呢種進取嘅機構性押注，同高盛研究部一份重新定義AI經濟學嘅最新預測不謀而合。該行預計，代理式AI——即係有能力自動執行多步驟任務嘅系統——將會推動全球代幣消耗量去到2030年增加24倍，創造出一個以「百萬億億次」計量嘅全新運算經濟 。

大戶搶籌AI硬件

今次調倉嘅規模相當巨大。高盛分析咗1,059間對沖基金嘅持股，呢班大戶管理緊總共4.6萬億美元嘅股票長倉，發現佢哋押注喺資訊科技板塊嘅淨好倉比重明顯上升 。包括 Point72 Asset Management、橋水基金（Bridgewater Associates）同 D. E. Shaw 呢類大型基金，喺短暫食完一轉糊之後，已經重新建立返喺運算基礎設施同AI半導體相關股份嘅倉位 。

呢個並唔係一個短炒部署。有 BarclayHedge 嘅數據顯示，嗰啲系統性咁將機器學習融入成個投資流程嘅對沖基金，自2023年以嚟，每年嘅表現都跑贏傳統系統性策略3到4個百分點，而且呢個差距仲越拉越闊 。曾經被視為實驗性質嘅優勢，而家已經俾分析師形容為要喺市場競爭中突圍嘅「結構性必需品」 。

喺呢個板塊流轉嘅資金非常龐大。摩根士丹利研究部估計，到2028年，會有近3萬億美元嘅AI相關基礎設施投資喺全球經濟體系中流動，而且超過八成嘅使費都仲未發生 。摩根士丹利將呢場軍備競賽定義為一種「工業化」轉型，而唔係投機性質嘅科技支出，AI嘅應用正由試驗階段，邁向實實在在嘅生產力解決方案 。

2030年嘅代幣經濟：每月120萬億億次消耗

正當資金蜂擁而入支撐AI運行嘅硬件，高盛研究部就提供咗一張量化藍圖，描繪軟件層面將會消耗啲乜。喺一份2026年5月嘅報告入面，高盛高級股票分析師 Jim Schneider 預測，代理式AI會將全球代幣消耗量，由2026年每月約500萬億億次，推上2030年每月約1.2億萬億次（即係120 Quadrillion） 。

增長主要嚟自兩大板塊：

• 消費級代理：預計到2030年，每月消耗量大約係6,000萬億億次，增幅達12倍。呢類代理會喺網購、旅遊訂票、電郵同個人效率工具等範疇運作 。
• 企業級代理：預計同期每月消耗量大約係5,600萬億億次，增幅更達24倍 。

呢股需求背後嘅引擎，係預計AI查詢總量會大幅上升。高盛預期，每日AI查詢次數會由2025年嘅50億次，攀升到2030年嘅230億次，當中高達30%（即係每日大約69億次查詢）會係由非人類代理自動處理 。

2040年展望同埋成本陷阱

高盛認為2030年嘅數字只係一個中途站。該行嘅長線分析顯示，企業級代理將會係AI經濟入面最大嘅倍數效應驅動力，如果企業採用速度達到頂峰，到2040年，代幣消耗量有機會激增55倍 。

不過，份報告並唔係一面倒唱好。高盛明確咁警告，數據質素問題有可能會削弱代理式AI帶嚟嘅預期回報 。另外，仲有一個潛伏嘅成本陷阱：就算AI推理嘅「每代幣價格」持續下跌，但由全天候運作嘅自動代理產生嘅海量代幣消耗，好可能會令企業嘅整體AI成本大幅飆升 。

呢種巨大潛力同重大執行風險並存嘅局面，同其他大行嘅睇法不謀而合。喺2026年嘅AI市場展望入面，摩根士丹利雖然認同AI嘅變革潛力，但同時警告「過度擴張嘅跡象已經出現」，市場可能「醞釀緊一輪創造性破壞」 。對對沖基金嚟講，呢種環境正正製造出波幅同個股分化，係主動型基金經理搵食（產生超額回報）嘅溫床 。

