2026年的AI市场，最值得看的变化，不在模型发布会上，而在硅谷公司说话的方式里。
OpenAI在4月更新的原则文件里，仍然保留“让AGI造福全人类”的使命，但外界注意到，相比2018年文件中高频出现AGI，新版本对AGI的直接提及明显减少，叙事重心转向“让社会应对每一层级AI能力”。
DeepMind的Demis Hassabis也在今年公开承认，当前系统还缺持续学习、长期规划和稳定一致性，距离真正AGI仍有明显缺口。Anthropic的Dario Amodei依然激进，但它最近讲得更多的，也变成金融Agent、Claude Code、企业客户和收入增长。
这不是AI退潮。相反，AI投资还在加速。谷歌一季度资本开支达到357亿美元，大部分投向AI技术基础设施；Amazon自由现金流承压，主因也是AI相关固定资产投入上升；Meta一季度资本开支接近200亿美元，还在继续加码AI基础设施。
真正降温的是“AGI溢价”：过去资本愿意为一个快速到来的智能终局提前买单，如今市场开始把AI放回订单、成本、折旧、能源和利润率里重新核算。AI没有变小，故事变硬了。
AGI还在远处，估值锚已经先动了
2023年以来，全球AI行情有一个隐含前提：Scaling Law继续有效，模型能力随算力投入快速跃迁，AGI只是时间问题。
这个前提很强，也很贵。
它支撑了英伟达、云厂商、光模块、数据中心、电力设备等一整条产业链的估值扩张。市场愿意给AI公司更长久期的现金流假设，愿意接受短期亏损，愿意忽略折旧压力，愿意把“未来效率革命”提前折现到今天的股价里。
问题在2026年开始变得尖锐：AI仍在进步，但进步形态没有那么整齐。
模型会写代码，会做研究，会处理复杂文件，会调用工具，也能完成不少过去需要初级白领完成的任务。但在真实企业场景里，稳定性、责任边界、成本控制和系统集成，仍然卡住了大规模替代的速度。
DeepMind提到的三个缺口很典型：持续学习、长期规划、一致性。一个模型可以在奥数难题上表现惊艳，也可能在简单问题上犯低级错误。对消费级应用来说，这叫体验波动；对金融、医疗、法律、工业系统来说，这就是风控成本。
所以，AGI预期降温不是技术失败，而是资本市场开始承认一件事：能力上限和商业落地之间，还有一段很长的工程距离。
OpenAI的语气变化很有代表性。它没有放弃AGI使命，但2026年原则文件更强调民主化、赋能、普惠、韧性和适应性，外界也观察到，新文件对AGI的直接提及明显少于2018年版本。这个细节背后，是AI公司从“终局叙事”转向“分阶段部署”。
Anthropic则提供了另一种样本。它没有降低预期，甚至在今年继续释放强烈的能力扩张信号。但最近的业务动作，已经不再停留于“我们离AGI多近”，而是直接切进金融行业，推出面向银行和保险的10个AI Agent，覆盖pitchbook、审计、信用备忘录等任务。它还披露，金融服务已成为仅次于科技客户的第二大企业收入来源，前50大客户中约40%来自金融机构。
这说明市场的关注点变了。
以前问的是：谁最接近AGI？
现在问的是：谁能让客户付费？谁能把推理成本压下来？谁能进入工作流？谁能让收入增速跑赢算力账单？
估值锚一旦从“智能爆发”切换到“效率兑现”，AI公司的排序就会发生变化。讲故事最强的公司，未必最安全；现金流最硬、订单能见度最高、供应链议价能力最强的公司，反而更容易穿越波动。
这也是AI行情进入第二阶段的核心：市场不再只奖励想象力，开始奖励经营质量。
Scaling Law没有失效，但AI已经变成重工业
过去两年，很多人把AI理解成下一代互联网：代码一写，用户一来，边际成本迅速摊薄，利润率迟早会起来。
