AI行业像一列加速行驶的列车，而车厢里的投资人却在7月份越来越晕车。7月份的AI产业依然热得发烫，台积电、谷歌和英特尔等公司交出强劲业绩，前沿模型持续提升，模型公司的收入和用户规模持续增长；然而资本市场对负面消息明显更加敏感，反应也更加剧烈，一则Meta可能外售算力的新闻、一个开源模型的突破，甚至一个略低于买方预期的毛利率数据，都可能引发整个AI板块的剧烈震荡。回顾整个7月，纳斯达克指数下跌了3.20%，而上半年备受追捧的费城半导体指数下跌20.61%，存储指数下跌31.79%。当产业的温度仍在上升，股票价格却开始对每一阵风声过度反应，我们需要重新分辨：眼前究竟是退潮，还是浪潮中的湍流？

在产业端，AI热浪在7月份仍在加速。

首先，AI硬件全产业链正受益于AI发展，AI红利已不再由英伟达一家独享。台积电全面上调全年营收指引，提高资本支出预算，积极扩产。台积电CEO向来态度保守，但他在业绩会上多次强调，对AI这一长期趋势的信心依然坚定；当分析师问及未来AI增长预期时，他信心十足地表示：“更强，更强，更强。”先进制程供不应求，是本轮AI基建最硬的“物理约束”，台积电用一份接近完美的业绩，加上激进扩产计划，直接回应了市场对资本开支放缓的担忧。英特尔同样交出全面超预期的答卷，收入同比增长25%，为过去15年来最快，即便是转型中的英特尔，也搭上了这轮Agent算力配置重估的顺风车。CEO明确表示，AI正在同时拉动CPU、ASIC、先进封装与晶圆代工需求，在提高资本开支的同时强调“先有客户，才有资本开支。”

其次，终端应用的商业化加速，正在为资本开支的合理性提供佐证。Google Cloud收入增长82%，经营利润约为上年同期的3.1倍，AI基础设施投入正在迅速转化为云收入和利润。OpenAI在发布GPT-5.6的同时，推出了ChatGPT与Codex的融合应用，在模型更新、产品升级及额度刷新的多重利好下，这款融合应用的周活跃用户从3月份的200万迅速提升到7月份的1000万。Anthropic的ARR增长势头也未结束，第三方信息显示Anthropic在7月份的ARR已经突破700亿美元。

图1：ChatGPT + Codex 融合应用周活用户在四个月内从 200 万跃升至 1000 万，AI 应用的商业化正在加速兑现    来源：@thsottiaux

最后，模型仍在快速迭代，并同时实现性能提升与成本下降。7月份推出的GPT-5.6 Sol、Terra和Luna，覆盖旗舰、均衡与低成本三档；Luna以不到上一代一半的估算成本接近GPT-5.5峰值表现，Terra则以更低成本超过上一代。Opus 5.0价格与4.8相同，却有着更高的性能。开源阵营同样进展显著，Kimi K3发布，其在编码、EDA等高附加值场景中的表现直逼Opus 4.8，甚至展示了使用开源模型进行芯片设计的演示。代表模型性能与价格最优平衡点的帕累托前沿，正在不断向外扩展。

图2：截至 7 月 31 日的大模型能力—价格帕累托前沿：新一代模型持续以更低的成本、覆盖更强的性能，前沿曲线整体向右上方外推    来源：arena.ai

与产业端的火热相反，资本市场却如惊弓之鸟，一点负面消息就会掀起惊涛骇浪。月初Bloomberg报道Meta考虑“出售算力”，市场立刻推演“AI算力过剩、大厂收着花钱”，硬件链连跌两日、韩国出现熔断；KIS认为HBM长协价格涨幅不及DRAM，因此下调海力士业绩预期，导致海力士当日下跌15%；谷歌第二季度财报披露自由现金流转为负值，引发投资者对企业未来价值的担忧。动量因子平仓（Unwind）是本轮回调的核心驱动，SOX从高点一度回撤约20%，单周下跌约10%，但同期标普大盘基本稳定、VIX仍处低位，这说明压力主要集中在AI及高动量资产，而非系统性风险，高盛的动量因子指数GSPRHIMO的大幅下跌也是这一观点的佐证。市场并不是突然开始担心AI的发展，而是此前所有人站在船的一侧，风向一变，所有人便争先恐后地挪到船的另一侧，唯恐跑得慢，成为了带血的垫脚石。

图3：高盛高波动动量对冲组合（GSPRHIMO）在近期出现大幅回撤，与 SOX 的深跌同步、与大盘走势背离，印证本轮下跌的核心是动量因子平仓（Unwind）而非基本面转弱    来源：Goldman Sachs

