華爾街的雙重押注：資金大舉湧入AI硬體，高盛描繪3兆美元代幣消耗藍圖

這不僅僅只是戰術性交易。根據BarclayHedge的數據，自2023年以來，將機器學習系統性整合到投資流程中的對沖基金，其年度績效平均比傳統系統性策略高出3到4個百分點，且此差距仍在持續擴大。過去被視為實驗性利基的技術，如今已被分析師描述為追求競爭性回報的「結構性必要條件」。

投入該領域的資金流量極為可觀。摩根士丹利（Morgan Stanley）研究部估計，至2028年將有近3兆美元的AI相關基礎設施投資在全球經濟體系中流動，且其中超過80%的支出尚未發生。摩根士丹利將此建設潮定義為「工業級」的典範轉移，而非投機性的科技支出，顯示AI的採用正從試行階段，邁向可量化的實質生產力解決方案。

2030年的代幣經濟：每月消耗120萬兆枚代幣

正當資金瘋狂湧入驅動AI的硬體之際，高盛研究部替軟體層的消耗量提供了量化藍圖。在2026年5月的一份研究報告中，資深股票分析師吉姆·施耐德（Jim Schneider）預測，代理式AI將使全球代幣消耗量在2030年前達到每月約120萬兆枚，相較於2026年的每月5萬兆枚大幅躍升。

這波成長主要拆分為兩大戰線：

• 消費級代理：預估至2030年每月消耗約60萬兆枚代幣，成長幅度達12倍。這些代理將廣泛運作於線上購物、旅遊預訂、電子郵件以及個人生產力工具等場景。
• 企業級代理：預估每月消耗約56萬兆枚代幣，同期漲幅高達24倍。

支撐此一需求的核心引擎，來自於預測中全面攀升的AI查詢總量。高盛預期，每日AI查詢量將從2025年的50億次，增長至2030年的230億次；且其中高達30%（約每日69億次）的查詢，將由全天候自主運作的非人類代理AI負責執行。

2040年的長遠展望與成本陷阱

對高盛而言，2030年的預測數據僅是中繼點。該行長期的分析顯示，企業級代理將是AI經濟中最大的倍數引擎，若企業採用率達到頂峰，代幣消耗量有機會在2040年前一舉飆升至55倍。

然而，該報告並非一面倒地看好。高盛特別警示，惡劣的資料品質問題可能打折扣代理式AI預期的投資報酬。此外，即將浮現的「成本陷阱」亦不容忽視：即便AI推論的每枚代幣單價持續下滑，但由全天候運轉的自動代理所消耗的總代幣量實在太過龐大，導致企業整體支出的AI成本可能反而急遽暴增。

這種「龐大潛力」與「顯著執行風險」並存的雙重特性，與其他主要機構的展望相互呼應。摩根士丹利在2026年展望中一面肯定AI的顛覆性潛力，一面也警告「過熱的跡象正在浮現」，市場可能「已臻至創造性破壞的階段」。對對沖基金而言，這種環境正好催生出主動式管理者用以創造超額報酬的波動性與標的離散度。