社区

过去一个月，AI产业基本面继续得到验证，相关资产的定价却经历了剧烈波动。

两者并不矛盾。AI相关公司的估值通常具有较长久期。近期预期的调整一旦被投射至中长期增长路径，就会通过现金流折现对当前定价产生放大影响；远期价值占比越高的资产，对这类预期变化越敏感。

这轮调整既受到交易拥挤和去杠杆的放大，也反映出市场对AI远期前景的认知在短期内快速变化。价格一度走在基本面证据之前，并出现阶段性超调。与其说产业趋势发生了逆转，不如说市场正在快速重估预期与估值。

真正的问题，不是AI会不会继续发展，而是需求增长能否以足够快、又可持续的速度，承接万亿美元级别的资本投入。

01价格为何先于证据调整

过去一段时间，市场主要交易“AI前景广阔、基础设施供给不足”。在这一框架下，只要需求持续扩张，上游算力、存储、网络和数据中心等环节的供给约束就具有较高确定性。

如今，定价关注点开始转向另一组问题：AI需求会不会过快放缓？大规模资本投入能否持续？投入最终能否形成合理回报？

这种变化未必需要产业数据明显恶化。对于远期价值占比较高的资产，市场只要小幅下调长期增长假设，估值就可能显著收缩；当交易结构又较为拥挤时，调整会被进一步放大。因此，近期价格变化的速度和幅度，明显大于同期基本面证据的变化。

这也意味着，在远期预期仍高的阶段，市场对近期偏差的容忍度会很低。单季度收入、订单或指引略低于预期，都可能被外推为长期增长路径的变化。价值实现越依赖远期，对短期信息就越敏感。

02真正的变量：需求放缓的斜率

根据公开信息和市场估算，几家头部AI模型公司的合计年化收入，可能从去年底约400亿美元增长至今年底超过2,000亿美元。这一口径并非审计数据，但足以说明需求扩张的速度。

如此高的增速逐步放缓，本身并不意外。关键不在于“是否减速”，而在于减速是否超出合理区间。

AI产业的资本开支已经进入万亿美元量级，上游不少环节也面临成本上升。如此大规模的投入要持续，必须由足够快的收入增长和可验证的经济回报支撑。如果需求只是从极高增速回归较快增长，基础设施需求和定价基础仍可维持；如果收入增长快速失速，资本投入节奏、产业供需和基础设施价格都可能受到影响。

03从“尝鲜”进入“算经济账”

Coding和Agent真正进入企业工作流的时间还不到一年。早期阶段，用户更愿意快速试用、探索能力边界；随着使用规模扩大，企业自然会开始评估实际效果、控制预算，并重新计算投入产出比。

目前，AI重度用户仍较多集中在科技行业。部分科技企业开始强化预算管理，意味着预算增长最快的领域可能暂时接近阶段性上限。与此同时，传统行业的潜在空间很大，当前采用程度却仍然较低。两类需求能否顺利衔接，是下一阶段最重要的验证之一。

不确定性主要来自产品易用性、数据和权限管理、工作流改造，以及长任务执行的可靠性。潜在市场很大，并不等于需求会线性释放；从试用到规模部署，中间仍需要产品和组织层面的持续磨合。

04能力曲线尚未见顶

长期判断并未因此改变。单位智能成本仍在快速下降，模型能力尚未看到明确天花板，AI在现实经济中的渗透也处于非常早期。

前沿模型公司管理层对未来几年能力继续快速提升保持较强信心。Sam Altman近期表达的核心逻辑，也并非简单依赖更大的参数规模，而是来自推理时计算、搜索与验证机制的持续改善，Agent从“回答问题”走向“完成任务”，以及AI开始参与模型研发和科学研究，从而缩短下一代模型的迭代周期。

Jeff Dean近期在YC的分享提供了另一个观察框架：随着模型本身逐步普及，稀缺性可能从单次模型调用转向高质量数据、工具接入、长期状态管理和反馈机制；Agent的连续运行周期也可能由分钟、小时延长至数天甚至数周；跨系统的数据读取、处理、执行和结果反馈，正在逐步形成闭环。

