7月7日， ，，三星预计二季度营业利润为去年同期19倍， ，，股价却跌6.9%， ，，美光、闪迪跟跌；；；；同样是在7月初， ，，集邦咨询预计三季度DRAM（不含HBM）、NAND合约价仍将划分上涨13%—18%和10%—15%， ，，只是涨幅收窄。。。。。。
利润暴增、价钱仍涨、股价下跌放在一起， ，，更像是市场对存储的追捧最先松动。。。。。。很快， ，，存储股下跌被翻译成AI需求转弱， ，，市场最先担心主线会不会爆发迁徙。。。。。。浚浚可市场是否真的在脱离AI， ，，不可由存储一个环节的涨跌决议。。。。。。
真正要判断的， ，，是调解仍在AI内部轮动， ，，照旧主线正在脱离AI。。。。。。只要交给AI的使命仍在增添， ，，AI主线就尚有需求基。。。。。；；；；至于利润最终落在哪个环节， ，，倒照旧相对次要的问题。。。。。。
难点在于， ，，交给AI的使命量没有实市价钱。。。。。。国际能源署（IEA）2026年报告预计， ，，近年统一项AI使命的耗电量每年至少下降90%， ，，2025年AI专用数据中心用电却增添50%；；；；Google6月披露， ，，月处理Token两年增约330倍。。。。。。用电反映物理负载， ，，Token反映使用规模， ，，两者都在扩张。。。。。。
这种组合泛起时， ，，最经典的诠释是杰文斯悖论：效率提高让资源更自制， ，，使用随之增添， ，，最后总消耗反而上升。。。。。。
2025年12月， ，，美国国家经济研究局（NBER）宣布Mert Demirer等四人的事情论文， ，，使用OpenRouter和微软Azure真实API数据视察降价后的用量转变。。。。。。价钱降10%， ，，用量增约11%。。。。。。打个例如， ，，原来用100单位要花1000元；；；；单价从10元降到9元后， ，，用量增至约111单位， ，，破费仍在1000元左右。。。。。。
这类研究看到的是用量对价钱的短期反映， ，，分不清增添来自更多请求， ，，照旧每次请求背后的使命变得更重。。。。。。月活和请求次数只纪录有几多人使用、提倡了几多次挪用， ，，看不出一项使命在后台被拆成几多方法。。。。。。从用户界面看， ，，翻译一句话和整理聚会录音、核对数字、列出待办、写好客户邮件， ，，都可能只是一条指令， ，，后台事情量却完全差别。。。。。。
真正的AI需求反转， ，，需要看到单项使命里的AI方法镌汰， ，，AI进入专业领域的速率停下来， ，，已经交出去的事情重新回到人工。。。。。。
01AI会接手更多方法
AI接手人类事情中的更多方法， ，，已经成为模子公司果真竞争的偏向。。。。。。
OpenAI在2026年2月先容GPT-5.3-Codex时， ，，把研究、工具挪用和重大执行组成的长使命列为重点；；；；智谱6月宣布GLM-5.2时， ，，直接把“为长周期使命打造”写进问题， ，，并用一连数小时甚至数十小时的开放项目测试模子。。。。。。各人最先比的， ，，已经不但是谁一次答得更好， ，，还包括谁能围绕统一个目的一连事情更久。。。。。。
Anthropic在2026年6月剖析了约40万次Claude Code交互式会话， ，，笼罩约23.5万名用户。。。。。。对使命不熟悉的用户每交接一次， ，，Claude平均执行约5个行动、输出约600词；；；；熟悉使命的用户则是12个行动、3200词。。。。。。
为了只管扫除其他因素的影响， ，，研究职员把事情方式、使命价值、月份、职业和模子等条件只管拉齐。。。。。。按常理来说， ，，越熟悉一项事情的人， ，，越不需要AI多做；；；；数据恰恰相反， ，，熟悉水平每提高一档， ，，AI执行的行动增添9%、输出增添13%。。。。。。
