高盛最新发布的行业研究报告指出，人工智能（AI）技术正从对话交互阶段迈向自主决策阶段，这一转型将引发全球AI计算需求的指数级增长。据预测，到2030年全球AI模型处理的词元（Token）数量将较2026年激增24倍，达到每月120千万亿次规模，其中企业级应用将成为核心驱动力。
研究团队发现，新一代智能体（Agent）系统与传统聊天机器人存在本质差异。传统对话式AI采用"请求-响应"的单次交互模式，而智能体需要持续感知环境变化、维护上下文记忆，并通过多轮工具调用完成复杂任务。这种工作模式导致单个智能体的日均Token消耗量可达10万次以上，是普通对话系统的100倍以上。以编程场景为例，专业级智能体每日处理700万词元仅需13美元成本，展现出显著的经济性优势。
企业市场的爆发式增长成为关键变量。报告显示，虽然消费级应用更易被公众感知，但企业级智能体的Token密度达到消费端的3倍以上。随着智能体在供应链优化、法律文书处理、代码生成等领域的深度渗透，AI计算需求正从"人机交互"转向"机器间协作"。这种转变不仅消除了人类操作的时间限制，更创造出全新的计算需求场景。高盛预计，到2040年企业应用将推动全球Token消耗量增长55倍。
成本结构的优化为产业扩张奠定基础。过去三年，AI推理成本以年均60%-70%的速度下降，而头部模型供应商的Token价格在经历初期价格战后已企稳回升。这种剪刀差效应使得超大规模云服务商有望在2026年上半年实现毛利率转正。以英伟达H100芯片为例，其单位计算成本较前代产品下降65%，同时支持处理的并发任务量提升4倍，这种技术进步正在重塑行业经济模型。
针对市场关于AI冲击软件行业的担忧，报告提出相反观点。智能体技术的普及正在推动SaaS行业从"按席位收费"向"按产出收费"转型，这种商业模式创新将显著扩大市场总规模。高盛测算显示，到2030年智能体相关软件市场规模将突破千亿美元，其中自动化工作流管理、智能决策系统等细分领域将保持30%以上的年复合增长率。
研究同时警示潜在风险因素。虽然当前技术进步速度超出市场预期，但能源消耗、数据隐私、算法偏见等问题仍可能制约产业发展。特别是在欧洲市场，即将实施的《AI法案》可能对模型训练数据获取构成限制，这需要企业提前布局合规体系建设。