2026年的现实更复杂。
AI当然有软件属性，但前沿模型越来越像重工业。它要GPU、HBM、交换芯片、光模块、数据中心、液冷、电力、土地、融资和长期采购合同。每一次模型能力提升，背后都是更大的资本开支表。
Stanford 2025 AI Index给过一个很有冲击力的数据：模型训练算力大约每5个月翻倍，数据集规模大约每8个月翻倍，能耗则以年为单位增长；同时，模型之间的性能差距正在缩小，排名第一和第十的模型分数差距一年内从11.9%降到5.4%，前两名差距只有0.7%。
这句话翻译成资本市场语言，就是：投入还在变大，领先差距在变窄。
这会带来一个很难看的问题：边际投入产出比。
如果多投100亿美元，可以换来一次GPT-3到GPT-4式的认知冲击，市场会兴奋；如果多投100亿美元，只换来更稳定、更快一点、更长上下文、更少幻觉，客户当然需要，但估值弹性完全不同。
这也是为什么2026年AI投资开始变得“脏活累活化”。
谷歌一季度CapEx 357亿美元，其中绝大部分用于支撑AI机会的技术基础设施，服务器约占技术基础设施投资的60%，数据中心和网络设备约占40%。Google Cloud一季度收入增长63%，积压订单达到4620亿美元，这说明AI需求还很强，但兑现路径已经变成云合同、TPU销售、数据中心交付和资本开支周转。
Amazon的情况更能说明压力。它一季度AWS销售额增长28%至376亿美元，但过去12个月自由现金流降至12亿美元，核心原因是固定资产购买大幅增加，其中主要反映AI投资。
微软也给出了类似信号：AI基础设施投入和AI产品使用增长，已经对Microsoft Cloud毛利率形成拖累，虽然效率提升抵消了一部分压力。
这不是AI需求变弱，而是AI的成本结构正在被看清楚。
更麻烦的是，AI的瓶颈已经从芯片扩散到电力系统。
IEA在2026年报告中提到，全球数据中心电力需求在2025年增长17%，AI专用数据中心电力消费增长更快，达到50%；到2030年，数据中心用电量预计从2025年的485TWh接近翻倍至950TWh，AI专用数据中心用电增长速度更高。
电力已经不是配套问题，而是AI基础设施的核心变量。
美国PJM电网最近考虑重塑电力市场机制，原因之一就是数据中心接入请求过快，电力供应面临短缺风险。PJM覆盖美国13个州，影响约五分之一美国人的电价，其容量市场价格在两次拍卖中暴涨超过1000%，并警告最快2027年可能出现电力缺口。
这会改变AI产业链的投资地图。
过去市场只盯GPU。现在资金开始看HBM、先进封装、光模块、液冷、变压器、燃气轮机、核能、储能、数据中心REITs。因为AI不再只是模型竞赛，也是一场电网、土地、融资和供应链的竞赛。
Hut 8最近签下得州AI数据中心15年租约，合同初始价值98亿美元，一期覆盖352MW容量，项目规划为1GW园区。这类交易之所以被市场重视，不在于它“像科技公司”，而在于它把AI需求变成了长期租约、上电时间和电力容量。
这就是AI重工业化。
它依然有高增长，但增长不再轻。它依然有想象力，但想象力必须穿过资产负债表。它依然会诞生巨头，但巨头要承担更大的折旧、更紧的电力约束和更复杂的供应链波动。
AI投资没有结束，市场在筛掉“只靠终局叙事”的公司
AI主线没有走完。
如果只看需求，2026年的AI仍然强得惊人。Anthropic披露一季度收入和使用量年化增长达到80倍，Claude Code推动开发者市场爆发，随后又把Agent推进金融行业。
