代理式AI引爆24倍token需求，利润拐点将至

概览

高盛最新报告聚焦“代理式AI”带来的经济拐点：随着AI代理从概念走向规模化应用，token消耗将出现指数级增长，而token成本持续下降与价格企稳将同步改善超大规模厂商、模型商及整个AI价值链的利润率。报告通过自下而上的模拟代理实验，量化2030年全球token需求将较2026年增长24倍，并首次提出“利润率拐点”投资主线。

核心观点

需求端：代理式AI将推动token需求爆发 - 2030年全球token需求或达120万亿/月，为2026年基数的24倍；其中企业代理贡献56万亿，消费者代理贡献60万亿。 - 到2040年，仅企业代理token需求就可能升至278万亿/月，年复合增长率高达55倍。 - 消费者端，AI使用场景将从“问答式”转向“持续在线”的个人助理，token强度从单次1,715 token提升至每日最高10万token以上。 供给端：成本下降快于价格下降，利润率拐点显现 - 芯片效率提升推动token单位成本年降60-70%，而头部LLM token价格已由年降40%转为持平甚至小幅回升。 - 报告测算，2026年上半年起，token售价与成本曲线将出现“剪刀差”，带来毛利率拐点。 - 该拐点将降低超大规模厂商资本开支压力，使基础设施投资更具可持续性。 企业ROI：更多工作流进入“可盈利”区间 - 以编码、客服、数据录入三大场景为例，当token成本持续下降，即使每日消耗数百万token，AI代理成本仍低于对应人力成本。 - 编码代理每日成本约13美元，远低于人力300美元；数据录入代理59美元，低于人力80美元；语音客服因实时性成本仍偏高，但差距正在缩小。 - 成本下降将不断扩大可自动化工作流的范围，推动软件TAM扩张与IT服务需求。 估值与推荐：九只核心受益股 - 半导体：Broadcom（定制ASIC龙头）、Nvidia（GPU性能霸主）、AMD（数据中心CPU+GPU双轮驱动）。 - 互联网：Alphabet（云+搜索全栈）、Amazon（AWS+自研芯片）、Meta（广告+AI工具）。 - 软件：Microsoft（企业工作流Copilot）、Cloudflare（边缘AI推理）、Accenture（企业AI集成服务）。

分析框架

报告采用“自下而上”方法构建需求与成本模型： 1. 用伪代码构建可落地的“旅行预订代理”“编码代理”等真实场景，逐步骤统计token消耗，验证每日/每月token强度。 2. 结合芯片性能、Benchmark与价格数据，测算Nvidia、AMD、Google TPU、Trainium等主流方案的token单位成本曲线。 3. 将token成本与人力成本对比，计算企业ROI拐点，进而推算渗透率与市场规模。 4. 以S曲线模拟消费者与企业代理的采用节奏，得出2026-2040年token需求高、中、低三种情景。 该方法把技术可行性、经济可行性与商业落地节奏三者打通，避免单纯线性外推。

方法论与常识提炼

• 行业/产业分析框架渗透率 S 曲线

  S曲线

  报告用S曲线描述新技术从早期尝鲜到大众普及的进程，将消费者与企业代理的token需求按S曲线分阶段建模，避免线性外推。

• 行业/产业分析框架成本曲线分析

  token成本曲线

  通过芯片性能、Benchmark与价格数据，测算不同加速器方案的token单位成本，并与售价曲线对比，寻找利润率拐点。

• 公司基本面与财务框架自由现金流分析

  ROI与人力成本对比

  把AI代理成本与可替代人力成本做日/月维度对比，判断哪些工作流已进入“正ROI”区间，从而推算软件TAM扩张空间。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Alphabet(GOOGL.US)

  云与搜索全栈布局，受益于token需求与利润率双升

  优势

  拥有TPU自研芯片、Gemini模型及搜索分发渠道，具备全栈成本优势

  劣势

  监管与反垄断风险

  对比

  与Amazon、Meta并列互联网板块首选

  风险

  监管、竞争导致token价格再度下跌

• Amazon(AMZN.US)

  AWS AI工作负载+自研芯片Trainium/Graviton

  优势

  3640亿美元收入在手订单，AI与定制芯片双重驱动

• Meta(META.US)

  广告+AI工具，AI算力提升广告变现效率

  优势

  广告增速显著领先行业，AI模型与硬件投入带来增量变现

• Broadcom(AVGO.US)

  定制ASIC龙头，超大规模客户转向其成本优化方案

  优势

  市占率最高，谷歌等客户持续加单

• Nvidia(NVDA.US)

  GPU性能与生态护城河

  优势

  训练与推理性能领先，软件生态粘性高

• AMD(AMD.US)

  数据中心CPU+GPU双轮驱动，企业代理份额提升

  优势

  MI450/MI5XX GPU新品周期，X86服务器CPU份额提升

• Microsoft(MSFT.US)

  Copilot企业工作流生态

  优势

  Microsoft 365升级周期与Copilot协同，生态闭环

• Cloudflare(NET.US)

  边缘AI推理性能与成本优势

  优势

  网络架构与isolates软件带来延迟与成本优势

• Accenture(ACN.US)

  企业AI集成与治理服务

  优势

  从AI试点到规模化部署的咨询与集成需求爆发

关键数据

• 2030年全球token需求120万亿/月较2026年增长24倍
• 2040年企业代理token需求278万亿/月年复合增长率55倍
• token单位成本年降幅60-70%由芯片效率提升驱动
• 编码代理每日token消耗700万对应成本约13美元，远低于人力300美元
• 客服代理每日token消耗200万对应成本约93美元，仍高于人力90美元

影响与含义

报告认为，代理式AI不仅是一次需求侧“token爆炸”，更是供给侧“利润率拐点”的双重故事。超大规模厂商与模型商将从“烧钱扩张”转向“盈利扩张”，资本开支更具可持续性；半导体与软件公司将受益于更大可服务市场与更高毛利率；IT服务商则因企业级部署复杂度提升而获得新增长动力。整体AI价值链有望进入“需求-盈利-再投资”的正向循环。

风险

• 竞争可能迫使token价格下降速度快于成本，侵蚀利润率拐点
• 部分文本类聊天机器人已出现商品化，价格压力更大
• 语音类代理实时性高，成本仍显著高于人力，商业化节奏慢于预期

后续跟踪

• 2026年上半年token售价与成本曲线是否如期出现“剪刀差”
• 超大规模厂商资本开支指引与收入兑现匹配度
• 企业客户从AI试点转向大规模代理部署的节奏