这意味着，AI可能从前台的交互和辅助工具，转向能够自主分解目标、执行任务、验证结果并根据反馈持续修正的自动闭环系统。据其分享，Google内部已在代码重构、性能优化和科学假设验证等场景探索更长周期的Agent任务。若长周期执行的可靠性、可审计性和经济性得到验证，AI能够承接的将不只是局部提效，而是更完整的生产流程，单个应用对应的价值空间也会显著扩大。

这些变化支持模型能力曲线尚未进入平台期、应用价值仍有扩张空间的判断。但管理层表态和内部案例只能作为方向性线索，最终仍需由长周期任务成功率、单位任务成本和商业化数据验证。观察AI进展不能只看单一榜单或参数规模，更应关注系统能否稳定完成真实任务并形成可持续回报。

05智能通缩，既是机会也是约束

智能成本下降能够扩大任务量、用户范围和应用边界，但并不必然等比例扩大行业收入。

如果用户只是以更低成本完成原有任务，总预算未必增加；只有当更强的能力创造出更多新任务，进入更复杂、更高价值的工作流，并带来可衡量的收入或产出，成本下降才会转化为更大的产业规模。

因此，最值得跟踪的不是单纯的Token价格或模型排名，而是Agent完成复杂任务的可靠性、企业工作流渗透速度、用户预算与付费意愿，以及单位算力能够创造的实际经济价值。

能力提升速度、成本下降速度和采用速度之间的相对关系，将决定AI需求曲线的斜率。

06基准情形：减速，但不失速

当前更可能出现的情形，是AI需求从此前的爆发式增长逐步放缓，但仍保持在能够支撑基础设施投入的合理区间。相较于需求持续超预期加速，或短期快速失速，这一中间情形更接近当前的基准判断。

在这一情形下，AI基础设施的需求和定价基础并未发生根本变化，但市场会从普遍给予远期溢价，转向更严格地区分收入兑现、资本效率与竞争地位。未来的回报来源，也会越来越依赖对基本面证据和价值分配的判断，而不只是对产业方向的判断。

07价值链分配的边际变化

近期财报呈现的经营趋势，边际上更有利于云服务商的市场叙事：云业务收入增长提速，利润率改善；资本开支虽然仍处高位，但目前看并未失控，投入增长与收入兑现大体匹配。

同时，随着开源生态占比提升，原本更多流向闭源模型厂商的价值，可能有一部分留存在云端，使云服务商在AI价值链中获得更高的收入份额。

这并不意味着云服务商与硬件环节彼此对立。价值链各环节最终都取决于AI需求和用户预算能否持续增长。区别只在于，当市场开始强调资本回报时，已经展现收入提速、利润改善和投入纪律的环节，更容易获得定价支持。

08AI之外，差异化机会仍然存在

市场的机会并不只来自AI。新兴市场、金融科技和消费，仍是值得持续研究的三个方向。

新兴市场。不同经济体在产业结构、政策环境和资本流向上的差异，能够形成与全球科技周期相关性较低的独立机会。关键是识别真实的盈利改善，而不是简单追逐区域轮动。

金融科技与金融创新。行业仍具备大市场空间、较高资本回报和效率提升潜力。更重要的验证来自单位经济效益、客户留存、交叉销售和风险成本是否持续改善。

消费。宏观和就业预期仍会影响风险偏好，但估值压缩之后，需求韧性、品牌定价权和渠道效率更强的企业将逐步分化。基本面没有恶化、定价却被宏观情绪过度压低的领域，可能提供更好的研究价值。

结语｜让证据决定判断

短期波动不足以否定AI的长期前景，长期空间也不能替代对增长节奏和估值风险的审视。

接下来需要持续观察的证据包括：AI实际使用量、企业预算、传统行业渗透、Agent任务可靠性、资本投入效率、新增供给，以及单位算力所创造的经济价值。

需求从爆发式增长转向可持续增长，是产业成熟过程中的正常变化。真正需要警惕的不是减速本身，而是需求、投入和回报之间失去匹配。在路径仍有不确定性的阶段，保持开放、跟踪证据，比押注单一叙事更重要。

免责声明：以上内容仅为市场研究与观点交流，不构成任何投资建议或承诺。文中数据来自公开信息及市场估算，可能随信息更新而变化。

欢迎关注网站：https://www.bedrock-invest.com/

BEDROCK播客已经开通，视频号、小宇宙、喜马拉雅、Youtube已上线，不定期分享对投资、产业、公司的理解和感悟，欢迎大家关注。