高盛重磅報告《解碼智能體經濟》（Decoding the Agentic Economy）表明，AI經濟正處於一個關鍵轉折點之上，Token的使用量將會迎來爆發式的增長，並且單位經濟模型也在同一時間得到改善。以往的時候，AI被當作是“燒錢”的基礎設施投資，未來，伴隨智能體（Agentic AI）從概念朝著大規模落地演進，Token的消耗會從成本中心轉變成利潤中心。
一、Token需求爆發：消費者與企業雙輪驅動
（一）消費者智能體：從“偶爾一問”到“時刻線上”
以往，我們運用AI通常是問一次、答一回，對話告終，Token消耗也就此截止了。然而高盛覺得，這種模式正被“智能體”全然改變。未來的消費者AI，會從使用者主動開啟的零散對話，轉變為能夠自行完成多步任務的智能助手——像是一個始終在後台運作的郵件助理、日程管家或者購物幫手。
高盛做出預測，到2030年的時候，全球每日的AI查詢量會從2025年的大約50億次增長至230億次，當中30%會交由智能體去處理。那些“永遠線上”的智能體，才是真正的Token消耗“放大器”。模擬資料表明，一個持續對郵件實施監控的智能體，一天的Token消耗量能夠是普通聊天機器人的一百倍還要多。綜合起來看，僅僅是消費者智能體，就有可能推動全球Token消耗在2030年增長12倍，達到每月大概60 quadrillion。
（二）企業智能體：文字越密集，落地越快
對企業工作流而言，其對準確性以及持續性有著更高要求，鑑於此，Token需求也就更為龐大，高盛作出預計，到2030年時，企業智能體將會讓Token消耗增長24倍，到2040年達到峰值的時候，增長55倍，每月大約是278 quadrillion。
不過，有一個發現挺有意思的，那就是：Token消耗數量多，不等於成本就必然高。關鍵之處在於工作內容的“模態”。比如說，程式設計智能體每天會消耗700萬Token，然而因為其主要任務是文字處理，所以一天的成本僅有13美元，這一成本遠遠低於人類程式設計師。這也正是軟體程式設計成為智能體落地速度最快的領域的原因。與之相反，一個客服智能體，儘管每天僅僅消耗200萬Token，可由於需要即時處理語音，其日成本高達92美元，這一比外包人工還要昂貴。
因而，企業智能體的普及不會呈現齊頭並進的態勢。屬於文字密集型、具備高價值的工作，像程式設計、資料分析這類，會率先出現爆發式增長；然而，語音、視訊等具有重模態特點的工作，其發展速度將會慢很多。高盛作出預測，整個知識工作的滲透過程將會遵循S曲線規律，大概在15年之後達到峰值——到那個時候，大約37%的相關工作會憑藉智能體去完成，從而創造出遠超人類手工打造的巨大價值。
二、經濟拐點：成本快速下降，價格趨於穩定，利潤率迎來改善
（一）成本與價格“剪刀差”正在形成
過去之時，大模型的Token價格每一年下降幅度約為40%，眾人對此習以為常。然而如今，價格已經停止下跌，甚至在部分場景當中開始出現回升態勢。與此同時，鑑於晶片效率持續不斷提升（GPU、ASIC等），雲廠商的真實計算成本依舊在以每年60 - 70%的速度迅速下降。
這便造就出一種格外有利的“剪刀差”，其呈現為成本迅速降低，價格不再一併下跌的態勢，單位Token在這樣的情形下，經濟模型自此產生了根本性的改變。
（二）從“燒錢”到“賺錢”，形成良性飛輪
處於AI投資的首個階段時，Token消耗被廣泛視作單純的資本開支以及成本重擔，然而高盛作出判斷，在未來3至12個月期間，雲廠商將會迎來呈現正毛利率的轉折點，亦即每額外售賣一個Token，邊際利潤反倒會變得更高。
這引發一個自我強化的循環，更低的成本助力開發者勇於建構更複雜的智能體，智能體消耗更多Token，基礎設施利用率得以提升，經濟模型更進一步改善，雲廠商具備能力持續高額投資。也就是說，大規模AI基礎設施並非“燒錢無底洞”，而是一個可持續性的、能夠持續創造利潤的增長引擎。
三、重點方向：半導體、網際網路、軟體
（一）半導體：資本支出的直接受益者
無論智能體如何演進，算力都是硬通貨。
博通（AVGO），它身為定製化ASCI晶片方面的龍頭，能夠助力Google等巨頭去打造那種具備低成本特徵以及高效率特性的專用晶片，而它還是智能體經濟的算力基座。
輝達，也就是 NVDA，於訓練範疇以及高性能推理領域，始終具備無可替代之特性，其所處的主導地位，在中短期之內，並不會出現動搖的情況。
由AMD（AMD）支撐，伴著資料中心GPU，以及在企業級CPU市場內份額得以提升的情形，它有希望在文字密集的企業工作流裡頭獲取更多的機遇，就是這樣。
（二）網際網路巨頭：雲平台與應用場景雙輪驅動
這些公司既賣算力，又擁有海量使用者場景，價值捕獲能力最強。
亞馬遜（AMZN），AWS雲服務因AI負載迅速增長而受益，其自研Trainium晶片穩固成本獲益之處，電商平台為購物智能體給予了天然落地場景。
Google（GOOGL），有著全端式的AI佈局，其Cloud業務不斷迅猛增長，TPU晶片形成成本壁壘，搜尋生態以及Android生態分別都可以無縫嵌入Gemini智能體。
Meta（META）推出的AI廣告系統，使得使用者參與以及變現效率獲得了提升，其自主研究開發的模型，像Muse Spark這樣的，正將目標對準智能體電商以及中小企業工具，這構成了未來會被關注的要點。
（三）軟體與IT服務：生態建構與轉型推手
這一層的邏輯更複雜，但長期潛力也最大。
涉及微軟（MSFT）的情況是，Copilot已經深入到企業的工作流之中。高盛持有這樣的觀點，那就是未來的情形不會是“一個助手能夠包攬全部”，而是會出現通用Copilot和針對垂直領域的專用智能體共同存在，並且能夠互相進行呼叫的狀況。舉例來說，有關Excel的Copilot外掛，實際上是進一步強化了Excel自身所具備的價值。
網路提供商Cloudflare（NET），其邊緣網路架構，天然契合低延遲的推理任務，成本方面以及性能上優勢顯著，可以期待在推理計算市場內裡拿下超額份額。
埃森哲（ACN）：企業從 AI 試點邁向大規模部署之際，系統整合需求急劇增多，流程重構需求急劇增多，治理需求急劇增多，變革管理需求急劇增多。這些軟體沒辦法獨自做完，像埃森哲這樣的服務商終將獲取強勁增長動力。
概括地講：高盛持有一種觀點，即AI經濟正在從以成本作為驅動方向，轉變為朝著利潤驅動的方向發展。Token需求出現了那種爆發式的增長態勢，再加上單位經濟在結構方面呈現出改善趨勢，這就致使智能體經濟擁有了大規模、高利潤以及可持續這樣的特性。對於投資者而言，應當著重把注意力放在那些在成本控制、生態位以及規模化能力等方面佔據著優勢地位的企業上面。 (TOP行業報告)