高盛5月5日发布最新研究报告《解码智能体经济》（Decoding the Agentic Economy），提出AI产业正迈向一个关键转折点。 报告认为，随着AI智能体（agentic AI）逐渐从实验阶段进入企业与消费市场，全球token需求将迎来爆炸性增长，同时整个科技产业的利润结构也将被重新改写。
高盛预测，到2030年，全球每月 token 处理量将达 120 千万亿个，约为 2026 年现有算力需求的 24 倍; 若企业端智能体全面普及，到2040年需求更可能扩大至55倍。
不同于一般从市场规模反推需求的估算方式，高盛科技研究团队此次采取自下而上的建模方法，实际模拟AI智能体执行任务的完整流程，逐步计算 token 消耗，再乘以使用频率与采用人数，建立需求模型。
高盛指出，AI产业过去两年始终存在「使用量增加、成本同步飙升」的矛盾。 由于每处理一个 token 都需要消耗大量算力，云端与模型供应商的毛利率长期承压。 然而，这种局面正在2026年出现重大变化。
报告显示，主流大型语言模型的 token 价格过去每年下降约 40%，但目前价格跌幅已逐渐趋缓，甚至部分服务开始小幅涨价; 另一方面，算力成本仍持续快速下滑，包括英伟达（NVDA-US）、超微AMD（AMD-US）、Alphabet旗下Google TPU，以及亚马逊（AMZN-US）Trainium等芯片与加速器平台，均推动AI运算成本以每年60%至70%的速度下降。
高盛认为，当 token 定价趋稳、成本却持续下降时，AI 产业的利润空间将迅速扩大。 报告指出，2026年上半年将是AI产业从「烧钱扩张期」转向「盈利改善期」的重要拐点。
高盛强调，真正带动 token 需求暴增的核心，不是现有聊天机器人，而是 AI 智能体。
目前大部分消费者使用ChatGPT、Claude或Gemini等AI服务时，通常只是提出问题、取得答案后结束对话，平均一次互动约消耗1700个token。
但 AI 智能体不同。 它们会持续在背景运作，自动监控邮件、日历、工作任务与系统资料，并主动执行工作流程。
高盛模拟的一套邮件管理智能体，每日需消耗约9.1万个输入token与2.28万个输出 token，单日成本约0.055美元，token消耗量比一般聊天互动高出近50倍。
原因在于智能体需要执行多阶段推理，包括邮件扫描、分类、信息提取、内容生成、语气检查、合规验证、安排寄送与记忆更新等流程，每一步都会消耗 token。
此外，企业级智能体还涉及大量循环验证与错误修正机制，使 token 需求呈现非线性成长。
例如高盛模拟的程序开发智能体，每日需处理约627万个输入 token 与 82 万个输出 token，API 成本约 13 美元。 虽然数字看似庞大，但相较于软体工程师的人力成本，已具备相当竞争力。
高盛将消费端 AI 应用分为三个层级。 第一层是聊天机器人; 第二层是嵌入式 AI 工具，例如搜索摘要、邮件助理等; 第三层则是永远在线的自主智能体。
报告预估，到2030年，全球每日AI查询量将从2025年的50亿次成长至230亿次，其中约30%将流向各类智能体，而非传统搜索引擎或聊天机器人。
高盛认为，这将导致搜寻市场出现重大结构变化。 传统搜寻在总查询量中的占比，将从2025年的68%下降至2030年的36%，取而代之的是AI原生应用与大型语言模型驱动的服务。
企业端市场则被视为最大成长引擎。
高盛估算，到2040年高峰期，企业智能体将覆盖全球37%的知识工作者，带动每月278千万亿个token需求，占全球总token消耗量超过70%。
由于企业工作流要求高度精准、可审计与可追溯，因此企业智能体的 token 密度远高于消费端应用。
例如财务分析、数据输入、客服与医疗记录管理等场景，都需要大量验证、工具调用、多模态资料分析与合规检查。
高盛指出，不同工作类型的成本结构差异极大。 程序开发智能体虽然 token 消耗量高，但因主要处理文字，成本相对低廉; 相反地，涉及即时语音处理的客服智能体，虽然 token 量较少，但单日成本可能高达 92 美元。
资料输入类智能体则因需要大量结构化数据验证，每日 token 消耗可达 2513 万个，成本约 60 美元。
高盛认为，文字密集、工作流程标准化、工具链成熟的职位，将率先被智能体渗透; 而涉及语音、多系统整合与高责任追溯需求的工作，导入速度则相对较慢。
报告也研究了1800年至2000年间、涵盖101种技术与161个国家的技术采用历史资料，发现技术普及速度差异极大。 铁路与固定电话花费超过百年才达渗透高峰，但ATM与有线电视不到20年即快速普及，中位数约为29年。
高盛预测，企业AI智能体的采用曲线将呈S型发展，2030年前后进入快速渗透阶段，约15年达到高峰，快于历史平均速度。
不过高盛也提醒，数据治理、系统整合、内部流程改造与监管合规等问题，仍将是AI智能体全面普及的重要阻力。 许多企业可能长期停留在试点阶段，难以真正大规模部署。
在投资建议方面，高盛最看好的半导体公司包括英伟达（NVDA-US）、博通（AVGO-US）与超威AMD（AMD-US）。
高盛给予英伟达250美元目标价，认为其在AI训练与推理领域仍维持领先地位; 博通目标价480美元，主要受惠大型云端业者转向客制化AI芯片; AMD目标价450美元，高盛看好其数据中心GPU与企业CPU业务同步受惠。
云与互联网领域方面，高盛偏好亚马逊（AMZN-US）、Alphabet （GOOGL-US） 与Meta Platforms （META-US）。
其中亚马逊AWS第一季营收年增28%，手握3640亿美元订单积压与额外1000亿美元新合约; Google Cloud第一季营收年增 63%，未执行合约积压增至 4600 亿美元; Meta 则受惠 AI 广告工具推动广告变现效率提升。
软件与 IT 服务领域，高盛则看好微软 （MSFT-US）、Cloudflare （NET-US） 与埃森哲 （ACN-US）。
高盛指出，微软 Copilot 企业版使用率持续改善，Microsoft 365 升级循环可能加速; Cloudflare 则在边缘 AI 推理架构具备优势; 埃森哲则有望受惠企业大规模导入 AI 时所需的大量系统整合与流程改造需求。
不过，高盛也警告，纯文字聊天机器人市场竞争正迅速加剧，开源模型不断压低价格，商业模型的定价能力正在削弱。
报告认为，只有高 token 密度、高技术门槛、难以被开源模型取代的智能体工作负载，才能真正建立长期利润扩张能力
此外，目前企业端 AI 部署大多仍停留在「有人监督的半自动化」阶段，距离真正完全自主运行仍有相当距离。 高盛坦言，从现阶段发展到2030年的智能体全面落地，中间仍需经历大量组织与流程层面的深度变革，而这类变革往往比技术演进更缓慢。
