解析巴克莱研报：AI算力供需与推理成本难题，AI算力遭巴克莱质疑，市场走向何方？

本文围绕巴克莱发布的关于AI算力的研究报告展开，探讨了AI算力的供需情况、面临的挑战以及推理成本等核心问题，分析了不同模型在市场中的竞争力和发展前景。

在TD Cowen之后，巴克莱似乎也加入了唱空AI算力的行列。

3月26日，巴克莱发布了一份最新研究报告。报告指出，到2025年，全球AI算力能够支持15 - 220亿个AI Agent，这一规模似乎足以满足美国和欧盟的绝大部分需求。而就在同一天，TD Cowen的分析师也表示，支撑人工智能运算的计算机集群存在供过于求的情况。

巴克莱的研报着重强调，AI行业需要从“无意义基准测试”转向真正具有实用价值的Agent产品部署。其分析师还表达了以下观点：

首先，AI Agent市场具有巨大的增长潜力。行业现有的算力能够支持大规模的Agent部署，这预示着存在着巨大的市场机会。其次，推理成本是关键因素。低推理成本对于Agent产品实现盈利至关重要，这也将推动市场对更高效的AI模型和算力的需求。最后，开源模型具有重要意义。开源模型将在降低成本方面发挥关键作用，投资者应当密切关注相关领域的动态。

那么，AI算力的供需情况究竟是过剩还是不足呢？

关于AI算力的供需平衡问题，巴克莱在报告中展示了几个核心发现：

从行业推理容量基础来看，2025年全球大约有1570万个AI加速器（如GPU、TPU、ASIC等）处于在线状态，其中40%（约630万个）将用于推理，而在这些推理算力中，约一半（310万个）将专门用于Agent/聊天机器人服务。同时，算力分配正在发生演变。企业客户已经开始转向成本更低的开源模型，例如Salesforce的Agentforce采用了Mistral开源模型（7B - 141B参数），而非最昂贵的专有前沿模型。此外，开源模型的下载量激增。Hugging Face的数据显示，DeepSeek、Llama和Mistral等开源模型的下载量正在迅速增长，并且这一趋势将随着从聊天机器人向Agent的转变而进一步加速。

尽管从表面上看，算力供应是充足的，但实际上面临着结构性挑战。巴克莱明确指出：

如果Agent产品真正实现大规模应用，并且对消费者和企业用户都非常有用，那么市场可能需要以下几方面的改变：一是需要更便宜、更小但性能同样高的基础模型，类似DeepSeek风格；二是需要安装更多的推理芯片；三是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足够，但针对高效、低成本Agent产品的专用算力仍然存在较大缺口。巴克莱认为，在AI Agent赛道上，那些具有高效推理成本结构、专注于开发小型高效模型的公司可能会拥有更大的竞争优势，而仅仅依赖大模型却不考虑单位经济学的公司可能会面临更大的挑战。

推理成本已经成为AI Agent发展过程中绕不开的经济学挑战。

巴克莱指出，AI Agent的推理成本正逐渐成为行业发展的核心考量因素：

一方面，AI Agent生成的Token数量巨大。与传统聊天机器人相比，Agent产品每次查询生成约10000个Token，是聊天机器人（约400个）的25倍，这极大地增加了推理成本。另一方面，不同模型的经济效益差异巨大。以年度订阅成本计算，基于OpenAI o1模型的Agent产品成本高达2400美元/年，而基于DeepSeekR1模型仅需88美元/年，后者能够提供的用户容量是前者的15倍。

此外，超级Agent的需求正在兴起。OpenAI计划推出的“超级Agent”产品，这类高端产品将消耗更多的Token，每月高达3560万个，每日查询次数可达44次，远远超过普通Agent的2.6次。

从单位经济学的角度来看，以Token计价的模式将决定不同模型的市场竞争力。正如巴克莱的研究报告所指出的，这充分证明了低推理成本的重要性。由于Agent AI产品具有自主性质，其Token消耗趋势远高于聊天机器人。

巴克莱分析师还表示，虽然“超级Agent”具有一定的潜力，但其高昂的推理成本可能会限制其大规模应用。投资者在评估此类产品时，应当谨慎考虑其经济可行性。

本文基于巴克莱的研究报告，深入分析了AI算力的供需现状和推理成本问题。尽管当前总体算力看似充足，但针对高效、低成本Agent产品的专用算力存在缺口。同时，推理成本成为影响AI Agent市场竞争力的关键因素，不同模型在经济效益上差异明显。投资者在评估相关产品时需综合考虑经济可行性，而企业在AI Agent赛道竞争中，应注重高效推理成本结构和小型高效模型的开发。