GPT-6 之後，算力暴漲的故事又講得通了？

9月3日GPT-6 Astra發布後，半導體和內存股率先反彈。 9月4日，SOXX單日上漲3.5%，Micron漲6.1%，SanDisk漲11.9%；9月7日，韓國KOSPI上漲4.61%，Samsung Electronics漲5.7%，SK hynix漲約8%。
在此之前，市場對AI資本開支過熱、算力需求見頂的擔憂，已經讓相關板塊震盪了相當長一段時間。MarketWatch甚至直接把這一次上漲形容為，Astra"重新點燃了memory-chip trade"。

《The Nvidia Way》作者、前Barron's科技記者Tae Kim給出了一個更激進的解釋：AI可能正在迎來過去四年裡的第四輪指數級算力需求增長。

前三輪分別來自Chatbot、Reasoning和Coding Agent，第四輪有可能是Astra這次重點展示的Computer Use。Kim的邏輯是：Chatbot讓數億人開始消耗推理算力，Reasoning讓每一次回答需要更多計算，Coding Agent又讓模型從"回答一次"變成連續工作幾十分鐘甚至數小時。現在，Computer Use把持續運行的Agent從程序員擴展到Excel、Blender、CAD、Power BI和瀏覽器裡的普通知識工作。

Kim長期關注Nvidia和半導體投資，他創辦的Newsletter Key Context本身就以科技投資判斷為核心，近期文章也長期偏多AI基礎設施。

因此，"第四輪指數增長"首先是一個AI算力多頭提出的投資假設，並不是已經被驗證的產業規律。但它出現的時間點很微妙。

Astra發布前，Agent範式剛剛經歷了一輪"能力撞牆"的懷疑：短任務越來越強，一旦進入長程、多步驟和真實軟件環境，可靠性還是明顯下降，從而也傳導到了開頭所提到的算力見頂的質疑。Agent的能力天花板打不開了，算力繼續增長的故事就講不通了。

Astra真的能掀開這個天花板嗎？

每1個人類工作日已經對應3.1個Agent工作日

AI算力前三輪"指數增長"，指的是過去幾年AI每改變一次使用範式，一個用戶能夠消耗的計算量都明顯上了一個台階。

ChatGPT讓推理第一次進入大眾市場；Reasoning（推理）模型開始願意為了一個問題進行更長時間的內部計算；到了Coding Agent，一個簡單指令背後可以觸發讀代碼、修改、測試、檢查錯誤和再次修改的連續循環。

同時，Agent已經開始突破"一個人一天只能工作8小時"的物理限制。

OpenAI 9月6日剛剛披露了一組內部數據。到今年8月中旬，公司研究人員中，使用量位於50分位的，每人每天使用Coding Agent所對應的推理量，按公開API價格折算已經超過600美元 ；使用量位於90分位的研究員每天超過7000美元 。而據Business Insider根據OpenAI數據整理，7月時中位值還只有約162美元，相當於一個多月增長了近3.7倍。圖：截至8月中旬，OpenAI研究部門每1個人類工作日已經對應3.1個Agent工作日；中位研究員每天使用的Agent推理量按API價格折算超過600美元

這是把內部使用量按照API價格折算，意義更接近"單用戶推理強度"。

6月之前，OpenAI研究部門所有Agent的運行時間加起來，還沒有超過研究人員自己的工作時間；到了8月中旬，每1個人類工作日已經對應3.1個Agent工作日。越來越多研究人員還會同時運行多個Agent。

這意味著，Agent範式之後，一個用戶背後開始出現多個可以並行工作的"數字進程"，它不再受"人的輸入速度"的物理限制。現在一個人可以讓三四個Agent持續工作，甚至讓Agent再創建sub-agent。

算力需求的計量單位，也可能因此變成：一個用戶背後同時運行多少個Agent，以及這些Agent每天工作多少小時。

Computer Use拓展了工作空間

Coding Agent雖然增長很快，但它仍然有一個明顯邊界，大部分運行多個Agent任務的，都還是程序員群體，而程序員只是全球知識工作者的一小部分。

Computer Use把空間拓展得更大了。Astra發布後，Kim自己做了一個測試。他此前不會用Blender，於是讓Astra在一台Mac上研究航天飛機、打開Blender並完成3D建模。大約10分鐘後，一個可以旋轉查看的模型被做出來。

普通對話大致是"輸入---推理---輸出"；Coding Agent變成"讀代碼---推理---修改---測試---再推理"；Computer Use進一步變成"看螢幕---理解介面---決定操作---執行---等待結果---重新觀察---驗證---糾錯"。

一個人類十分鐘完成的任務，AI背後可能經歷幾十輪視覺理解、推理和工具調用。

而一旦這套能力從瀏覽器和代碼編輯器進入Excel、Salesforce、SAP、Power BI、Photoshop、CAD和各種企業內部系統，潛在用戶就擴大成為幾乎所有坐在電腦前工作的知識勞動者。

這就是Kim所謂"第四輪需求"的核心：

Coding Agent想吃掉程序員的電腦時間，Computer Use想吃掉所有白領的電腦時間。

但到目前為止，這仍然只是可能性。

OpenAI沒有公布Astra發布後的Computer Use任務量，也沒有公布單用戶每天Token、GPU利用率或推理吞吐量的日級曲線。因此還不能板上釘釘地證明"Astra已經帶來了第四輪算力增長"。

