AI的重新定价：对冲基金加倍下注，高盛勾勒3万亿美元代币经济蓝图

这远非一次简单的战术性交易。根据巴克莱对冲基金的数据，自 2023 年以来，那些在投资全流程中系统性地整合了机器学习技术的基金，其年化表现持续优于传统系统性策略 3 到 4 个百分点，且这一优势差距仍在扩大 。分析师们已将这项曾被视为实验性手段的技术，描述为获取可观回报的“结构性必需品” 。

涌入该领域的资本体量极为庞大。摩根士丹利研究部估计，到 2028 年，将有近 3 万亿美元的资金流入全球 AI 相关基础设施领域，而其中超过 80% 的支出尚未发生 。摩根士丹利将此次建设潮定性为一场“工业化”转型，而非投机的技术支出，AI 的应用正从试点项目过渡到实实在在的生产力解决方案 。

2030 年的代币经济：每月 120 千万亿代币的消耗量

正当资本疯狂涌入 AI 底层的硬件时，高盛研究部为软件层将消耗什么提供了一幅精确的量化蓝图。在 2026 年 5 月的一份报告中，资深股票分析师 Jim Schneider 预测，代理式 AI 将促使全球代币消耗量在 2030 年攀升至每月约 120 千万亿个，而 2026 年的这一数字还仅是约 5 千万亿个 。

这种增长主要来源于两大阵地：

• 消费级智能体：预计到 2030 年，月均代币消耗量将达到约 60 千万亿个，增长 12 倍。这些智能体将广泛应用于网购、旅行预订、电子邮件处理及个人生产力工具等场景 。
• 企业级智能体：预计同期月均代币消耗量将达到约 56 千万亿个，增长达到 24 倍 。

这股需求爆发的底层驱动力来自 AI 查询总量的预计攀升。高盛预计，每日 AI 查询量将从 2025 年的约 50 亿次上升至 2030 年的 230 亿次，其中高达 30% 的查询——即每日约 69 亿次——将由自主运行的非人类代理式 AI 处理 。

2040 年的远景与成本陷阱

在高盛看来，2030 年的数据不过是一个中途里程碑。该行的长远分析显示，若企业端的采用率达到峰值，企业级智能体将是 AI 经济中最大的乘数因子，或将在 2040 年推动代币消耗量增长 55 倍 。

然而，这份报告并非全然的乐观。高盛特别警示，数据质量问题可能削弱代理式 AI 带来的预期回报 。此外，一个迫在眉睫的成本陷阱正逐渐浮现：即便 AI 推理的单个代币价格持续下降，由全天候不间断运行的自主代理人所产生的庞大代币消耗量，仍可能导致企业的总体 AI 支出急剧攀升 。

这种“巨大潜力与重大执行风险并存”的双面性，与其他主要机构的观点不谋而合。摩根士丹利在关于 AI 市场的 2026 年展望中，在承认人工智能变革性潜力的同时，也警告“过热的迹象正在显现”，市场可能“已到了经历一轮创造性破坏的成熟时机” 。对善于在波动中捕捉机会的对冲基金而言，这种环境无疑将催生出主动管理者用来创造超额收益的波动性与分散性 。