價值六兆美元的 Anthropic （四）

在這裡，我們要借用一份高盛的第三方研究報告作為外部對照。高盛採由下而上（bottom-up）建模：先模擬各類 Agent 執行任務的完整流程、逐步計算單次任務的 token 消耗，再乘以使用頻率與普及率（參考《AI Agents Forecast to Boost Tech Cash Flow as Usage Soars》）。

報告預測，到 2030 年，全球每月token 處理量將達到 12 萬兆億 token，約 2026 年目前計算需求量的 24 倍。

消費端（Consumer）

• 高盛預測，到 2030 年，代理式 AI 將使消費端的 token 消耗量成長 12 倍。驅動力來自 AI Agent 深入日常消費場景：線上購物代理、手機端的任務接管（cell phone takeovers）、個人助理式的常駐 Agent 等。這類應用的特點是單一用戶基數極大、普及速度快。LLM 每日查詢量預計以約 40% 的年複合成長率增至 2030 年的 110 億次，其中越來越高的比例由 Agent 自主發起而非人工輸入。

• Agent 與傳統聊天機器人的單位消耗差距是關鍵：一般聊天互動單次約 1,000 tokens，常駐型 Agent 每天可消耗超過 10 萬 tokens，等於一個 Agent 用戶抵得上上百個傳統用戶。依高盛的模型，消費端到 2030 年約貢獻新增 60 quadrillion tokens/月。

企業端（Enterprise）

• 企業端的曲線則是「起步慢、後勁強」。高盛預測 2030 年僅有 12% 的知識工作者會使用代理式 AI。採用需要時間，因為涉及流程改造、資安合規與系統整合；但到 2040 年這個比例將升至 37%，呈現非常長尾的採用曲線。

• 企業端的爆發力來自於單位消耗量遠高於消費端。根據高盛估計，嵌入式 Copilot 每天逾 5,000 tokens，編程 Agent 每天約 700 萬 tokens，資料輸入 Agent 每天更可達約 2,500 萬 tokens。也就是說，每滲透一個知識工作者職位，帶來的 token 需求是消費端用戶的數百倍到數千倍。

高盛指出成長的引擎正是我們反覆討論的同一件事：永遠在線（always-on）的企業 agent 不知疲倦地監控環境、呼叫工具、循環驗證、產出結果；

如果企業級 Agent 達到全面採用，到 2040 年全球 token 需求可達目前的 55 倍，且屆時企業端將佔全球 token 使用量的 70% 以上。

表一 AI Agent 的 Token 消耗量