算力真的已經開始吃緊了嗎？

Astra發布之後，騰訊科技注意到，一些開發者社區出現了一個很難量化、但值得注意的反饋：不同地區和不同帳號的使用體驗似乎開始出現差異。

部分亞太開發者反映，近期ChatGPT和Codex響應變慢，複雜任務的穩定性也不像美區帳號。社區習慣於把這種體驗直接稱為"降智"。

至少其中一部分並非完全是主觀感受。

9月4日，OpenAI官方狀態頁曾單獨報告亞太地區服務出現性能下降，影響包括ChatGPT、Work、Codex Cloud等多個產品。 四天之後，OpenAI又宣布與Nvidia支持的數據中心運營商Firmus達成多年協議，將從馬來西亞兩座數據中心獲得專用計算能力。

同樣，目前也沒有證據證明OpenAI因為Astra負載上升，對亞太用戶降低了模型推理預算或者切換了更弱模型。

所謂"亞太降智"，至少還可能混雜三種不同因素：區域基礎設施和路由問題、帳號級風控和速率限制，以及高峰期動態資源調度。它們在用戶端都可能表現為更慢、更容易失敗、工具調用中斷，甚至讓複雜任務最終答案變差。

但這些反饋仍然提供了另一種觀察AI算力壓力的方法。

當模型越來越能持續消耗計算時，供給吃緊可能先表現為不同地區、不同帳號之間延遲、失敗率和服務質量開始出現波動。

問題是，這個判斷目前仍然缺一組最關鍵的數據：

同一模型、同一套餐、同一任務，在不同區域的首Token延遲、總推理時間、工具成功率和最終任務完成率到底有沒有穩定差異。

在拿到這些數據以前，"降智"只能是線索，不能成為算力緊張的證據。

圖：9月8日，有用戶曬出GPT-6 Astra"容量已滿"的提示，並稱自己的4個帳號均無法正常使用，系統建議切換其他模型。Tibo轉發時調侃稱"we are so back（我們又回來了）"，把"模型滿載"視為AI需求重新升溫的信號。

資本市場又開始下注了

雖然Astra發布後的真實算力使用曲線還沒有公開，資本市場已經提前交易了"AI需求還沒有見頂"這個故事。

MarketWatch統計，Astra發布後，iShares Semiconductor ETF一度上漲約3.5% ，Samsung、SK hynix、Kioxia等內存相關公司表現更強。外媒報導甚至直接把這輪行情描述為Astra"重新點燃了memory-chip trade"。

值得注意的是，這輪上漲最醒目的不是Nvidia，又是內存。

Computer Use如果真的成為持續運行的Agent工作負載，需要增加的也不僅僅是GPU計算。更長上下文、KV Cache、並發Agent、虛擬機、瀏覽器和軟件環境，都可能繼續推高HBM、DRAM、CPU、網絡和存儲需求。

所以資本市場最近交易的並不完全是"GPT-6更強大了"，主要邏輯仍然是：一個更聰明的模型，會不會讓用戶願意購買更多計算。

這也是這一輪AI基礎設施故事與傳統軟件最大的不同。

傳統軟件越優化，同一用戶需要的伺服器資源可能越少。

生成式AI卻可能出現相反的"傑文斯悖論"：模型效率越高、任務成功率越高，人就越願意把更多、更長、更複雜的工作交給AI，最終總算力消耗反而繼續增加。

但需要警惕的是，資本市場同樣有自己的"屁股"。

AI基礎設施在此之前已經經歷了一輪大漲和調整，半導體股票今年也曾因資本開支過熱、雲廠商自由現金流下降而出現明顯回撤。因此Astra帶來的幾天反彈，只能說明投資者重新開始下注，還不足以證明第四輪算力需求真的已經出現。

一筆經濟帳

Kim的判斷最終要成立，還是取決於三個更現實的問題。

第一個仍然是可靠性。

真實企業工作不是一次Demo。一個Agent能不能連續幾小時操作ERP、財務模型或者工程軟體，並在中途出現彈窗、權限變化和數據更新時仍然保持正確，是完全不同的問題。

第二個是成本。

未來Computer Use完成 一小時人類電腦 前 的 等效 工作， 到底 需要花多少錢？

如果AI用10美元完成一名員工50美元的工作，需求很容易爆發；如果需要100美元，市場空間就完全不同。

OpenAI內部600美元/天的數據既說明Agent能夠製造巨大需求，也側面說明，今天這種工作方式仍然可能非常昂貴。

第三個問題：Computer Use會不會最終把自己的一部分需求消滅掉？

現在模型需要看螢幕、找按鈕，是因為現有軟體是給人設計的。一旦Salesforce、Microsoft、Adobe或者企業內部系統開始直接開放API、MCP和Agent介面，大量任務完全沒有必要繼續模擬滑鼠和鍵盤。

最終更可能出現的形態，是Computer Use和Tool Use融合：有結構化介面的地方直接調用，沒有介面、難以改造的舊系統和開放網頁，則繼續靠視覺操作。

所以Computer Use真正打開的市場，未必是"讓AI永遠像人一樣點擊電腦"，而是透過這種"我的人類主人授權讓我點你的軟體，所以你管不著"的方式，讓Agent強硬突破現有的應用生態格局。Agent終於可以進入此前自動化無法覆蓋的最後一大片工作環境。

這也是Kim所謂"第四輪指數增長"真正值得驗證的部分，"Computer Use是敲門磚，還是真的又一次範式改變"？

GPT-6之後，那個一度因為Agent撞牆而變得越來越難講的算力故事，是不是又重新講得通了？

資本市場又開始下注。

生成式AI爆發之後，市場在持續打臉"算力增長"的空頭，這次會不一樣嗎？