短期股价由资金流动决定，但长期股价由公司价值决定。因此，只有更好地了解多空双方对AI未来的观点和判断，投资者才能更理性、更客观地评估公司的长期价值，从而作出更好的投资决策。

多空的第一个战场在于资本开支。空方认为，资本开支的强度已经达到了顶点，如果2027年的资本开支真如市场所预期的达到约1.3万亿美元，那么几大CSP的自由现金流将会全部转负，未来资本开支也就没有继续上修的可能；谷歌季度自由现金流转为负值后，这一担忧进一步加剧。同时，空方还认为：如果资本开支上修，CSP的自由现金流转负，公司估值将大打折扣；如果资本开支不上修，硬件产业链则将面临巨大压力。而多方认为，自由现金流并非唯一的资本开支来源，首先，当前资本开支可以通过多种表外方式进行，如SPV、经营租赁等；其次，CSP目前主业稳固，资产负债表健康，还有多种融资方式可以筹措资金，而且，空方这种静态考虑自由现金流的方式并未考虑AI带来的收入和利润率提升。本质上，如果一个投资的ROIC足够高，那么就会吸引到全社会的资金进入这个领域，如同过去中国房地产的黄金年代。

多空的第二个战场在于AI的需求。空方认为，巨大的资本开支和目前的AI收入并不匹配，即便目前大模型公司在编程领域的收入快速增长，但仅这一个领域并不能创造足够的回报，目前尚未看到下一个潜在增长点。更何况在开源模型快速发展的今天，大模型公司也可能因竞争而降价，导致增收不增利，最终也无法创造足够的回报。而多方认为，不能强行用当前ARR与资本支出进行匹配，资本支出是先行的，ARR是后置的，因此更应该关注全生命周期的ROIC。亚马逊第二季度财报特别提到，AI基础设施建设只需3年即可实现收支平衡；目前服务器的使用寿命至少为5至6年，数据中心的使用寿命更可超过30年，这正是ROIC能够跑通的有力证明。目前除了编程外，医疗、金融、法律和科学等领域都在被AI快速渗透，AI究竟会率先在哪个领域落地尚未可知，但就像在编程领域真正爆发前，很少有人预测到AI的第一个爆点会是编程一样，多方对AI未来的应用前景保持乐观。在开源模型方面，多方认为开源模型和闭源模型依然有着巨大的能力差距，但许多投资者并不具备区分二者的能力，一方面模型针对公开榜单进行定向训练，导致在基准测试中难以区分能力差距，另一方面由于大部分投资者执行的任务较为简单，无法真正区分开源模型与闭源模型的能力。与此同时，目前的开源模型也在走向不再完全开源的路线，例如最新的Kimi K3并没有使用MIT协议，而是对商业使用进行了限制。未来极有可能出现的情况是，90%的token由价格低廉但智能水平较低的模型处理，但这部分token只产生10%的价值，而10%的token由价格较高但智能水平较高的模型处理，这部分token产生90%的价值。

图4：领先模型与追赶模型的能力差距，只有在任务难度进入“深水区”时才会显现——过于简单的任务和公开榜单，都会掩盖这条真正的护城河    制图：Gemini AI

空方提到的几个约束条件固然存在，但这些约束更像是新技术发展过程中遇到的节奏问题，而非方向性问题或核心矛盾。AI发展的底层动力并未改变：更智能的模型、更低廉的成本、更多的用户和更广泛的应用，仍在持续演进。短期股价可以被资金、仓位、利率、预期和叙事左右，而技术的发展并不会被叙事所裹挟，投资者的观点也不应被股价左右。技术的长期价值最终仍由生产力和生产关系决定，企业价值也不由短期股价定义。

图5：市场叙事在剧烈震荡中来回摆动，而技术与生产力的曲线始终稳定向上——短期的噪声不会改变长期的方向    制图：Gemini AI

市场可以在几天之内从狂热变成惊恐，又可以在一天之内从惊恐变成狂热。技术与生产力却不会因一则新闻而停止前进，企业也不会在几天之内发生翻天覆地的变化。7月是一个颇具启示意义的月份：产业端交出了近乎完美的成绩单，但市场却在反复摇摆。这种“业绩与股价的短期背离”，恰恰是长期投资者需要的时间窗口。我们不去预测下个交易日市场会涨还是跌，那不是我们的能力圈。但我们看到的是，AI列车没有减速，反而在加速。市场的短期噪声会持续，但每一次因噪声引发的错杀，也恰为长线投资者提供了审视和评估的机会，我们不是出于盲目乐观，而是基于当前的产业逻辑与数据。喧嚣越大，越要有定力。

备注：封面图由AI制作

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，东方港湾不承担任何责任。