高盛 5 月 5 日發布最新研究報告《解碼智能體經濟》(Decoding the Agentic Economy)，提出 AI 產業正邁向一個關鍵轉折點。報告認為，隨著 AI 智能體 (agentic AI) 逐漸從實驗階段進入企業與消費市場，全球 token 需求將迎來爆炸性成長，同時整個科技產業的利潤結構也將被重新改寫。

高盛預測，到 2030 年，全球每月 token 處理量將達 120 千萬億個，約為 2026 年現有算力需求的 24 倍；若企業端智能體全面普及，到 2040 年需求更可能擴大至 55 倍。

不同於一般從市場規模反推需求的估算方式，高盛科技研究團隊此次採取自下而上的建模方法，實際模擬 AI 智能體執行任務的完整流程，逐步計算 token 消耗，再乘以使用頻率與採用人數，建立需求模型。

高盛指出，AI 產業過去兩年始終存在「使用量增加、成本同步飆升」的矛盾。由於每處理一個 token 都需要消耗大量算力，雲端與模型供應商的毛利率長期承壓。然而，這種局面正在 2026 年出現重大變化。

報告顯示，主流大型語言模型的 token 價格過去每年下降約 40%，但目前價格跌幅已逐漸趨緩，甚至部分服務開始小幅漲價；另一方面，算力成本仍持續快速下滑，包括輝達 (NVDA.US)      、超微 AMD (AMD.US)      、Alphabet 旗下 Google TPU，以及亞馬遜 (AMZN.US)      Trainium 等晶片與加速器平台，均推動 AI 運算成本以每年 60% 至 70% 的速度下降。

高盛認為，當 token 定價趨穩、成本卻持續下降時，AI 產業的利潤空間將迅速擴大。報告指出，2026 年上半年將是 AI 產業從「燒錢擴張期」轉向「盈利改善期」的重要拐點。

高盛強調，真正帶動 token 需求暴增的核心，不是現有聊天機器人，而是 AI 智能體。

目前大部分消費者使用 ChatGPT、Claude 或 Gemini 等 AI 服務時，通常只是提出問題、取得答案後結束對話，平均一次互動約消耗 1700 個 token。

但 AI 智能體不同。它們會持續在背景運作，自動監控郵件、行事曆、工作任務與系統資料，並主動執行工作流程。

高盛模擬的一套郵件管理智能體，每日需消耗約 9.1 萬個輸入 token 與 2.28 萬個輸出 token，單日成本約 0.055 美元，token 消耗量比一般聊天互動高出近 50 倍。

原因在於智能體需要執行多階段推理，包括郵件掃描、分類、資訊提取、內容生成、語氣檢查、合規驗證、安排寄送與記憶更新等流程，每一步都會消耗 token。

此外，企業級智能體還涉及大量循環驗證與錯誤修正機制，使 token 需求呈現非線性成長。

例如高盛模擬的程式開發智能體，每日需處理約 627 萬個輸入 token 與 82 萬個輸出 token，API 成本約 13 美元。雖然數字看似龐大，但相較於軟體工程師的人力成本，已具備相當競爭力。

高盛將消費端 AI 應用分為三個層級。第一層是聊天機器人；第二層是嵌入式 AI 工具，例如搜尋摘要、郵件助理等；第三層則是永遠在線的自主智能體。

報告預估，到 2030 年，全球每日 AI 查詢量將從 2025 年的 50 億次成長至 230 億次，其中約 30% 將流向各類智能體，而非傳統搜尋引擎或聊天機器人。

高盛認為，這將導致搜尋市場出現重大結構變化。傳統搜尋在總查詢量中的占比，將從 2025 年的 68% 下降至 2030 年的 36%，取而代之的是 AI 原生應用與大型語言模型驅動的服務。

企業端市場則被視為最大成長引擎。

高盛估算，到 2040 年高峰期，企業智能體將覆蓋全球 37% 的知識工作者，帶動每月 278 千萬億個 token 需求，占全球總 token 消耗量超過 70%。

由於企業工作流要求高度精準、可審計與可追溯，因此企業智能體的 token 密度遠高於消費端應用。

例如財務分析、資料輸入、客服與醫療記錄管理等場景，都需要大量驗證、工具調用、多模態資料分析與合規檢查。

高盛指出，不同工作類型的成本結構差異極大。程式開發智能體雖然 token 消耗量高，但因主要處理文字，成本相對低廉；相反地，涉及即時語音處理的客服智能體，雖然 token 量較少，但單日成本可能高達 92 美元。

資料輸入類智能體則因需要大量結構化資料驗證，每日 token 消耗可達 2513 萬個，成本約 60 美元。

高盛認為，文字密集、工作流程標準化、工具鏈成熟的職位，將率先被智能體滲透；而涉及語音、多系統整合與高責任追溯需求的工作，導入速度則相對較慢。

報告也研究了 1800 年至 2000 年間、涵蓋 101 種技術與 161 個國家的技術採用歷史資料，發現技術普及速度差異極大。鐵路與固定電話花費超過百年才達滲透高峰，但 ATM 與有線電視不到 20 年即快速普及，中位數約為 29 年。

高盛預測，企業 AI 智能體的採用曲線將呈 S 型發展，2030 年前後進入快速滲透階段，約 15 年達到高峰，快於歷史平均速度。

不過高盛也提醒，數據治理、系統整合、內部流程改造與監管合規等問題，仍將是 AI 智能體全面普及的重要阻力。許多企業可能長期停留在試點階段，難以真正大規模部署。

在投資建議方面，高盛最看好的半導體公司包括輝達 (NVDA.US)      、博通 (AVGO.US)      與超微 AMD (AMD.US)      。

高盛給予輝達 250 美元目標價，認為其在 AI 訓練與推理領域仍維持領先地位；博通目標價 480 美元，主要受惠大型雲端業者轉向客製化 AI 晶片；AMD 目標價 450 美元，高盛看好其資料中心 GPU 與企業 CPU 業務同步受惠。

雲端與網際網路領域方面，高盛偏好亞馬遜 (AMZN.US)      、Alphabet (GOOGL.US)      與 Meta Platforms (META.US)      。

其中亞馬遜 AWS 第一季營收年增 28%，手握 3640 億美元訂單積壓與額外 1000 億美元新合約；Google Cloud 第一季營收年增 63%，未執行合約積壓增至 4600 億美元；Meta 則受惠 AI 廣告工具推動廣告變現效率提升。

軟體與 IT 服務領域，高盛則看好微軟 (MSFT.US)      、Cloudflare (NET.US)      與埃森哲 (ACN.US)      。

高盛指出，微軟 Copilot 企業版使用率持續改善，Microsoft 365 升級循環可能加速；Cloudflare 則在邊緣 AI 推理架構具備優勢；埃森哲則有望受惠企業大規模導入 AI 時所需的大量系統整合與流程改造需求。

不過，高盛也警告，純文字聊天機器人市場競爭正迅速加劇，開源模型不斷壓低價格，商業模型的定價能力正在削弱。

報告認為，只有高 token 密度、高技術門檻、難以被開源模型取代的智能體工作負載，才能真正建立長期利潤擴張能力。

此外，目前企業端 AI 部署大多仍停留在「有人監督的半自動化」階段，距離真正完全自主運行仍有相當距離。高盛坦言，從現階段發展到 2030 年的智能體全面落地，中間仍需經歷大量組織與流程層面的深度變革，而這類變革往往比技術演進更緩慢。