越清晰一项事情应该怎么做， ，，越能把详细方法交给AI。。。。。。这里真正爆发转变的， ，，不是人向AI多问了几句话， ，，而是两次人工介入之间， ，，AI可以一连完成更多检索、执行、检查和修正。。。。。。上一步执行爆发的效果， ，，会直接成为AI决议下一步的依据；；；；它可以据此调解妄想、再次挪用工具， ，，不必等人重新发出一条指令。。。。。。
使命进入Agent事情方式以后， ，，后台消耗会增添；；；；若是再拆给多个AI智能体， ，，分工还会继续扩大。。。。。。在Anthropic自己的研究系统中， ，，单个AI智能体消耗的Token约为通俗谈天的4倍， ，，由多个智能体协作时约为15倍。。。。。。完成一项研究时， ，，差别智能体会划分检索资料， ，，再由主智能体汇总和核对。。。。。。
在这种系统里， ，，只管用户最后拿到的仍是一份效果， ，，背后却已经并行跑过多条使命线。。。。。。这组倍数只来自Anthropic， ，，也不是统一使命在差别架构下的比照实验， ，，只能说明多智能体研究系统的Token消耗可能远高于通俗谈天。。。。。。
即即是经常使用AI、已经较量熟练的人， ，，也会有一个很直接的感受：把相同类别的使命交给统一个AI， ，，它每次完成使命的路径以及消耗的Token并纷歧样， ，，有时差别还会特殊大。。。。。。
Stanford数字经济实验室2026年4月宣布的一项事情论文较量了8个前沿模子在统一编码基准上的运行轨迹， ，，发明统一道使命差别运行消耗的Token最多相差30倍；；；；多花Token也纷歧定做得更好， ，，准确率往往在中等本钱时已经见顶。。。。。。
这样的证据显示， ，，现在看似疯狂的Token增添里确实有铺张。。。。。。模子公司和使用者还在探索一项事情该拆成几步、什么时间重试、检查到什么水平；；；；统一件事多跑几十倍， ，，不代表这些消耗以后都会保存下来。。。。。。
随着要领成熟， ，，重复实验和无效返工会镌汰， ，，统一项使命所需的Token也可能下降。。。。。。但只要事情仍需安排方法、挪用工具和检查效果， ，，这些环节就不会由于模子效率提高而消逝。。。。。。人们交给AI的使命越完整， ，，需要它完成的环节越多；；；；更多专业领域最先接纳同样的方式， ，，又会带来下一层增添。。。。。。
02AI接手的， ，，不但是编程
代码能够运行、报错、测试和重复修改， ，，模子每走一步都能获得明确反。。。。。。 ，，以是编程率先成为AI智能体的主战场。。。。。。其他专业领域也有自己的资料、工具和验收要领， ，，生命科学就是头部公司正在重点推进的偏向之一。。。。。。
2026年6月17日， ，，OpenAI宣布LifeSciBench， ，，由173名具有博士训练和生物科技或制药履历的科学家编写750项贴近真实科研事情的使命， ，，其中79%需要多步推理或决议。。。。。。使命包括处理证据、剖析数据、设计实验和验证效果， ，，把研究职员日常面临的重大事情酿成可以评估的AI使命。。。。。。
OpenAI在2026年4月推出生命科学模子GPT-Rosalind， ，，并同步推出可毗连50多种科学工具和数据源的Codex生命科学插件；；；；Anthropic在6月30日推出Claude Science， ，，能够毗连实验室盘算资源、60多个科学数据库和认真核对效果的AI智能体。。。。。。两家公司都在把通用模子刷新成生命科学的事情台。。。。。。
2026年2月， ，，OpenAI与Ginkgo Bioworks把GPT-5接入云端自动化实验室， ，，在人工监视下由模子设计实验、机械人执行， ，，实验效果再回传模子。。。。。。6轮循环测试了3.6万多种反映组合， ，，在一种卵白和一套无细胞卵白合成系统中， ，，相比此前最佳基线把生产本钱降低40%。。。。。。AI也最先凭证物理实验的反馈决议下一步， ，，进入真实的实验循环。。。。。。