呢種進取嘅機構性押注，同高盛研究部一份重新定義AI經濟學嘅最新預測不謀而合。該行預計，代理式AI——即係有能力自動執行多步驟任務嘅系統——將會推動全球代幣消耗量去到2030年增加24倍，創造出一個以「百萬億億次」計量嘅全新運算經濟 。

大戶搶籌AI硬件

今次調倉嘅規模相當巨大。高盛分析咗1,059間對沖基金嘅持股，呢班大戶管理緊總共4.6萬億美元嘅股票長倉，發現佢哋押注喺資訊科技板塊嘅淨好倉比重明顯上升 。包括 Point72 Asset Management、橋水基金（Bridgewater Associates）同 D. E. Shaw 呢類大型基金，喺短暫食完一轉糊之後，已經重新建立返喺運算基礎設施同AI半導體相關股份嘅倉位 。

呢個並唔係一個短炒部署。有 BarclayHedge 嘅數據顯示，嗰啲系統性咁將機器學習融入成個投資流程嘅對沖基金，自2023年以嚟，每年嘅表現都跑贏傳統系統性策略3到4個百分點，而且呢個差距仲越拉越闊 。曾經被視為實驗性質嘅優勢，而家已經俾分析師形容為要喺市場競爭中突圍嘅「結構性必需品」 。

喺呢個板塊流轉嘅資金非常龐大。摩根士丹利研究部估計，到2028年，會有近3萬億美元嘅AI相關基礎設施投資喺全球經濟體系中流動，而且超過八成嘅使費都仲未發生 。摩根士丹利將呢場軍備競賽定義為一種「工業化」轉型，而唔係投機性質嘅科技支出，AI嘅應用正由試驗階段，邁向實實在在嘅生產力解決方案 。

2030年嘅代幣經濟：每月120萬億億次消耗

正當資金蜂擁而入支撐AI運行嘅硬件，高盛研究部就提供咗一張量化藍圖，描繪軟件層面將會消耗啲乜。喺一份2026年5月嘅報告入面，高盛高級股票分析師 Jim Schneider 預測，代理式AI會將全球代幣消耗量，由2026年每月約500萬億億次，推上2030年每月約1.2億萬億次（即係120 Quadrillion） 。

增長主要嚟自兩大板塊：

• 消費級代理：預計到2030年，每月消耗量大約係6,000萬億億次，增幅達12倍。呢類代理會喺網購、旅遊訂票、電郵同個人效率工具等範疇運作 。
• 企業級代理：預計同期每月消耗量大約係5,600萬億億次，增幅更達24倍 。

呢股需求背後嘅引擎，係預計AI查詢總量會大幅上升。高盛預期，每日AI查詢次數會由2025年嘅50億次，攀升到2030年嘅230億次，當中高達30%（即係每日大約69億次查詢）會係由非人類代理自動處理 。

2040年展望同埋成本陷阱

高盛認為2030年嘅數字只係一個中途站。該行嘅長線分析顯示，企業級代理將會係AI經濟入面最大嘅倍數效應驅動力，如果企業採用速度達到頂峰，到2040年，代幣消耗量有機會激增55倍 。

不過，份報告並唔係一面倒唱好。高盛明確咁警告，數據質素問題有可能會削弱代理式AI帶嚟嘅預期回報 。另外，仲有一個潛伏嘅成本陷阱：就算AI推理嘅「每代幣價格」持續下跌，但由全天候運作嘅自動代理產生嘅海量代幣消耗，好可能會令企業嘅整體AI成本大幅飆升 。

呢種巨大潛力同重大執行風險並存嘅局面，同其他大行嘅睇法不謀而合。喺2026年嘅AI市場展望入面，摩根士丹利雖然認同AI嘅變革潛力，但同時警告「過度擴張嘅跡象已經出現」，市場可能「醞釀緊一輪創造性破壞」 。對對沖基金嚟講，呢種環境正正製造出波幅同個股分化，係主動型基金經理搵食（產生超額回報）嘅溫床 。