2026年的AI市場，最值得看的變化，不在模型發布會上，而在矽穀公司說話的方式裏。
OpenAI在4月更新的原則文件裏，仍然保留“讓AGI造福全人類”的使命，但外界注意到，相比2018年文件中高頻出現AGI，新版本對AGI的直接提及明顯減少，敘事重心轉向“讓社會應對每一層級AI能力”。
DeepMind的Demis Hassabis也在今年公開承認，當前係統還缺持續學習、長期規劃和穩定一致性，距離真正AGI仍有明顯缺口。Anthropic的Dario Amodei依然激進，但它最近講得更多的，也變成金融Agent、Claude Code、企業客戶和收入增長。
這不是AI退潮。相反，AI投資還在加速。穀歌一季度資本開支達到357億美元，大部分投向AI技術基礎設施；Amazon自由現金流承壓，主因也是AI相關固定資產投入上升；Meta一季度資本開支接近200億美元，還在繼續加碼AI基礎設施。
真正降溫的是“AGI溢價”：過去資本願意為一個快速到來的智能終局提前買單，如今市場開始把AI放回訂單、成本、折舊、能源和利潤率裏重新核算。AI沒有變小，故事變硬了。
2023年以來，全球AI行情有一個隱含前提：Scaling Law繼續有效，模型能力隨算力投入快速躍遷，AGI隻是時間問題。
它支撐了英偉達、雲廠商、光模塊、數據中心、電力設備等一整條產業鏈的估值擴張。市場願意給AI公司更長久期的現金流假設，願意接受短期虧損，願意忽略折舊壓力，願意把“未來效率革命”提前折現到今天的股價裏。
問題在2026年開始變得尖銳：AI仍在進步，但進步形態沒有那麽整齊。
模型會寫代碼，會做研究，會處理複雜文件，會調用工具，也能完成不少過去需要初級白領完成的任務。但在真實企業場景裏，穩定性、責任邊界、成本控製和係統集成，仍然卡住了大規模替代的速度。
DeepMind提到的三個缺口很典型：持續學習、長期規劃、一致性。一個模型可以在奧數難題上表現驚豔，也可能在簡單問題上犯低級錯誤。對消費級應用來說，這叫體驗波動；對金融、醫療、法律、工業係統來說，這就是風控成本。
所以，AGI預期降溫不是技術失敗，而是資本市場開始承認一件事：能力上限和商業落地之間，還有一段很長的工程距離。
OpenAI的語氣變化很有代表性。它沒有放棄AGI使命，但2026年原則文件更強調民主化、賦能、普惠、韌性和適應性，外界也觀察到，新文件對AGI的直接提及明顯少於2018年版本。這個細節背後，是AI公司從“終局敘事”轉向“分階段部署”。
Anthropic則提供了另一種樣本。它沒有降低預期，甚至在今年繼續釋放強烈的能力擴張信號。但最近的業務動作，已經不再停留於“我們離AGI多近”，而是直接切進金融行業，推出麵向銀行和保險的10個AI Agent，覆蓋pitchbook、審計、信用備忘錄等任務。它還披露，金融服務已成為僅次於科技客戶的第二大企業收入來源，前50大客戶中約40%來自金融機構。
現在問的是：誰能讓客戶付費？誰能把推理成本壓下來？誰能進入工作流？誰能讓收入增速跑贏算力賬單？
估值錨一旦從“智能爆發”切換到“效率兌現”，AI公司的排序就會發生變化。講故事最強的公司，未必最安全；現金流最硬、訂單能見度最高、供應鏈議價能力最強的公司，反而更容易穿越波動。
這也是AI行情進入第二階段的核心：市場不再隻獎勵想象力，開始獎勵經營質量。
Scaling Law沒有失效，
但AI已經變成重工業
過去兩年，很多人把AI理解成下一代互聯網：代碼一寫，用戶一來，邊際成本迅速攤薄，利潤率遲早會起來。
AI當然有軟件屬性，但前沿模型越來越像重工業。它要GPU、HBM、交換芯片、光模塊、數據中心、液冷、電力、土地、融資和長期采購合同。每一次模型能力提升，背後都是更大的資本開支表。
Stanford 2025 AI Index給過一個很有衝擊力的數據：模型訓練算力大約每5個月翻倍，數據集規模大約每8個月翻倍，能耗則以年為單位增長；同時，模型之間的性能差距正在縮小，排名第一和第十的模型分數差距一年內從11.9%降到5.4%，前兩名差距隻有0.7%。
這句話翻譯成資本市場語言，就是：投入還在變大，領先差距在變窄。
如果多投100億美元，可以換來一次GPT-3到GPT-4式的認知衝擊，市場會興奮；如果多投100億美元，隻換來更穩定、更快一點、更長上下文、更少幻覺，客戶當然需要，但估值彈性完全不同。
這也是為什麽2026年AI投資開始變得“髒活累活化”。
穀歌一季度CapEx 357億美元，其中絕大部分用於支撐AI機會的技術基礎設施，服務器約占技術基礎設施投資的60%，數據中心和網絡設備約占40%。Google Cloud一季度收入增長63%，積壓訂單達到4620億美元，這說明AI需求還很強，但兌現路徑已經變成雲合同、TPU銷售、數據中心交付和資本開支周轉。
Amazon的情況更能說明壓力。它一季度AWS銷售額增長28%至376億美元，但過去12個月自由現金流降至12億美元，核心原因是固定資產購買大幅增加，其中主要反映AI投資。
微軟也給出了類似信號：AI基礎設施投入和AI產品使用增長，已經對Microsoft Cloud毛利率形成拖累，雖然效率提升抵消了一部分壓力。
