复盘AI减速风波：为什么喊慢容易，真慢下来难？

图文 | 躺姐

这周开盘前，我在投资群和社区里看到不少悲观的声音：接下来的市场恐怕要迎接腥风血雨了。油价急涨，加重了通胀担忧，美联储加息的预期也压了过来。利率上行，一头抬高企业的融资成本，另一头让股票的高估值更难维持。

在宏观市场两头堵的情况下，AI行业自己又传来了减速的呼声。美国时间9月12日，Anthropic首席执行官Amodei发文，呼吁协调放缓最前沿AI能力的增长，给安全评估留下更多时间；OpenAI的奥特曼和xAI的马斯克随后也对这项倡议表达了支持。

这给押注AI产业扩张的投资者增加了一层担忧：如果前沿研发慢下来，未来还需要建那么多数据中心、买那么多芯片吗？

不出所料的是，周一市场的抛售情绪相当严重，费城半导体指数收跌5.9%，英伟达收跌3.4%。同一天，英伟达的黄仁勋在洛杉矶All-In Summit现场与特朗普公开通话。特朗普在表示应当谨慎对待AI风险的同时，强调美国仍要发展AI、保持领先。

而在这一周里，美联储加息最终落地，油价则在后半周从高位回落。等到周五收盘，标普500指数全周仍略有下跌，周一大跌的费城半导体指数却已收复跌幅。英伟达全周上涨1.82%，SK海力士上涨2.48%，联想集团更是上涨约20%。

前沿AI研发，会因为几家美国头部公司缺乏约束力的表态就慢下来吗？就算前沿研发真的放缓，支撑股价上涨的AI基建叙事就会随之失效吗？就算AI基建的高速增长告一段落，资本市场对AI的热情，就没有新的增长故事可以承接了吗？

要回答这些问题，先得看清AI的需求正在发生什么变化。

01 让市场跟上模型的进步

从去年到今年，大模型行业一个显著的趋势是，推理逐渐超过训练，成为算力使用的主要场景。因此，放缓前沿模型的训练，并不意味着算力需求会随之迅速萎缩。

训练前沿模型，需要投入算力，让模型获得新的能力；已经训练好的模型替用户写代码、整理文件，也要持续消耗算力，这个使用过程就是推理。英伟达在2026年报中称，推理已超过训练，成为主要工作负载。

从模型使用的成本看，智谱在2026年中期业绩公告中也指出，进入模型每天被调用数十亿次的推理时代，推理成本已超过训练成本。前沿研发放缓，可能改变下一轮训练的规模和时点，但已经在替客户完成工作的模型仍要运行，持续消耗算力。

有了这层需求基础，前沿放缓就未必只是利空。除了安全评估所需的时间，它还可能给AI普及创造一个条件：

让整个行业有机会消化已经取得的进步。

电商服务商Shopify今年4月披露，它在阿里Qwen3基础上训练专用模型，让店主用自然语言为店铺新建自动处理流程。离线测试达标后，上线却发现，店主还要修改旧流程、设置邮件，这些实际请求没有被测试充分覆盖。团队按真实请求补充训练资料、调整工具，用两周时间弥补了测试与实际使用之间的差距。

把模型接进业务需要这样一段磨合，新的选择却还在不断出现。7月9日至9月10日，短短两个月，GPT-5.6、Kimi K3、Qwen3.8、Claude Fable 5.1、GPT-6 Astra和DeepSeek-V4.1-Flash六款模型就相继发布或开放，这几次发布平均相隔约13天。9月1日至10日这十天，Anthropic、OpenAI和DeepSeek三家更是接连推出新模型。

企业刚测清一个模型能做到什么程度、准备接进业务，新版本和其他厂商的模型又来了。原来做不好的任务，现在能交出去了吗？换成更便宜的模型，效果能不能保住？个人也一样，刚摸索出一种用法，又要重新判断哪些工作可以放心交给AI，是继续用熟眼前的工具，还是花时间测试更好的选择？

模型的进步，已经快过了市场消化这些能力的速度。

围绕学习辅导、客服等具体需求开发收费产品的公司，还可能遇到通用模型对原有功能的替代。Chegg靠习题解答、分步骤讲解等服务收取订阅费，却已在年报中承认，学生越来越多地把ChatGPT视作其服务的替代。这类应用团队需要时间重新定义产品，分清哪些需求已能由通用模型解决，哪些仍值得自己投入，再结合新的模型能力调整服务。

