6月，纳斯达克指数同比下跌了2.8%，七巨头指数MAGS继5月创新高之后也同比下跌了8.6%。而半导体继续创出新高，但其中已经出现了明显的分化：除半导体设备大幅领先，其余板块出现了非常大的波动。韩国KOSPI指数，作为存储硬件的代表性指标，其波动率指数6月一度超过100，相比之下美股大盘VIX指数仍保持在低位。

半导体领域出现高波动的原因，是在市场较高集中度和相对涨幅下，出现了短期的背离，我们在5月观点中也讨论过一部分。

首先，是传统企业Capex投入与价值产出之间速度的背离。我们上期讨论过，传统组织在运用AI降本增效上，速度其实非常慢。同样是采购算力，AI原生组织例如Anthropic，换来的收入增速是每年10倍，而Meta最快的Q1增速是33%。而在降本方面，Anthropic的单位员工创收是Meta的4倍，意味着同处一个时代，Meta仍需面临大量裁员的需要。四大Hyperscaler今年的Capex投入增速接近100%，而价值产出速度不足，唯一弥补的方式，就是通过云计算将过剩投资转移给AI原生组织，也就是Anthropic和OpenAI，通过市场来平衡成本与收入。Meta最近宣布准备出售多余算力，引发的市场的大幅回调，就是这种背离引发的现象。

其次，是半导体超高预期与Capex支付能力之间的背离。我们加总了当前市场对于半导体上下游未来2年的业绩预期，包括代工、芯片设计、存储、基础设施等，27年需要投入2万亿美元的Capex，28年则需要投3万亿美元。目前4大Hyperscaler的预计资本开支27年是1万亿，另外的非Hyperscaler需要再投1万亿美金才能支撑半导体的业绩。但其他非Hyperscaler都是传统企业，会碰到第一条背离。市场的高波动，来源于对这种差距的怀疑。

于是，半导体买卖方之间的市场估值也出现背离。市场一方面不断提高半导体供给方未来2年的业绩预期，给出高估值；另一方面则不断质疑半导体需求方的价值变现能力，对其不断提升Capex的决策避之不及，出现了非常分化和拥挤的交易模式。但这两者之间应该有一方是错的，要么一起前途光明，要么一起泡沫破裂，因此存在市场预期结构的不稳定，出现了市场波动。

但这绝非AI投资的终点，也不至于会带来系统性崩盘。市场可能需要修正一些预期，正视一些事实，但埋在AI时代之中的几条脉络，我们曾经反复提及的四大动力，一直还在驱动着整个时代和投资，滚滚向前！

首先，我们判断系统性风险，通常会看四个要素：估值、杠杆、利率和触发事件。当前部分AI资产估值不低，但远没有2000年泡沫时的高估值，科技龙头公司的估值并不贵（见下图），现金流、利润基础和融资能力明显强于2000年互联网泡沫时期。美国银行体系和家庭部门也没有明显处在危机式杠杆状态。利率虽然仍是约束，但并不是一个持续加息后的高利率环境在温水煮青蛙。也并未触发什么重大流动性事件产生多米诺骨牌效应。所以，系统性崩盘的条件当前并不具足。

相比上述几个时代的次要因素，更重要的是埋在这些表象之下，属于AI时代的主脉络并没有发生变化：

动力一：单位智能（token）在不断进化。

本月，全球AI开发社区达成了一个底层共识：停止手写Prompt，开始设计Prompt的“循环通道”。这一转变被称为“循环工程（Loop Engineering）”，它标志着模型从“单次问答工具”向“全自动闭环Agent”的根本性跃迁。

所谓循环工程，并不是简单地写好提示词，而是设计一个能够让AI Agent自主运行的系统闭环：它可以理解目标、拆解任务、采取行动、观察结果、验证反馈，并根据反馈持续修正，直到接近或完成目标。它与提示词工程最大的不同在于，提示词工程依赖人类不断给出更精确的指令与结果反馈，AI再一次次地完成指令；而循环工程则把AI放进一个可以反复试错和自我迭代的环境中，让模型主动推进任务。这种机制的实现，依赖于高频验证器的引入，例如集成测试、静态代码分析、编译器反馈和真实运行结果等，使Agent能够在执行过程中不断发现错误、修正代码、调整路径。

