3月26日，巴克莱发布最新研究称，2025年全球AI算力可支持15-220亿个AI Agent，似乎足以满足美国和欧盟的绝大部分需求。而同日TD Cowen分析师称支撑人工智能运算的计算机集群供过于求。

　　巴克莱研报指出，AI行业需要从“无意义基准测试”转向真正有用的Agent产品部署。同时巴克莱分析师表示：

　　算力供需：过剩还是不足？

　　关于AI算力的供需平衡，巴克莱展示了几个核心发现：

　　算力供应虽然表面上充足，但面临结构性挑战。巴克莱明确表示：

　　如果Agent产品真正起飞并对消费者和企业用户非常有用，我们可能需要1）更便宜、更小但性能同样高的基础模型；2）更多推理芯片安装；以及3）可能需要将已安装的训练GPU重新用于推理。

　　这表明，虽然目前总体算力看似充足，但针对高效、低成本Agent产品的专用算力仍有较大缺口。巴克莱指出这意味着，在AI Agent赛道上，具有高效推理成本结构和专注开发小型高效模型的公司可能拥有更大竞争优势，而仅依赖大模型而不考虑单位经济学的公司可能面临更大挑战。

　　推理成本：AI Agent的经济学挑战

　　巴克莱指出AI Agent的推理成本正成为行业发展的核心考量因素：

　　：相比传统聊天机器人，Agent产品每次查询生成约10,000个Token，是聊天机器人的25倍，这极大增加了推理成本；

　　：以年度订阅成本计算，基于OpenAI o1模型的Agent产品成本高达2,400/年，而基于DeepSeekR1模型仅需88/年，后者提供了15倍于前者的用户容量；

　　：OpenAI计划推出的超级Agent产品，这类高端产品将消耗更多Token，每月高达3,560万个，每日查询次数可达44次，远超普通Agent的2.6次。

　　从单位经济学角度看，以Token计价的模式将决定不同模型的市场竞争力。正如巴克莱研究指出：

　　这证明了低推理成本的重要性。由于其自主性质，Agent AI产品的Token消耗趋势远高于聊天机器人。

　　此外，巴克莱分析师表示，虽然“超级Agent”有潜力，但其高昂的推理成本可能限制其大规模应用。投资者在评估此类产品时，应谨慎考虑其经济可行性。