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。 ？？？？墒谐∈欠裾娴脑谕牙階I，，，，，，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馈，，，，，，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，，，，，，生命科学靠实验反馈，，，，，，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。 。
