泉源：男子用牙签剔牙引发重症破伤风作者： 黄琼美：

存储股下跌之后，，AI照旧市场主线吗
？？？
？

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。。。唬恢劣诶笞钪章湓谀母龌方冢，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。。。