AI并非泡沫：Agent范式如何重塑产业与算力需求

从质疑到确信：为何当前AI浪潮是结构性增长

当市场仍在为“AI是否存在泡沫”而争论不休时，一种更深层次的范式转换正在悄然发生。科技分析平台Stratechery创始人Ben Thompson近期修正了他的观点，指出当前AI的发展并非投机泡沫，而是由技术根本性跃迁驱动的结构性增长。这一判断的转变，源于对大语言模型（LLM）进化路径的深刻洞察。

LLM能力的三次革命性跨越

理解当前AI格局的关键，在于认清大语言模型已经完成的三个关键阶段演进。

1. 启蒙时代：ChatGPT的惊艳亮相

2022年底，ChatGPT的横空出世向世界普及了LLM的潜力。然而，初代模型存在明显局限：它时常产生“幻觉”，输出结果需要人工反复校验。此时，AI更像一个需要高超技巧才能驾驭的“炫技工具”，而非可靠的生产力伙伴。

2. 可靠时代：推理模型的出现

2024年，以OpenAI o1为代表的“推理模型”带来了质变。这类模型的关键突破在于“先思考，再回答”。它们具备自我评估和路径修正能力，显著降低了错误率，将LLM从“可用”提升到了“可靠”的新高度。

3. 自主时代：智能体（Agent）的崛起

真正的转折点出现在2025年底。随着Anthropic Opus 4.5和OpenAI GPT-5.2-Codex等模型的发布，“智能体”从概念走向现实。其核心创新不在于模型本身，而在于“控制层”（Agent Harness）——一个能自主调度模型、调用工具、执行流程并验证结果的软件层。

以软件开发为例的演变：

• 过去： 模型生成代码，开发者手动测试调试。
• 现在： 智能体生成代码、自动运行测试、发现错误后自主重试，直至任务完成。

这意味着AI正从一个需要人类持续干预的“工具”，转变为一个可以托付复杂任务的“执行系统”。

智能体如何颠覆需求与成本结构

范式转换带来了需求结构的根本性变化，这解释了为何全球算力持续紧缺。

算力需求的指数级跃升

• 第一阶段： 算力主要消耗在模型训练，推理成本相对较低。
• 第二阶段： 推理成本因更复杂的计算和更高使用频率而大幅增加。
• 第三阶段（智能体）： 单个任务涉及模型的多次调用、工具链的频繁使用，导致算力需求呈爆炸式增长。

“主动性”门槛的降低与效率革命

传统LLM是“被动工具”，需要人类具备“主动性”去提出问题和验证答案。智能体彻底改变了这一动态：它降低了使用AI的认知门槛，使得少数具备战略眼光和主动性的人，能够同时指挥多个智能体，创造出巨大的经济价值。AI的驱动仍然需要“人”，但不再需要“大量的人”。

企业付费的核心逻辑：从增效到替代

消费市场对AI的付费意愿存在天花板，而企业端则展现出强劲动力。企业的核心驱动力不仅在于提升效率，更在于AI对人力资源的结构性替代。

在许多大型组织中，真正推动核心业务前进的往往是少数关键个体。智能体的价值在于放大这些“价值创造者”的影响力，同时大幅减少组织内部的协调与摩擦成本。其结果导向一个更精简、更高产出的未来组织结构，这不仅仅是周期性的成本调整，更可能是根本性的商业模式重塑。

驳斥“泡沫论”：结构性增长的三大支柱

从智能体范式出发，当前AI投资的狂热有其坚实根基：

1. 技术缺陷被系统性解决： 通过算力与架构创新，LLM早期的可靠性问题正被逐步攻克。
2. 需求驱动门槛降低： 智能体使得少数用户即可催生巨大的、可持续的算力需求。
3. 价值创造模式升级： AI带来的不仅是成本节约，更是收入增长和全新的价值创造能力。

这正是全球云服务商和芯片制造商敢于进行大规模资本开支的底层逻辑——它们是对真实、结构性需求的前置响应。

价值链重构：模型商品化命题的再思考

一个普遍担忧是：如果基础模型最终 commoditized（商品化），OpenAI、Anthropic等公司如何保持竞争力？智能体范式提供了新的答案。

真正的价值与利润往往流向“整合层”，而非可被轻易替换的标准化模块。正如苹果通过软硬件深度整合避免了硬件商品化，智能体的高效运作极度依赖底层模型与控制层（Harness）的深度协同与优化。这种一体化需求使得领先的模型开发商可能成为价值链中不可替代的“整合者”，而非单纯的模型供应商。微软在推出真正可用的智能体产品后，不得不放弃其“模型可替换”策略，便是这一趋势的明证。

结语：正视范式转换的力量

判断一个技术浪潮是否为泡沫，最终要看其是否创造了坚实的底层价值与结构性需求。智能体的出现，标志着AI从辅助性的“工具”转变为支撑未来经济的“执行基础设施”。其经济影响力，或许才刚刚开始显现。当技术本身具备了重塑生产关系和价值创造模式的能力时，简单的“泡沫论”便已无法概括这场正在发生的深刻变革。