Meta一季度收入增长33%，广告展示量增长19%，平均广告价格增长12%，说明AI对内容分发、广告定向和商业化效率仍有直接贡献。
谷歌的云业务增长和积压订单，也说明企业AI需求已经不只是试用。它正在进入预算、采购和长期合约。
所以，AI的核心矛盾不是“有没有需求”，而是“谁能把需求变成高质量利润”。
这一点会决定未来两年AI资产的分化。
第一类公司，风险最大：估值主要靠AGI快速到来的假设支撑，商业模式还没跑顺，收入增长依赖补贴和流量，推理成本随着用户增长同步放大。它们可能很热闹，但每一次增长都在消耗现金。
这类公司过去享受的是“能力溢价”。模型越强，想象空间越大，估值越容易拔高。问题在于，一旦AGI时间表被拉长，市场会重新检查它们的单位经济模型：用户愿不愿意长期付费？企业客户能否深度嵌入？毛利率能否稳定？算力成本能不能下降？销售费用会不会吞掉收入增长？
第二类公司，更像阶段性赢家：它们不需要立刻证明AGI到来，只要证明AI资本开支继续存在。
GPU、HBM、交换芯片、光模块、液冷、电源管理、电力设备、数据中心、云基础设施，都属于这一类。它们的逻辑更朴素：只要大模型公司和云厂商继续扩建，订单就有支撑。AGI明年来不来，影响估值弹性，但不直接推翻需求。
第三类公司，可能成为下一轮真正的增量：能把AI能力嵌入高价值行业，并拿到稳定付费的应用公司。
这里的关键不是做一个聊天机器人，而是进入流程。金融里的信用备忘录、投行材料、合规审查；软件开发里的代码生成、测试、修复；医疗里的文书、辅助诊断和临床评测；制造业里的设备巡检、供应链调度、工艺优化。这些场景不一定性感，但客户付费意愿更强，ROI也愿更容易测算。
Anthropic切金融，微软推Copilot，Google把Gemini嵌入搜索、Workspace和云，Meta用AI优化广告系统，本质上都在做同一件事：把AI从“工具”塞进“系统”。
未来AI公司会出现一条分水岭：能不能从调用模型，变成重构流程。
只停留在模型调用层，毛利率迟早被底层模型和云成本挤压；能进入流程层，才有机会拿到客户预算里的核心位置。
这也是AI投资逻辑切换后的一个重要判断：市场会继续买AI，但买法会更挑剔。
过去资金愿意买“谁离AGI近”。接下来资金更愿意买三类确定性：一是确定的资本开支，二是确定的成本下降，三是确定的企业付费。
讲得更直接一点，AI行情正在从“宗教交易”回到“利润表交易”。
这并不意味着估值一定下行。优质公司仍可能享受高估值，因为AI需求还在增长，产业链还在扩张，企业客户还在加速试用和部署。但估值扩张的门槛会提高。
能涨的公司，需要给出更硬的证据：订单、毛利率、现金流、客户留存、产能锁定、电力资源、融资成本。
AI仍然是未来十年最重要的产业变量之一，只是它已经不再允许市场只靠一句“AGI快来了”来定价。
最先赚钱的AI公司，未必最接近AGI
AI行业最大的预期差，可能不在技术端，而在资本端。
技术仍在推进，模型仍在变强，Agent仍在进入更多行业。但资本市场曾经把时间压得太短，把终局看得太近，把利润兑现想得太轻。
2026年的变化，是AI从狂热叙事进入工业周期。这个阶段不会更轻松，也不会更便宜。模型公司要面对算力账单，云厂商要面对折旧和毛利率，数据中心要面对电力和土地，应用公司要面对客户留存和付费转化。
AGI依然可能是终局，但投资不能只活在终局里。
未来两年，AI市场最重要的问题会变得更现实：谁能降低每一次推理的成本？谁能把模型能力变成企业预算？谁能锁住电力和算力？谁能在AGI真正到来之前，先把现金流跑出来？
这才是AI下一阶段的硬仗。AGI故事还在，但市场开始奖励那些先把账算明白的人
精彩评论