Grayscale研究主管Zach Pandl预测：到2030年，AI代币消耗量可能激增24倍

随着成本降低推动普及率和使用量的提升，AI代币的消耗量有望在2030年前实现24倍增长。AI智能体（Agents）在处理任务时消耗的代币数量可能是标准聊天机器人交互的5至50倍，这将显著增加对推理计算的需求。

廉价AI模型将扩大应用范围

成本的下降使得人工智能更易于应用于各类场景和自动化工作流。据Anthropic公司透露，其最新推出的Sonnet模型每项任务的成本降低了高达30%。与此同时，低价开源权重模型的竞争也给代币价格带来了压力。代币是衡量AI模型处理和生成文本的单位，开发者需为代币的使用量付费。

随着价格下降，企业可能会发现更多此前因成本过高而难以实现的AI应用场景。Grayscale发布的研究报告《投资算力瓶颈》深入探讨了更廉价的智能技术如何支持更广泛的采用。

AI智能体或将倍增计算需求

OpenAI最近推出的“dots”是一种全天候运行的智能体，旨在围绕用户目标持续工作。与仅回答单个问题的聊天机器人不同，智能体可以在单一工作流中完成多个步骤。

例如，准备客户会议可能需要审阅笔记、分析投资组合变化以及起草议程。根据Grayscale的分析，这些任务的代币消耗量可能是单次聊天机器人交互的5至50倍，具体取决于任务的复杂程度。因此，智能体的普及可能会推动推理计算（即运行AI模型所需的计算能力）的大幅增长。高盛预测，到2030年，由于智能体的广泛采用，代币消耗量可能上升24倍。

物理基础设施仍是算力瓶颈

尽管AI模型正变得更加高效，但当使用量的增长速度超过效率提升的速度时，总计算需求仍会上升。然而，提供必要的基础设施需要时间。电力供应、数据中心和GPU仍然是支持不断扩大的工作负载的关键要素。它们的有限供给可能会限制计算能力随AI普及而增长的速率。

Grayscale还引用了CoreWeave的例子，该公司近期报告称以更高的算力价格签署了新合同。这一案例表明，尽管AI任务的成本在下降，但定价压力依然存在。

Pandl的分析指出，更便宜的模型和更强大的智能体所带来的使用量增长，足以抵消效率提升带来的影响。在这种情景下，稀缺物理计算基础设施的所有者将从需求增长中受益。