据资产管理公司Grayscale研究主管Zach Pandl称,随着更便宜的模型和自主智能体扩大使用,AI代币消耗量到2030年可能增长24倍。该公司在报告"Investing for the Compute Bottleneck"中提出的展望同时指出,运行这些系统所需的物理基础设施仍然受限。Grayscale认为,对算力不断上升的需求可能超过效率提升,加剧可用数据中心、电力供应和GPU的压力。

更便宜的AI模型可能扩大使用

成本的下降正在让人工智能在应用和自动化工作流程中变得更易获取。据Anthropic公司称,其最新的Sonnet模型每任务成本最高降低30%。与此同时,价格更低的开源权重模型(其参数公开可用,任何人都可以下载和运行)带来的竞争,正在对代币价格施加持续的下行压力。

代币衡量AI模型处理和生成的文本,开发者需为其消耗付费。随着价格下降,企业可能会为AI找到以往因成本过高而无法实现的新用途。该报告探讨了更便宜的智能如何支持更广泛的采用。

AI智能体可能成倍放大计算需求

OpenAI最近推出的"dots"是全天候运行的智能体,旨在围绕用户的目标持续工作。与只回答单个问题的聊天机器人不同,智能体可以在单一工作流程中完成多个步骤。例如,准备一次客户会议可能需要查阅笔记、分析投资组合变动并起草议程。

据Grayscale称,此类任务的代币消耗量可达标准聊天机器人交互的5至50倍,具体取决于复杂程度。因此,智能体可能推动推理(inference,即运行AI模型所需的计算)的大幅增长。高盛预测,代币消耗量到2030年可能增长24倍,并将这一增长主要归因于智能体的采用。

物理基础设施仍是算力瓶颈

尽管AI模型的效率不断提高,但当使用量的增长速度快于效率提升所能抵消的程度时,总计算需求仍可能上升——这一动态让人联想到杰文斯悖论,即19世纪的一项经济学观察:效率的提高可能增加而非减少一种资源的总消耗。提供必要的基础设施需要时间。电力供应、数据中心和GPU仍是支持不断扩大的工作负载的关键,其有限的供应可能制约算力随AI采用而增长的速度。

Grayscale还提到CoreWeave,该公司最近报告以更高的计算价格签署了新合同,以此作为在单个AI任务成本下降之际基础设施价格压力依然存在的例证。

Pandl的分析认为,更便宜的模型和更强大的智能体可能使使用量的增长足以超过效率提升。在这一情景下,需求可能使稀缺物理计算基础设施的所有者受益。代币成本下降与基础设施价格上涨之间的平衡如何演变,可能体现在Anthropic等提供商进一步的模型降价、CoreWeave等运营商的合同披露,以及对高盛24倍增长预测等需求估算的修订之中。