Token需求將暴增24倍 高盛：智能體時代來臨 AI產業將迎利潤率拐點 企業AI才是最大戰場

高盛最新研究報告指出，人工智能 (AI) 產業正從「聊天機器人時代」快速邁向「智能體 (Agent) 時代」，而這場轉變不僅將引爆 Token(詞元) 消耗量，更可能推動整個 AI 產業鏈迎來關鍵的利潤率拐點。

高盛分析師預估，到 2030 年，全球 Token 消耗量將較 2026 年暴增 24 倍，達到每月約 120 quadrillion(120 千萬億) tokens。其中，企業級智能體將成為最大成長動能。

報告預估，到 2030 年，全球每日 AI 查詢量將從 2025 年的約 50 億次增加至 230 億次，其中約 30% 將由智能體完成。

高盛指出，真正推動 Token 爆炸式成長的並非傳統聊天機器人，而是「持續在線 (always-on)」的智能體。

與聊天機器人「一問一答」的間歇式互動不同，智能體需要持續監控環境、反覆讀取上下文、自動調用工具並多輪驗證結果，因此 Token 消耗將出現數量級跳升。

根據高盛估算，一般聊天機器人單次對話約消耗 1000 個 tokens，嵌入式 Copilot 每天可能消耗超過 5000 個 tokens，而持續在線的智能體每天 Token 消耗量甚至可能超過 10 萬。

高盛進一步指出，到 2030 年，消費級智能體每月將消耗約 60 千萬億 tokens，企業級智能體則約為 56 千萬億 tokens，全球整體 Token 需求將較目前大增 24 倍。

其中，企業市場才是真正決定 AI 產業規模的核心力量。

報告認為，企業級智能體的 Token 密度與推理需求遠高於一般消費者應用。隨著 AI 逐漸滲透至程式開發、法律研究、供應鏈管理等高複雜度領域，Token 消耗模式將從「人機互動」進一步轉向「機機互動」。

高盛指出，相較於人類輸入，機器之間的持續互動不會疲勞，Token 消耗速度也遠遠更高。

高盛預測，到 2040 年，企業智能體將推動全球 Token 消耗達到目前的 55 倍。

不過，目前企業級智能體仍處於非常早期階段。高盛指出，真正大規模部署的企業不到 25%，且主要集中在客服、IT 維運、銷售支援與企業內部知識庫等領域，多數仍屬於「Copilot 輔助模式」，尚未進入完全自主 Agent 階段。

高盛也特別分析企業部署智能體後的投資報酬率 (ROI)。

報告指出，隨著 Token 成本快速下降，愈來愈多企業工作流程已開始進入「經濟可行區間」。

例如，一套 AI 程式開發智能體每天可能消耗 700 萬 tokens，但每日成本僅約 13 美元。由於程式開發屬於高價值、文本密集型工作，因此 AI 程式 Agent 已開始快速商業化。

相較之下，客服型智能體因涉及即時語音推理，目前每日成本仍高達約 93 美元，因此尚未全面具備取代人工客服的經濟效益。

但高盛認為，隨著推理成本持續下降，未來將有更多企業工作流程實現正向 ROI。

過去兩年，市場對 AI 產業最大的疑慮之一，在於科技企業資本支出 (CapEx) 持續膨脹，但商業回報未必同步成長。

市場原本擔心，AI 使用量越高，推理成本也會同步飆升，導致雲端服務商與模型開發商的利潤率長期承壓。

不過，高盛認為，這項邏輯正在發生根本性改變。

一方面，過去幾年 Token 價格雖大幅下跌，但目前已開始趨於穩定，甚至在部分高品質模型領域出現回升。

另一方面，底層算力成本仍持續快速下降。

高盛估算，在輝達 (NVDA-US)、超微 (AMD-US)、Alphabet 旗下谷歌 TPU，以及亞馬遜 (AMZN-US)Trainium 晶片推動下，單位 Token 運算成本每年約下降 60% 至 70%。

與此同時，領先模型的 Token 定價，在歷經初期價格戰後，已開始逐步止穩。

高盛因此預測，超大規模雲端服務商 (Hyperscalers) 與 AI 模型供應商，有望於 2026 年上半年迎來毛利率轉正的重要轉折點。

報告指出，當運算成本下降速度快於價格下降速度時，未來 Token 需求爆發將直接轉化為 AI 產業的利潤增長。

針對市場近年爭論的「AI 是否將摧毀 SaaS 產業」議題，高盛則持相對樂觀態度。

高盛認為，AI 智能體不僅不會毀滅軟體產業，反而可能進一步擴大整體軟體市場規模 (TAM)。

報告指出，軟體產業商業模式正從傳統「按座位收費 (seat-based)」，逐漸轉向依據生產力、工作成果與勞動產出進行收費。

高盛預估，到 2030 年，智能體相關軟體市場規模將快速擴張。

不過，高盛也提醒 AI 智能體經濟仍存在多項潛在風險。

首先是競爭風險。若模型能力逐漸同質化，市場可能再度爆發價格戰，侵蝕產業利潤。

其次是治理與安全風險。由於智能體具備高度自主性，若出現錯誤，可能導致問題快速擴散，企業將面臨嚴格的合規與安全挑戰。

最後則是效率風險。高盛指出，智能體經濟的最終效果，高度依賴企業內部資料品質與數據整合程度；若數據治理不佳，智能體反而可能大量消耗資源，卻無法帶來對應回報。