代码靠测试验证， ，，生命科学靠实验反。。。。。。 ，，财务核对、条约审阅和工业仿真也各有自己的规则、参数和验收方式。。。。。。AI能够接入响应资料和工具， ，，再把效果交给专业职员或现实反馈磨练， ，，就有时机形成自己的事情流。。。。。。AI进入的专业领域越多， ，，可以交给它完成的事情也就越多。。。。。。
而在Anthropic披露的真实使用数据中， ，，2025年10月至2026年4月， ，，Claude Code会话中用于查错改错的比例从33%降至19%， ，，用于安排和运行软件的比例从14%升至21%， ，，写作与数据剖析合计从约10%升至20%。。。。。。Claude Code的界线正在从处理代码问题， ，，扩展到软件运行和非代码知识事情。。。。。。
我自己就是很直接的例子。。。。。。我不会编程， ，，但已经用Codex和Claude Code整理资料、核对数据和推进投研， ，，并且逐步把整套投研流程交给AI。。。。。。程序员最早用起来的这套执行方式， ，，同样适用于研究、市场、财务和法务；；；；由编程场景迭代出来的产品逻辑和AI能力， ，，正在向企业内部其他营业扩展。。。。。。
2026年7月9日， ，，OpenAI把Chat、ChatGPT Work和Codex放进统一款ChatGPT桌面端：Work认真研究、剖析和制品交付， ，，Codex认真软件开发；；；；两种模式都能使用内置浏览器， ，，谈天、知识事情和软件开发最先汇到统一个桌面应用里。。。。。。
关于大部分投资者来说， ，，纵然知道这些产品已经爆发转变， ，，也很难真正感受到AI能力已经走到哪一步。。。。。。我知道许多人都已经在用ChatGPT， ，，使用方式却仍停留在2022、2023年的一问一答。。。。。。好比翻开手机， ，，输入一个股票代码， ，，问一句“这家公司怎么看”， ，，等它返回一段剖析， ，，读完就竣事。。。。。。
使用停在这里， ，，用户看到的仍然只有一段谜底；；；；检索资料、核对数据、挪用工具和重复修改这些原本由人完成的历程， ，，还没有真正交给AI， ，，自然也就感受不到一条指令之后， ，，AI已经可以一连完成几多事情。。。。。。
从“问一句”到“交接一件事”， ，，改变的不但是使用方式。。。。。。前者随时可以停， ，，后者一旦能够稳固交付， ，，停用AI就意味着把整套事情重新交还给人。。。。。。人一旦顺应了把这些重复、繁琐却又必需完成的事情交给AI， ，，就很难再把它们一件件接回自己手里。。。。。。
现在市场最贫困的是， ，，看多和看空AI都能找到有原理的证据。。。。。。存储价钱和股价让人审慎， ，，Token、用电和能力界线的扩张又给人乐观的理由。。。。。。
市场天天都在给存储和AI公司定价， ，，但事实又有几多事情被交给了AI， ，，很难直接视察， ，，这也是AI需求最容易被误判的地方。。。。。。
不过， ，，也没须要硬找一个看起来很准确的数字。。。。。。更现实的步伐， ，，是看我们又把哪些活交给了AI：统一件事， ，，是不是已经从问一句， ，，酿成让它自己查资料、挪用工具、检查和修改；；；；编程之外， ，，投研、生命科学、财务和法务这些事情， ，，是不是也最先用上同样的方式。。。。。。只要这些转变还在继续， ，，交给AI的事情就还在增添。。。。。。
真正需要担心的， ，，不是存储跌了几天， ，，也不是某家公司少赚了一点， ，，而是模子还在变好、使用本钱还在下降， ，，人们却不再把新的事情交给AI， ，，甚至最先把已经交出去的活重新拿回来。。。。。。到了那一步， ，，AI需求才是真的转向。。。。。。在那之前， ，，市场更多只是在重新选择， ，，AI这条主线里的钱最后由谁来赚。。。。。。
声明：本文仅用于学习和交流， ，，不组成投资建议。。。。。。
