高盛近日發布的研究報告《解碼代理經濟：AI 使用量與利潤率的即將拐點》（Decoding the Agentic Economy：The Coming Inflection in AI Usage and Margins ）針對外界最關切的核心問題作出回應，指出 AI 的龐大基礎建設投入開始獲利的時間或許比市場預期來得更早。

過去兩年，AI 產業的主流敘事圍繞著「燒錢」二字。推論負載越重，意味著需要更多加速晶片、更大的電力消耗，以及更高的資本支出。

然而，高盛指出，這套邏輯正在發生根本性轉變。

關鍵在於兩條曲線的走勢出現分歧：

• 主流大型語言模型的 Token 定價，歷經長期快速下滑後已逐漸趨於穩定，部分應用場景甚至出現回漲；
• 另一方面，基於輝達 (NVDA-US) 、超微半導體 (AMD-US) 、Google(GOOGL-US) TPU 與 Trainium 等晶片平台的底層算力成本，仍以每年 60% 至 70% 的速度持續壓縮。
• 「價格企穩、成本繼續下降」，這個看似簡單的經濟學現象，卻帶來意義深遠的結論：Token 的邊際利潤率正在改善。

高盛預估，正向毛利率的拐點很可能在 2026 年上半年內出現。這意味著，接下來 AI 使用量的爆發性成長，不再只是一個收入故事，更將是一個利潤故事。

AI 代理：不是更好的聊天機器人，而是全新使用範式

報告的核心研究對象是「AI 代理」。與傳統聊天機器人僅能被動回應不同，AI 代理能夠自主規劃、執行、監控並反覆修正，以完成複雜任務。

高盛將其分為消費級與企業級兩大類，並分別進行深入的量化分析。

消費級代理：從「一問一答」到「永遠在線」

高盛數據顯示，2025 年平均每次 AI 查詢消耗約 1,715 個 Token，大致相當於 3 至 5 分鐘的對話。但這種模式正在被顛覆。

消費級代理分為兩種形態：

• 按需型代理（On-Demand）：由用戶主動發起任務。以旅遊訂票為例，代理需依序完成意圖解析、資訊補全、多輪搜尋篩選、用戶回饋整合、預訂前驗證等十餘個步驟，Token 消耗量遠超一般對話。
• 常駐型代理（Always-On）：持續在背景運作，無需用戶主動觸發，負責監控信箱、管理行程、追蹤價格等任務。高盛模擬顯示，一個全天運作的郵件助理每日消耗超過 10 萬個 Token，是傳統對話的近百倍。

高盛預估，至 2030 年，全球每日 AI 查詢量將從 2025 年的約 50 億次成長至約 230 億次，其中高達 30% 可能由代理處理；消費級代理工作負載將推動全球 Token 消耗量較現行水準成長約 12 倍，每月新增約 60 千兆（peta）個 Token。

企業級代理：精確性驅動，Token 消耗高度不對稱

企業級代理的核心訴求不在便利，而在精確。每一項輸出都必須經過多輪推理、驗證、糾錯與審計，才能真正嵌入業務流程。

高盛針對 AI 暴露度最高的職業，逐一構建模擬代理，拆解具體工作步驟與模型調用邏輯，揭示了一個重要的不對稱性：Token 消耗量與實際 API 成本並不總是成正比：

應用場景	每日 Token 消耗	每日 API 成本	對應人工成本
程式開發代理	約 700 萬	約 13 美元	-
呼叫中心代理	約 200 萬	約 92 美元	約 90 美元
資料輸入代理	約 2,500 萬	約 60 美元	約 80 美元

值得注意的是，呼叫中心代理因依賴即時語音處理，每日 API 成本已略高於人工外包成本，短期內規模化部署仍面臨挑戰；而程式開發與資料輸入場景的經濟可行性則相當顯著，也解釋了為何軟體開發目前是代理採用速度最快的領域。

歷史採用曲線給出的啟示

為預測代理的普及節奏，高盛引用了橫跨 161 個國家、101 種技術、逾 200 年的歷史技術擴散數據庫，從中提煉出三項規律：

1. 不同技術從問世到滲透率達峰的時間差異懸殊，鐵路與固定電話耗時逾百年，ATM 與微創手術技術不到 20 年，中位數為 29 年。
2. 採用曲線形態各異，有 J 型（如 1990 年代的網際網路爆發）、S 型、線性等多種模式。
3. 新技術的峰值滲透率往往高於舊技術，因其傾向於擴大整體市場，而非單純取代既有技術。

據此，高盛做出基線假設：企業級代理採用將呈 S 型曲線，從目前試驗期到 2030 年前後進入加速擴散；達到峰值滲透率約需 15 年，快於歷史中位數。

在峰值狀態（約 2040 年），全球知識工作者中約 37% 的工作流程將由代理處理，屆時全球 Token 消耗量將達到當前水準的 55 倍。

至 2030 年，消費級與企業級代理合計將推動全球 Token 消耗量達到現行水準的 24 倍以上，即每月約 120 千兆個 Token。

一個自我強化的正向飛輪

高盛在報告中描繪了一個正回饋循環：算力成本下降，使更複雜的代理在經濟上可行；更複雜的代理消耗更多 Token；更高的使用率改善 AI 基礎建設的經濟性；更好的經濟性又為模型品質與分發能力的持續投入創造空間。

這套邏輯與市場過往的主流擔憂形成鮮明對比：「AI 使用量越大、虧損越多」的舊敘事，正在被「使用量越大、單位利潤越高」的新邏輯所取代。

高盛也提醒，並非所有 AI 工作負載都能享受此一正向拐點。激烈競爭可能迫使部分標準化聊天產品的 Token 定價繼續走低，降幅甚至超過成本的壓縮速度。

投資布局三條主線

基於上述分析框架，高盛在三大領域提出投資建議：

半導體：首選博通 (AVGO-US) 、輝達與超微半導體。Token 成本持續下降將擴大可尋址的算力市場，而下游客戶利潤率的改善將為持續資本支出創造更多空間。

網路與雲端運算：首選 Alphabet、亞馬遜 (AMZN-US) 與 Meta(META-US) 。高盛特別指出，亞馬遜 AWS 營收增速重新加速至年增 28%，Google Cloud 增速達 63%，Alphabet 營收積壓訂單接近 4,600 億美元。

軟體與 IT 服務：首選微軟 (MSFT-US) 、Cloudflare(NET-US) 與埃森哲 (ACN-US) 。微軟 Copilot 用戶回饋持續改善；Cloudflare 憑藉其網路架構優勢，有望在 AI 推理工作負載中取得超額市場佔有率；埃森哲則將受惠於企業從 AI 試點邁向規模化代理部署過程中，對系統整合與流程再造的龐大需求。