即便是模型公司自己，也需要这样的消化过程。同一家公司里，研发端追求下一次突破，产品端则要为已有能力找到市场，让客户知道该用它做什么、怎样用得划算。

前沿能力的跃升若慢一些，用户能有更多时间把工具用熟，产品团队也能从使用反馈中改进服务、积累客户。产品更合用，客户愿意持续购买，已有能力才更有机会变成稳定的现金收入；更多日常使用又会带来推理需求，让应用普及、商业化和算力需求形成良性循环。

只是，整个行业都需要消化时间，不代表各家公司愿意一起慢下来。

02 为什么很难一起慢下来

放缓前沿模型的开发，给市场留下消化时间，模型公司同样有机会把已有产品卖得更好。但一家模型公司即使愿意放慢研发，也不能保证竞争对手同样减速；而从用户学会使用，到收入真正增长，又需要时间。放缓可能带来的收益，要和等待期间可能失去的订单以及仍要承担的开支放在一起衡量。

同样是前沿模型更新，对大模型的买方可能意味着新一轮比较和测试，对卖方则可能是争取生意的机会。花钱让AI帮员工写代码、回答顾客问题的企业，需要时间把新工具用好；OpenAI、Anthropic、智谱这些开发大模型、向使用者收费的公司，也希望客户用好自己的产品，却还得防着同行推出更强、更便宜的模型，把客户吸引过去。

Amodei在倡议中也提出，协调减速应当让公司获得安全研究的时间，同时保住商业优势和美国的领先地位。在他的方案里，美国公司能放慢多少，要以能否保住领先为界，也就是说，中国大模型追得越近，可以接受的减速空间就越小。

即便不考虑中国竞争，参与竞赛的美国公司也不止那几家。英伟达既卖芯片和系统，也训练自己的大模型。AI搜索公司Perplexity已把英伟达今年3月推出的Nemotron 3 Super用于搜索服务，英伟达还在联合其他开发者训练下一代开放模型。

即使前沿研发真的放慢，云厂商也未必会跟着放慢扩张。亚马逊既投资Anthropic，也通过旗下云业务AWS为它提供训练和运行模型的算力，再向企业提供Claude服务；微软既是OpenAI的大股东，也通过自己的Azure云平台为它提供算力。

二季度，AWS营业利润从上年同期约102亿美元增至166亿美元，同比增长约64%；AI业务按当时收入速度折算的年收入规模超过250亿美元，同比增长达到三位数。亚马逊还解释，AI使用会带动存储、数据库等传统云服务的需求。

云厂商想维持这样的增长，就得提前建机房、买设备。亚马逊在今年的股东信中解释，机房、电力和设备等投入，通常比向客户收费早6—24个月。2026年AWS相当一部分资本开支已有客户承诺支撑，不少投入预计要到2027—2028年才开始带来收入。

几家模型公司愿意放慢研发，并不足以让整个产业一起减速。云厂商和芯片商还在用投资和采购支持扩张，而这些安排能否取得回报，又取决于AI有没有更多付费使用。

英伟达在最新季报中披露，部分AI云厂商采购它的设备，它则承诺购买对方的云服务。截至7月26日，这类承诺已达360亿美元。这份采购承诺为云厂商扩建提供了一部分订单支持；若其他客户实际使用了相应算力，英伟达的采购承诺便相应减少。英伟达因此既希望云厂商继续买设备，也希望更多客户来使用这些设备提供的算力。

云厂商的扩建，也已动用了债务融资。甲骨文今年6月在介绍AI云基建投资计划时披露，2026财年已筹集430亿美元债务融资。对已经借钱建设、作出采购承诺的公司，扩大AI付费使用，既能增加收入，也有助于收回投入、减轻付款压力。几家模型公司即使放慢研发，这些云厂商和设备供应商仍有动力推动已有模型进入更多业务。

03 结语

即使AI基建的高速增长有一天告一段落，资本市场仍可能在应用普及中找到下一段增长。前文的客服业务就是一个入口，已有模型进入更多日常工作，既可能增加软件公司的收入，也可能替使用软件的企业省下成本。

但用户省下的钱，不会自动变成AI公司的利润。

放到客服业务里，企业用AI处理更多顾客问题，可能节省人力费用；提供客服软件的公司收取服务费，还要支付模型调用、产品维护和客户服务等成本。如果客户很容易换用另一款效果相近、收费更低的产品，软件公司就很难提高收费，节省下来的钱可能更多留在使用软件的企业手里。

对投资者而言，接下来值得看的，既有谁能把AI卖出去，也有谁能用AI改善自己的生意。下一段增长，未必只发生在卖AI的公司。

声明：本文仅用于学习和交流，不构成投资建议。

欢迎点赞、在看、转发，您的支持是我们更新的动力！