這不是AI需求變弱，而是AI的成本結構正在被看清楚。
IEA在2026年報告中提到，全球數據中心電力需求在2025年增長17%，AI專用數據中心電力消費增長更快，達到50%；到2030年，數據中心用電量預計從2025年的485TWh接近翻倍至950TWh，AI專用數據中心用電增長速度更高。
電力已經不是配套問題，而是AI基礎設施的核心變量。
美國PJM電網最近考慮重塑電力市場機製，原因之一就是數據中心接入請求過快，電力供應麵臨短缺風險。PJM覆蓋美國13個州，影響約五分之一美國人的電價，其容量市場價格在兩次拍賣中暴漲超過1000%，並警告最快2027年可能出現電力缺口。
過去市場隻盯GPU。現在資金開始看HBM、先進封裝、光模塊、液冷、變壓器、燃氣輪機、核能、儲能、數據中心REITs。因為AI不再隻是模型競賽，也是一場電網、土地、融資和供應鏈的競賽。
Hut 8最近簽下得州AI數據中心15年租約，合同初始價值98億美元，一期覆蓋352MW容量，項目規劃為1GW園區。這類交易之所以被市場重視，不在於它“像科技公司”，而在於它把AI需求變成了長期租約、上電時間和電力容量。
它依然有高增長，但增長不再輕。它依然有想象力，但想象力必須穿過資產負債表。它依然會誕生巨頭，但巨頭要承擔更大的折舊、更緊的電力約束和更複雜的供應鏈波動。
AI投資沒有結束，
市場在篩掉“隻靠終局敘事”的公司
如果隻看需求，2026年的AI仍然強得驚人。Anthropic披露一季度收入和使用量年化增長達到80倍，Claude Code推動開發者市場爆發，隨後又把Agent推進金融行業。
Meta一季度收入增長33%，廣告展示量增長19%，平均廣告價格增長12%，說明AI對內容分發、廣告定向和商業化效率仍有直接貢獻。
穀歌的雲業務增長和積壓訂單，也說明企業AI需求已經不隻是試用。它正在進入預算、采購和長期合約。
所以，AI的核心矛盾不是“有沒有需求”，而是“誰能把需求變成高質量利潤”。
第一類公司，風險最大：估值主要靠AGI快速到來的假設支撐，商業模式還沒跑順，收入增長依賴補貼和流量，推理成本隨著用戶增長同步放大。它們可能很熱鬧，但每一次增長都在消耗現金。
這類公司過去享受的是“能力溢價”。模型越強，想象空間越大，估值越容易拔高。問題在於，一旦AGI時間表被拉長，市場會重新檢查它們的單位經濟模型：用戶願不願意長期付費？企業客戶能否深度嵌入？毛利率能否穩定？算力成本能不能下降？銷售費用會不會吞掉收入增長？
第二類公司，更像階段性贏家：它們不需要立刻證明AGI到來，隻要證明AI資本開支繼續存在。
GPU、HBM、交換芯片、光模塊、液冷、電源管理、電力設備、數據中心、雲基礎設施，都屬於這一類。它們的邏輯更樸素：隻要大模型公司和雲廠商繼續擴建，訂單就有支撐。AGI明年來不來，影響估值彈性，但不直接推翻需求。
第三類公司，可能成為下一輪真正的增量：能把AI能力嵌入高價值行業，並拿到穩定付費的應用公司。
這裏的關鍵不是做一個聊天機器人，而是進入流程。金融裏的信用備忘錄、投行材料、合規審查；軟件開發裏的代碼生成、測試、修複；醫療裏的文書、輔助診斷和臨床評測；製造業裏的設備巡檢、供應鏈調度、工藝優化。這些場景不一定性感，但客戶付費意願更強，ROI也願更容易測算。
Anthropic切金融，微軟推Copilot，Google把Gemini嵌入搜索、Workspace和雲，Meta用AI優化廣告係統，本質上都在做同一件事：把AI從“工具”塞進“係統”。
未來AI公司會出現一條分水嶺：能不能從調用模型，變成重構流程。
隻停留在模型調用層，毛利率遲早被底層模型和雲成本擠壓；能進入流程層，才有機會拿到客戶預算裏的核心位置。
這也是AI投資邏輯切換後的一個重要判斷：市場會繼續買AI，但買法會更挑剔。
過去資金願意買“誰離AGI近”。接下來資金更願意買三類確定性：一是確定的資本開支，二是確定的成本下降，三是確定的企業付費。
講得更直接一點，AI行情正在從“宗教交易”回到“利潤表交易”。
這並不意味著估值一定下行。優質公司仍可能享受高估值，因為AI需求還在增長，產業鏈還在擴張，企業客戶還在加速試用和部署。但估值擴張的門檻會提高。
能漲的公司，需要給出更硬的證據：訂單、毛利率、現金流、客戶留存、產能鎖定、電力資源、融資成本。
AI仍然是未來十年最重要的產業變量之一，隻是它已經不再允許市場隻靠一句“AGI快來了”來定價。
AI行業最大的預期差，可能不在技術端，而在資本端。
技術仍在推進，模型仍在變強，Agent仍在進入更多行業。但資本市場曾經把時間壓得太短，把終局看得太近，把利潤兌現想得太輕。
2026年的變化，是AI從狂熱敘事進入工業周期。這個階段不會更輕鬆，也不會更便宜。模型公司要麵對算力賬單，雲廠商要麵對折舊和毛利率，數據中心要麵對電力和土地，應用公司要麵對客戶留存和付費轉化。
未來兩年，AI市場最重要的問題會變得更現實：誰能降低每一次推理的成本？誰能把模型能力變成企業預算？誰能鎖住電力和算力？誰能在AGI真正到來之前，先把現金流跑出來？
這才是AI下一階段的硬仗。AGI故事還在，但市場開始獎勵那些先把賬算明白的人