这让AI编程开发逐渐变成一个自我迭代系统，可持续运行更长时间的任务。OpenAI近期发布的报告《向AI智能体的转变：来自Codex的证据》中统计，在Codex用户样本中，发送过超1小时运行任务的用户比例，从2025年12月的35.4%，提升到2026年5月份的70.2%；发送过超8小时运行任务的用户比例，也从2.1%提升到25.6%。循环工程不仅提升了AI Agent完成复杂任务的能力，也从根本上大幅提升算力消耗：用户的一个意图，被转换成数小时模型自我迭代的算力消耗，由此解放出来的用户则可以开启更多的并行任务。这将会带来单个用户并行使用和管理的Agent数量的大幅提升。

同样在本月，Anthropic发布了全新旗舰模型Claude Fable，模型效果惊人。但由于性能太过于强大，亚马逊安全团队发布了一份评测报告，在模型的安全机制被攻破后，Fable展现出了令人震惊且恐惧的自动化黑客行为，彻底拉响了前沿AI失控的警报。美国商务部于6月12日向Anthropic签发了紧急出口管制令，严禁任何“外国公民”使用该模型——包括在美工作的外籍员工。但由于Anthropic在技术层面上，无法做到在API请求的毫秒级响应中，实时核验全球用户的国籍身份，为了确保不违反这项严厉的法令，Anthropic管理层被迫做出了一个历史性的决定：主动将Fable在全球范围内彻底做手动断网处理，直至6月30日才在堵住已知安全漏洞后重新上线。该事件也连累OpenAI规划发布的GPT5.6模型被迫推迟，接受政府审查。这也从侧面验证了模型能力进化的速度。

本月同样值得高度关注的是，中国开源模型智谱GLM5.2荣登全球AI编程榜单前三，引发了全球AI编程领域的热烈讨论。开源模型的实际使用效果还赶不上Claude和Codex，但成本优势还是非常明显的：每百万Token输入约1.2美金，输出4.2美金，相比Claude 上代模型Opus 4.8输入是5美金，输出25美金，相差整整5倍以上。然而Claude与GPT本月最新的收入ARR依旧在高歌猛进，已经接近千亿美元（如下图），相比智谱今年预期的5亿美金收入，前沿模型在技术代差的优势下，依旧占据着全球模型绝大多数的份额。这是全球资本开支最重要的支柱，没有之一。在低成本蒸馏的开源模型的追赶下，OpenAI与Anthropic等前沿模型，只有不断开拓前行这一条路了。所以我们预计接下来的模型进步速度，并不会放慢。

动力二：单位智能（token）成本不断下降。

上期观点我们提到过，当前半导体不断大幅提价，实际上与模型长期价格往下的大趋势背道而驰，这是风险提示。但我们不可忽略掉另一个因素：英伟达等算力设计商在软硬件上不断地进行迭代升级，使得相同投资金额之下的Token产出数量，每年正以几十倍的速度在增长。也就是说，分子端算力总成本在不断涨价，而分母端算力的token产出量在以更大数量级的速度增长，结果是每单位Token的成本因算力软硬件的迭代，依旧在大幅下降。这种成本下降速度非常快，但随时间增幅也在下降。这一代的Blackwell相对于Hopper成本下降了35倍，而下一代的Vera Rubin相对于Blackwell成本只下降10倍（见下图）。这种技术进步，使得不断涨价的半导体，不至于断送模型成本下降和渗透率提升的大趋势。

与此同时，过去一年中，单位算力成本下降的另一条同样重要的路径，是“以存代算”，或“缓存击中”。通过KV Cache的缓存和复用，把原本在多轮对话或Agent任务中，需要反复输入的内容提前保存下来，在下一次计算时直接读取，从而减少GPU重新计算的次数，大幅降低成本和延时。 大部分模型层的缓存击中输入的token价格，往往是正常prompt输入价格的1/10。缓存击中的机制目前已经很成熟，对于超长上下文的Agent任务尤其有效。在普通聊天场景中，缓存击中率可能只有个位数；而多轮对话、企业知识库和客服场景中，命中率可以提升到 50%左右甚至更高；到了代码 Agent、长上下文 Agent、固定工作流反复迭代的场景中，由于系统提示词、工具定义、代码仓库、历史状态和中间结果高度复用，缓存击中率有机会达到 70%—90%。这一定程度上，解决了Transformer架构的平方复杂度问题，打开了模型在复杂任务上的用武之地。

