Grayscale預測2030年AI token需求將激增24倍

Grayscale研究主管Zach Pandl指出，隨模型成本下降帶動應用與使用量擴大，到2030年AI token消耗量可能增至24倍。AI代理每次互動消耗的token，可能較標準聊天機械人高5至50倍，推高推理運算需求。數據中心容量、電力及GPU短缺或限制AI擴張，並可能支持稀缺運算基建價格上升。 Grayscale於2026年10月10日在X發文稱，AI使用量持續上升，預料2030年token消耗量將增24倍。OpenAI的「dots」等代理及新的低價模型，可能進一步放大運算需求。但支撐運算的實體基建仍是瓶頸。Grayscale稱，運算需求上升可能快過效率改善，加大對現有數據中心、電力及GPU的壓力。 成本下降令AI更易用於各類應用及自動化流程。Anthropic表示，最新Sonnet模型每次任務成本最多低30%。低價開放權重模型的競爭，正對token價格構成壓力。Token用於量度AI模型處理及生成的文字，開發者按消耗量付費。價格下跌，企業或可為AI開發更多以往成本過高的用途。Grayscale研究報告《Investing for the Compute Bottleneck》探討廉價智能如何支持更廣泛應用。 OpenAI近期推出的「dots」是全天候運作的代理，旨在持續朝用戶目標推進。聊天機械人只回答個別問題，代理則可在單一流程中完成多個步驟。例如，準備客戶會議可能需翻閱筆記、分析投資組合變化，以及草擬議程。Grayscale稱，視乎複雜程度，這些任務消耗的token可較聊天機械人互動多5至50倍。代理可望推動推理運算大幅增長；推理即運行AI模型所需的運算。高盛預測，到2030年token消耗量可能增至24倍，主因是代理獲廣泛採用。 AI模型效率雖然提升，但當使用量增長更快，總運算需求仍可上升。供應所需基建需時。電力供應、數據中心及GPU對支撐日益擴大的工作量仍不可或缺。供應有限，或限制運算容量隨AI普及而增長的速度。Grayscale亦引用CoreWeave，後者近期公布以更高運算價格簽訂新合約。該例子反映，即使AI任務成本下降，定價壓力仍持續。Pandl分析認為，低價模型與能力更強的代理，或令使用量增幅足以抵銷效率提升。在此情境下，稀缺實體運算基建的擁有者將受惠於需求。