Grayscale estimează o creștere de 24 de ori a cererii de tokenuri AI până în 2030

Consumul de tokenuri AI ar putea crește de 24 de ori până în 2030, pe măsură ce modelele mai ieftine și agenții autonomi extind utilizarea, potrivit lui Zach Pandl, șeful departamentului de cercetare al Grayscale. Infrastructura fizică necesară pentru operarea acestor sisteme rămâne însă limitată. Cererea tot mai mare de putere de calcul ar putea depăși câștigurile de eficiență, punând presiune pe centrele de date, pe energia electrică și pe GPU-urile disponibile. Grayscale arată că agenții AI pot consuma de cinci până la 50 de ori mai multe tokenuri decât o interacțiune standard cu un chatbot, ceea ce amplifică cererea de calcul pentru inferență. Într-o postare pe X din 10 octombrie 2026, compania notează că agenții, „dots” de la OpenAI și noile modele mai ieftine ar putea accentua și mai mult această cerere. Modelele AI mai ieftine extind utilizarea Costurile în scădere fac inteligența artificială mai accesibilă pentru aplicații și fluxuri de lucru automatizate. Cel mai recent model Sonnet de la Anthropic costă cu până la 30% mai puțin pe sarcină, potrivit companiei. Competiția din partea modelelor open-weight mai ieftine pune presiune pe prețurile tokenurilor. Tokenurile măsoară textul pe care modelele AI îl procesează și îl generează, iar dezvoltatorii plătesc pentru consumul acestora. Pe măsură ce prețurile scad, companiile pot descoperi utilizări noi pentru AI, acolo unde costurile erau anterior prohibitive. Raportul de cercetare al Grayscale, „Investing for the Compute Bottleneck”, analizează modul în care inteligența mai ieftină poate susține o adoptare mai largă. Agenții AI pot multiplica cererea de calcul „Dots”, lansate recent de OpenAI, sunt agenți mereu activi, concepuți să lucreze la obiectivele utilizatorilor non-stop. Spre deosebire de chatboturile care răspund la întrebări individuale, agenții pot parcurge mai mulți pași într-un singur flux de lucru. Pregătirea unei întâlniri cu un client, de exemplu, poate presupune analizarea notițelor, evaluarea modificărilor din portofoliu și redactarea unei agende. Potrivit Grayscale, astfel de sarcini consumă de cinci până la 50 de ori mai multe tokenuri decât o interacțiune cu un chatbot, în funcție de complexitate. Agenții ar putea genera astfel o creștere substanțială a inferenței, calculul necesar operării modelelor AI. Goldman Sachs estimează că consumul de tokenuri ar putea crește de 24 de ori până în 2030, în principal ca urmare a adoptării agenților. Infrastructura fizică rămâne un blocaj pentru calcul Chiar dacă modelele AI devin mai eficiente, cererea totală de calcul poate crește atunci când utilizarea avansează mai rapid. Asigurarea infrastructurii necesare cere timp. Disponibilitatea energiei, centrele de date și GPU-urile rămân esențiale pentru susținerea volumelor de lucru în expansiune. Oferta lor limitată ar putea încetini creșterea capacității de calcul pe măsură ce adoptarea AI se extinde. Grayscale a citat și CoreWeave, care a raportat recent semnarea de noi contracte la prețuri mai mari pentru calcul, un exemplu care evidențiază presiunea continuă pe prețuri în ciuda costurilor în scădere pentru sarcinile AI. Analiza lui Pandl susține că modelele mai ieftine și agenții mai capabili ar putea stimula utilizarea suficient încât să depășească câștigurile de eficiență. Într-un astfel de scenariu, cererea ar putea avantaja proprietarii infrastructurii fizice de calcul, o resursă limitată.