浪潮，而是多年耕耘、多年投资的结果。”杨元庆表示，联想从2014年收购IBM x86服务器业务开始，随后持续投入云计算、边缘计算、AI训练和AI推理，并逐步形成如今CSP与ESMB并驾齐驱的业务结构。这些构成联想能够抢滩算力基建市场的底气所在。
但视野拉长，从算力基建出发，联想还有更广阔的图景。
事实上，“杰文斯悖论”最终提醒市场的是，不应仅关注单次计算的算力成本，而应关注整个人工智能时代智能需求曲线的变化。当百万Token成本高企，企业只会将AI用在少量高价值任务上，但当Token成本持续下降，AI就可以进入客服、代码、制造、设计、财务、销售等千行百业。
它固然可以催生算力消耗呈指数级膨胀，让算力市场迎来长期繁荣，也将带来AI终端、AI服务等来自千行百业的庞大需求。
这一点，同样开始体现在联想业绩中。第一财季，联想AI收入达634亿元人民币，同比增长60%，创历史新高，占集团营收约35%。其中AI服务收入同比增长141%，智能仓储、计算机视觉、机器人巡检等AI方案已经出现客户持续复购，推动项目与解决方案服务营收同比增长50%。
与此同时，联想正在从AI PC进一步走向“一体多端”，天禧4.0已经从传统问答向自主任务规划和执行演进，PC端季度周活跃用户率达到40.6%；面向海外市场的Qira也已启动OTA部署。在AI PC等高价值产品持续放量下，联想IDG第一财季营收逆势创下历史同期新高，达1164亿元人民币，同比增长27%。
摩根士丹利将中国大模型效率提升视为对算力需求杰文斯悖论的进一步强化，而非削弱，并判断未来多年计算需求仍可能显著超过供给。对于联想而言，3600多亿元的AI服务器订单储备，不只是一个季度的订单数字，更类似于Token经济向实体基础设施传导后留下的一张账单。
“当前私域数据还未被充分挖掘、被AI所利用，它的增长空间会更大。”杨元庆直言道，当前外界的关注重心不应仅止于大模型能力本身，更应关注AI普惠主力军的角色。
160年前，蒸汽机变得更加高效，但并未消灭煤炭需求，而是将蒸汽动力推向整个工业世界。如今，大模型也正在重复同一个故事，而这，或许才是本季度联想业绩爆发真正值得观察的地方$联想集团(00992)$
精彩评论