ai产业链 当 Agent 跨过十小时门槛：AI 的需求曲线正在从“用户增长”转向“任务长度复利”

信源：ARK Invest｜Big Ideas 2026 Mid-Year Review⁠｜Frank Downing、Jozef Soja、Daniel Maguire、Varshika Prasanna｜2026-09-01

ARK 这场年中复盘列出了四组看似分散的数据：OpenRouter token 量继续暴涨，数据中心系统投入预测再次上修，消费端开始尝试广告与 Agentic Commerce，企业 Agent 能处理的任务则从十几分钟跨到三小时。把它们串起来，视频最重要的信息其实只有一个：AI 的需求函数正在改变。过去主要看用户渗透率，现在还要乘上“每个用户交给 AI 的任务长度、步骤数与调用频次”。当 Agent 从回答问题变成持续工作，算力消耗就不再随用户数线性增长。

OpenRouter 是这个变化的高频温度计。视频称，其周 token 量从2025年底约7万亿升至2026年夏季超过56万亿；而 OpenRouter 当前首页⁠显示，月处理量已超过300万亿，说明56万亿周数据也不是峰值。这个口径不能直接外推到整个AI市场：它同时统计输入与输出 token，混合了免费、低价和高价模型，也会受到平台份额变化影响。但它仍然说明，模型降价没有让总算力需求下降，反而释放了此前不经济的工作负载。更便宜的 token 最终换来的，往往是更多推理、更长上下文和更复杂的 Agent 循环。

视频里解释这一现象的关键，是 METR 的“任务时间跨度”。这个指标不是说 Agent 能连续工作相同的墙钟时间，而是指在一组以软件工程、机器学习和网络安全为主的任务中，模型对“人类专家需要相应时间完成”的任务达到约50%成功率。视频发布时所用的“三小时”已经落后于 METR当前公开数据⁠：Claude Opus 4.6的点估计约为719分钟，接近12小时；Mythos Preview更高，但已经越过METR标注的16小时可靠测量上限，不宜当成精确数字。

从三小时向十小时以上延伸，意味着使用方式发生了质变。长任务会反复调用规划、搜索、工具、代码执行、测试和纠错，token消耗通常不是随时长等比例增加，而会被多轮验证和失败重试进一步放大。模型能力决定“想不想得明白”，harness则决定“能不能把工作做完”；后者开始成为token需求与商业价值之间的转换器。

收入端已经出现了相同方向的信号，但视频采用的数字在发布时已经偏旧。片中仍以Anthropic约470亿美元、OpenAI约300亿美元的年化收入为例；截至目前，更可靠的最新公开口径是：Anthropic 7月底的年化收入运行率已超过650亿美元⁠，OpenAI也已超过400亿美元⁠。这确实说明应用收入正在追赶基础设施投入，但“年化运行率”只是把最近一个月或短周期收入外推一年，不能等同于全年确认收入，更不能直接代表毛利与现金流。AI公司收入增速很惊人，单位经济性是否同步改善仍是另一道题。

云厂商的数据让这条链条更可信。Google Cloud二季度收入同比增长82%，积压订单达到5140亿美元⁠，Alphabet同时把2026年资本开支指引上调至1950亿至2050亿美元；AWS二季度收入增长37%，Amazon将全年资本开支提高到2200亿美元⁠。这比单纯讨论“8000亿美元数据中心芯片支出”更有解释力，因为后者仍是预测口径，而且不能与包含土地、建筑、电力设备和服务器的CapEx直接比较。至少目前，CapEx上修并非完全脱离订单与收入，而是云厂商仍在容量受限下追赶需求。

但需求闭环首先在企业端成立，消费端还没有。20美元月费很难覆盖重度Agent的推理成本，广告与Agentic Commerce又依赖长期积累的信任、分发和交易闭环。企业客户却可以把Agent价格直接与工程师时间、项目交付速度和业务产出比较，因此编码、研究、客服等高价值任务先出现爆发并不意外。AI商业化最先成熟的曲线，很可能来自少数高价值用户让Agent持续运行数小时。

接下来的约束也因此从芯片数量向系统效率和电力迁移。视频自己承认，新核电大规模贡献更接近2030年以后；这意味着未来几年即使发电项目很多，电网接入、输配电、燃气轮机、储能、内存与网络仍可能决定算力何时上线。新增发电能力长期有助于压低批发电价，但并不会自动降低每个地区的终端电价，局部拥堵、并网周期和新增基础设施的成本回收同样重要。

所以，判断这一轮基建是否过度，不能只看token、ARR或CapEx中任何一条曲线。更关键的指标是每个成功完成任务的总成本、生产环境中的自主完成率、返工率，以及每兆瓦算力最终贡献的毛利。如果Agent时间跨度继续延长，同时单位任务成本下降，今天的基础设施投入可能仍显保守；如果token主要消耗在重试、幻觉和低价流量上，增长就只是把技术浪费包装成需求。

这期视频最值得记住的变化，是AI已经不再只有“用户数”这一条增长轴。任务长度、Agent并行度和工作流复杂度正在成为第二条增长轴。它们一旦与渗透率相乘，AI基建周期就会比互联网时代更长，也会把价值继续推向harness、内存、网络和电力系统。下一阶段最重要的问题，不是AI会生成多少token，而是多少token能稳定地变成完成的工作。