AI的长期价值不在模型层,而在“把模型变成生产力”的组织中介和场景兑现层

上周我的周策略7月A股策略：高波动下的生存法则本周的大幅波动可以说体现的淋漓尽致，目前可以毫无争议的说，AI硬件逻辑已经松动。

最近读到中金研究院《双循环新格局》第四章《工业化数字经济：AI如何重塑全球价值链与中国双循环》，发现这篇文章用一套完整的理论框架，解释了我这条铁律为什么成立。它回答了一个关键问题：AI的长期价值，到底沉淀在哪一层？

AI正在把数字经济变成“重工业”

过去三十年的数字经济，建立在三大支柱之上：软件复制成本趋零、平台网络效应、流量数据变现。这是一种“轻资产”模式——研发和人力是主要投入，固定资产占比低，扩张靠用户注意力和网络效应，不需要物理产能。

但AI彻底改变了这个逻辑。

每一次AI训练、推理和Agent工作流，都要调用GPU、HBM、服务器、数据中心、电力、冷却和网络资源。AI在价值创造中的物质消耗比例，已经明显高于服务业，更接近制造业等工业部门。

更关键的是AI核心硬件（GPU+HBM）的商业折旧周期仅3年左右，新一代GPU单位计算成本每两年大约下降一半。这意味着上一代硬件会因经济性原因快速贬值——A100、H100到B200，每一代都在把前一代变成“落后产能”。

硬件的高景气不可能无限持续。 这就是为什么我说“AI硬件赛道已经开始松动”——不是需求没有了，而是市场开始意识到，硬件采购的边际增速终将回落，而当前的估值已经计入了“永远高增长”的预期。

中金报告提出了一个关键框架：AI经济沿四层结构运行：

第一层：物质底座——电力、芯片、服务器、数据中心。稀缺资源是算力、能源与容量。

第二层：智能供给——基础模型、训练与推理服务、API。稀缺资源是前沿模型能力及其服务入口。

第三层：组织中介——Agent、RAG、MCP、系统集成、行业软件。稀缺资源是专有数据、流程资产与可靠交付能力。

第四层：场景兑现——企业应用、智能汽车、机器人、工业设备。稀缺资源是客户入口、终端网络与反馈数据。

四个层次形成有机闭环：底座支持生产，供给支持执行，中介推动落地，而场景中的需求与反馈又反过来决定哪些基础设施、模型能力与中介工具更具价值。

关键问题来了：新增价值究竟沉淀在哪一层？

中金报告的回答很直接：取决于智能供给能否被排他性占有。

如果智能供给可以被少数主体排他性控制（闭源模式），租金将向智能供给层集中。如果排他性被打破（开源模式），模型层趋于同质化通道，价值将向物质底座、组织中介与场景兑现扩散。

中金报告有一个判断非常关键：企业购买模型能力并不等于获得生产率提升。

模型只是价值形成的起点。AI要经过数据治理、软件集成、流程改造和人员培训，进入制造、能源、交通等具体场景，才能转化为效率提升。

能够把模型能力转化为流程资产、数据资产和客户关系资产的企业，才更可能在AI扩散中形成长期竞争力。

这正是我那条铁律的理论支撑：GPT造不出来的东西，才是真正的护城河。

GPT能生成一段文字、一段代码、一个结论——但它造不出一条产线上每秒钟产生的数万个传感器信号，也造不出机械臂在0.1秒内完成推料的执行动作。

真正有护城河的AI应用，必须具备五个特征：

第一，物理层——AI的产出必须最终作用于物理世界：控制设备、优化工艺、检测实物。纯粹处理信息的AI，大模型自己就能做。

第二，数据层——拥有大模型无法轻易获取的私有、实时、高价值数据资产。大模型能读到公开财报，但读不到一条产线上每秒产生的数万个传感器信号。

第三，执行层——具备闭环执行能力——不仅能“想”，更能“做”，且做错了有物理后果。

第四，组织层——AI嵌入的是客户的核心生产流程，而非边缘办公环节。帮行政写公文和帮化工厂优化裂解炉温度，创造的价值差两个数量级。

第五，替代成本层——客户替换该供应商的代价极高，AI只是强化而非削弱了这种锁定。软件可以三天内切换，但产线上的控制系统、PLC、DCS，替换周期以年为单位。

基于上面的分析，未来会发生三件事：

第一，模型会加速变成“白菜价”。 GPU单位计算成本每两年下降一半，开源模型持续缩小与闭源的差距。智能供给层将趋向同质化，靠卖API赚钱的商业模式会被持续压缩。

第二，真正值钱的变成“行业Know-How+执行闭环”。 大模型能复制API，复制不了十几年的行业积累。那些拥有物理世界数据资产、行业Know-How和执行闭环的公司，才是真正的赢家。

第三，应用层会从“办公室”走向“车间”。 过去两年AI最火的应用是ChatGPT、文生图、公文写作——都在办公室场景里转。下一步，AI会走出办公室，进入工厂、产线、矿井、电网、交通路口。这些场景数据不公开、需要硬件改造、对可靠性要求极高、替换成本巨大——一旦站稳，别人很难抢走。

中金报告有一段话让我印象很深：工业革命的经验表明，通用技术的长期影响并非在发明完成时立即释放，而是在跨地区、跨行业的扩散、应用和再创新中逐步形成。

AI也一样。基础模型和核心算法可能由少数头部机构开发，但大量实际价值仍要在下游应用中实现。

硬件的钱赚的是“盖电厂”的钱，有周期，会退潮。模型的钱赚的是“卖电”的钱，会越来越便宜，迟早变成白菜价。

真正长期赚钱的，是“用电造东西”的公司——它们把AI变成生产力，嵌入物理世界的核心生产环节。

而能筑起护城河的，是那些手握物理世界数据、拥有二十年行业积累、能形成执行闭环的公司——大模型再强，也造不出它们花时间沉淀出来的东西。

GPT造不出来的，才是护城河。