除了以上两个因素，过去几个月还有另一个趋势成为降本的主要动力——模型路由。过去一两年，MoE、小模型蒸馏已经是供给侧降本的重要方向；但最近几个月，随着 token 使用量快速膨胀，前沿模型官方单价并没有同步大幅下调，应用开发者和企业用户开始被迫在需求侧做更精细的任务拆分：检索、分类、格式转换、简单摘要、初步草稿等简单任务，都可以由便宜模型完成；只有规划、复杂推理、代码关键修改、错误诊断和最终校验，才需要调用高端模型。通过这种拆分，模型使用者并没有等待官方价格下调，而是主动改变了模型消费结构，从而降低了单位任务成本。未来模型降本的重心，逐渐转向系统级成本结构的优化。

动力三：Token经济学在变得越来越有希望。

以上两个因素的结果是，token价值（token智能 减去 token成本）一直在逐步提升。Arena.ai 官方统计了过去一段时间所有主流模型的综合能力与成本（见下图），我们看到在同样模型能力（纵坐标）下，模型成本在不断下降（横坐标不断往右）；同理，同样价格（横坐标）下，模型能力也在不断上升。

AI经济学目前还存在着诸多问题，例如在前文中，我们提到企业组织使用AI进行商业化和价值提取的时候，因为数据、权限、人员调整、工作流重构等一系列组织变革的前提和阻力，进度仍然非常缓慢。再例如我们在3月的观点中也提到过，AI时代的商业模式，与互联网时代最主要的区别是——流量经济学不管用了：因为AI应用的边际成本相比互联网应用高得多，以及AI生成的流量正在淹没人类真实流量，使得广告和订阅的模式，无法跟上时代的发展。

但只要AI Token的价值量不断地提升（token智能提升，token成本下降），AI渗透率不断提升的动力就依旧坚实，使用AI token的商业模式也会逐渐成型。例如，在过去“对话型AI”的应用里，模型厂只能通过旧时代的“订阅制”来收费，顶多分几档进行收费；但现在越来越多“任务型AI”的Agent应用里，不同任务之间的复杂度、响应要求和带给客户的价值量含量都是千差万别的，通常价值量越高的任务，就需要越贵的模型，消耗越多的算力和Token数。在Agent任务中以消耗Token数计量，以实现的任务价值计价的商业模式，会在AI Token价值量不断提升之下，显得越来越有利可图。

动力四：竞争在白热化，这是时代进步的不竭源泉，也是未来泡沫的根源。

颠覆与竞争如今无处不在：模型厂在吞噬整个软件业，广告业的根基——注意力被大幅稀释和转移，智力劳动者全球30万亿美元的工作岗位从程序员开始变得岌岌可危，生产者不再是消费者，而摧毁这一切的前沿模型厂本身也在被开源模型用几十分之一的成本在蒸馏和威胁着，开源模型本身也更是竞争激烈、碎片化严重。硬件在今年也加入了利润的争夺战中，存储一个行业的5家公司，27年预计的利润将超过8000亿美元，拿走全球预期2万亿Capex超过三成的份额，芯片设计商像英伟达的份额也在不断下降。世界再也不是3年前那时，彼此泾渭分明其乐融融的时代了。

无论是科技巨头（Hyperscalers）还是初创前沿实验室，当前的AI角逐已演变为一场非生即死的存量与增量争夺战，也迸发出了源源不断的创新能量。这种“囚徒困境”式的全球军备竞赛，未来可能会将每一个置身其中的玩家从理性推向疯狂。然而，即便前方是估值泡沫，也无一人敢在此时踩下刹车——因为在AI的宏大叙事里，减速即意味着彻底出局和数字主权的丧失。正是这种极端的竞争环境，在客观上化身为一台超高压的粒子加速器，以一种近乎野蛮的“创造性毁灭”力量，裹挟着整个人类社会的生产力，以超越历史常态的流速向着下一个智能文明的深水区全速狂奔。

在以上四条时代脉络下，AI时代的大浪潮滚滚向前，依旧奔流不息。但浪潮的流速越大，水面就越不平静，时而会有湍流回旋，时而会波涛汹涌。长期投资者，要想不错过一个时代，除了理性地避开水下的暗礁，还要学会忍受湍急的波动，才有资格摘取这个时代的馈赠。

风险提示及免责声明：市场有风险，投资需谨慎。在任何情况下，文章中的资讯仅供读者参考之用，文中提到的公司亦仅为阐述产业逻辑，所有内容均不带任何投资建议，读者不应单纯依靠本文而取代个人的独立判断。对于因使用、引用、参考本文内容而导致的投资损失、风险及纠纷的，东方港湾不负任何责任。

封面图：来源于AI制作