广厦丽江MVP大战，布朗当主角

智能体 AI（Agentic AI）在将人为智能行业从成本叙事转向利润叙事。高盛以为，随着 token 亏损量即将出现跃升式增长，而底层算力成本的降落速度已超过 token 定价的降幅，超大规模云厂商和大模型提供商的毛利率拐点或将在未来 3 至 12 个月内到来。据追风买卖台，高盛 5 月 5 日颁布汇报称，该行预计到 2030 年，消费端和企业端 AI 代理计算将推动全球 token 亏损量较 2026 年水平增长 24 倍，达到每月约 120 千万亿个 token；若以 2040 年企业端代理达到峰值选取率推算，这一数字将进一步扩大至 55 倍。与此同时，高盛的揣度价值与成本曲线显示，主流大模型 token 定价已从此前每年约 40% 的降幅趋于不变甚至幼幅回升，而英伟达、AMD、谷歌 TPU 及 Trainium 等芯片驱动的每 token 算力成本仍在以每年 60% 至 70% 的速度持续降落，两条曲线的剪刀差在为行业打开利润空间。AI 基础设施的大规模本钱开支，或将因利润率改善而获得更可持续的经济支持。 Token 经济学拐点：成本降落快于价值，利润空间在打开高盛汇报的主题论点在于，AI 行业正从 " 推理经济不确定、可能摊薄利润 " 的阶段，迈向 "token 增量以具吸引力的边际利润落袋 " 的新阶段。在 AI 周期的第一阶段，投资者普遍将算力和 token 视为成本驱动成分——更多使用意味着更多推理负载、更多加快器、更多电力和更高本钱开支。但高盛的揣度价值与成本曲线批注，这一逻辑在产生转变。主流大模型 token 定价虽已大幅降落，但目前已趋于不变，部门情景下甚至出现回升；与此同时，英伟达、谷歌 TPU（博通）、AMD 和 Trainium（Marvell）的每 token 全成本仍在急剧且持续地降落。若 token 定价不变在高于 token 成本的水平，则智能体 AI 选取率的提升将带来正向利润扩张，而非仅仅是收入增长。高盛进一步指出，智能体 AI 可能形成自我强化的经济飞轮：更低的每 token 算力成本催生更丰硕、更复杂的代理；更丰硕的代理通过更长的高低文、更多循环、更多验证和持续监控亏损更多 token；更高的利用率改善 AI 基础设施的经济性，进而支持提供商持续投入模型质量和分发能力。高盛以为，这一飞轮与市场上 "AI 使用将带来不成持续成本职守 " 的主流叙事截然分歧。不外，高盛也提醒风险：并非所有 AI 工作负载都能保障实现正向利润拐点。对于商品化水平较高的纯文本谈天机械人，竞争仍可能迫使 token 定价的降落速度快于算力成本。 消费端代理：从碎片化对话到 " 常驻 " 副手，token 亏损将增 12 倍高盛估计，到 2030 年消费端 AI 代理可将全球 token 亏损量提升 12 倍，每月新增约 60 千万亿个 token。汇报将消费端代理分为两类：一是 " 按需型 " 代理，如 OpenAI Operator、Claude Code 等浏览器端代理，由用户提议工作后自主规划、执行并返回了局；二是 " 常驻型 " 代理，如持续在后盾运行的邮件监控、日程治理或数字生涯副手。高盛以为，最大的 token 亏损跃升将产生在代理从用户提议工作转向持续后盾运行的阶段——代理持续监控高低文并在必要时自动行动。从仿照数据来看，通常 LLM 谈天机械人每次会话亏损约 1,000 个 token，嵌入式 Copilot 每天亏损超过 5,000 个 token，而常驻型代理每天的 token 亏损量可超过 100,000 个。高盛预计，到 2030 年逐日 AI 查问量将从 2025 年的约 50 亿次增至约 230 亿次，其中最多 30% 将流向搜索、购物、旅杏注邮件及幼我出产力等领域的代理。与此同时，传统搜索引擎在查问量中的份额预计将从 2025 年的 68% 降至 2030 年的 36%，LLM 原生利用的份额则将从 12% 升至 31%。 企业端代理：工作流复杂度驱动 token 强度，2040 年亏损量或达 55 倍高盛预计，企业端 AI 代理将成为最大的 token 乘数，到 2030 年推动全球 token 亏损量增长 24 倍，到 2040 年峰值选取时进一步增至 55 倍，届时企业端工作负载将占全球 token 总使用量的 70% 以上。企业端代理之所以比消费端代理更具 token 强度，在于其工作流要求代理执行更复杂、更精确的操作——监控工作、检索高低文、推理异常、验证输出、更新系统并在整个工作日中持续上报问题。此表，企业代理往往涉及更沉的多模态输入（语音、图像、文档、屏幕活动、利用数据、日志及结构化系统纪录），这将显著提升 token 强度。高盛通过构建仿照代理对分歧职业的 token 亏损进行了量化测算。了局显示，编程代理每天亏损约 700 万个 token，API 成本约为 13 美元 / 天，远低于人为成本，这诠氏缢为何软件开发领域的代理选取速度最快；呼叫中心代理每天亏损约 200 万个 token，但若依赖实时语音处置，成本可高达 92 美元 / 天，使全面语音自动化在经济上仍不具竞争力；数据录入代理每天亏损约 2,500 万个 token，成本约为 60 美元 / 天，仍低于人为成本。高盛指出，企业端代理的选取速度将取决于 token 量、API 成本、模态组合和执行复杂度四个变量。以文本为主、工具生态成熟的工作流将率先规；；以语音为主或深度集成后盾系统的工作流则可能进展较慢。从选取曲线来看，高盛以为企业端智能体 AI 最可能遵循 S 型曲线，预计峰值选取率约为 35% 至 40% 的知识工作者，达峰功夫约为 15 年，快于汗青技术扩散的中位数（29 年）。 本钱开支可持续性：利润改善为超大规模云厂商提供更大空间高盛汇报的一个关键投资结论是：超大规模云厂商利润率的改善，将使当前高企的基础设施投资更具可持续性，从而化解市场对 AI 本钱开支回报的主题疑虑。汇报指出，目前运营商在满足当前及未来算力需要方面仍受供给约束，谷歌和 Meta 均已上调 2026 财年本钱开支预期，亚马逊治理层在一季度财报后也沉申了维持高本钱开支的战术。高盛预计，随着利润拐点邻近，投资者将越来越多地寻找回报可见性的证据。在具体标的方面，高盛对亚马逊的主题逻辑在于 AWS 收入增速沉新加快（一季度同比增长 28%），并占有 3,640 亿美元的收入积压订单；对谷歌的见解基于其云业务一季度同比增长 63%、积压订单环比近乎翻倍至约 4,600 亿美元；对 Meta 的判断则基于其告白业务增速显著超过数字告白行业整体，以及 AI 算力在提升用户参加度和告白变现方面的持续贡献。在软件领域，高盛以为更低的 token 成本使软件厂商更容易将代理嵌入现有产品而不显著影响毛利率，同时支持萦绕成就、出产力或工作单元而非单纯席位数量进行定价，从而扩大软件可寻址市场。对于 IT 服务公司，随着代理将 AI 消费从独立工具转向企业级、高集成度的工作流刷新，对集成、治理和托管编排的需要将大幅提升，Accenture 被视为这一趋向的重要受益者。