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。。唬唬；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。。

能源供应欠缺 日本一薯片包装改成是非色