根據資產管理公司 Grayscale 研究主管 Zach Pandl 的說法，隨著更便宜的自訂模型與自主代理擴大使用，AI 代幣消耗量到 2030 年可能增加 24 倍。該公司在報告「Investing for the Compute Bottleneck」中提出的展望也指出，執行這些系統所需的實體基礎設施仍然受限。Grayscale 認為，運算需求上升可能超越效率提升，加劇現有資料中心、電力供應與 GPU 的壓力。

更便宜的 AI 模型可能擴大使用量

成本下降使人工智慧在應用程式與自動化工作流程中更易取得。據 Anthropic 表示，其最新的 Sonnet 模型每項任務成本現在最多降低 30%，同時價格更低的開放權重模型——其參數公開供任何人下載與執行——帶來的競爭，也持續對代幣價格構成下行壓力。

代幣衡量 AI 模型處理與產生的文字量，開發者須為其消耗付費。隨著價格下跌，企業可能發現過去成本過高而無法負擔的 AI 新用途。這份報告探討更便宜的智慧如何支持更廣泛的採用。

AI 代理可能使運算需求成倍增加

OpenAI 近期推出的「dots」是設計為全天候運作、持續為使用者目標努力的代理。與僅回答單一問題的聊天機器人不同，代理可以在單一工作流程中完成多個步驟。例如，準備客戶會議可能需要檢視筆記、分析投資組合變化並起草議程。

根據 Grayscale，視複雜程度而定，此類任務消耗的代幣量可能是一般聊天機器人互動的 5 至 50 倍。因此，代理可能推動推論（執行 AI 模型所需的運算）大幅成長。高盛預測，代幣消耗量到 2030 年可能成長 24 倍，並將此增幅主要歸因於代理的採用。

實體基礎設施仍是運算瓶頸

儘管 AI 模型的效率不斷提升，當使用量成長速度快於效率提升所能抵銷的程度時，總運算需求仍可能上升——這種動態讓人聯想到傑文斯悖論（Jevons paradox），即 19 世紀的經濟學觀察：效率提升可能增加而非減少資源的總消耗。建置必要的基礎設施需要時間。電力供應、資料中心與 GPU 對支援不斷擴大的工作負載仍然不可或缺，而其供應有限，可能限制運算能力隨 AI 採用而成長的速度。

Grayscale 也指出 CoreWeave 近期以更高的運算價格簽訂新合約，作為即使在單一 AI 任務成本下降之際，基礎設施定價壓力仍然持續的例證。

Pandl 的分析認為，更便宜的模型與更強代理可能使使用量增加到足以抵銷效率提升的程度。在此情境下，需求可能使稀缺實體運算基礎設施的擁有者受惠。代幣成本下降與基礎設施價格上升之間的平衡如何演變，可能會在 Anthropic 等供應商進一步的模型降價、CoreWeave 等營運商的合約揭露，以及高盛 24 倍預測等需求估計的修正中逐漸顯現。