Agentic AI 驱动 Token 放量与单位经济模型分析会议纪要

摘要： 本次会议由中金计算机团队主讲，重点探讨 Agentic AI 带来的 Token 消耗量量级增长及其对 AI 产业链单位经济模型（UE）的影响，分析了从 Chatbot 向 Agent 演进过程中的成本结构与价值分配。

行业主线：

1. Token 需求爆炸式增长：Agentic AI 通过系统提示词、上下文累积（滚雪球机制）、复杂工具调用及多 Agent 协作（树状爆炸），驱动 Token 消耗量大幅提升。预计日均 Token 消耗量将从 2026 年 3 月的 140 万亿增长至年底的 500-1000 万亿。
2. B 端部署打开天花板：企业级部署将触发高频自动化工作流，其吞吐量潜力远高于个人用户，是未来大模型厂商营收增长的核心引擎。

关键变化与分歧：

1. 成本与优化：自建算力成本显著低于租赁。推理优化（如 PD 分离、KV Cache 优化、模型稀疏化）是模型公司降低成本、提升毛利的关键。
2. 定价趋势：同等智能水平的 Token 价格将持续下降，但顶尖模型将通过承担更高价值的任务维持高定价，形成分层趋势。
3. 利润分配：当前产业链利润由算力层（硬件）主导，模型层处于通过营收快速增长以摊薄训练成本、优化推理毛利的阶段，商业闭环正逐步形成。

受益方向与风险：

1. 受益方向：具备强推理优化能力的领先大模型厂商，以及支撑算力需求的 IDC 等基础设施供应商。
2. 核心风险：硬件成本上涨压力，国内模型竞争剧烈导致议价空间受限，以及商业化落地节奏低于预期。