{"id":"raw_e6f22b5f59f9d1b9","account":"mubei","brand":"@mubei","title":"AI一旦开始自己干活，背后的算力消耗直接被拉爆了。 黄仁勋： 现在 AI 开始具备生产力，Token 的消耗量彻底冲到了…","summary":"AI一旦开始自己干活，背后的算力消耗直接被拉爆了。 黄仁勋： 现在 AI 开始具备生产力，Token 的消耗量彻底冲到了天上，GPU 的需求也跟着冲到了天上。 很多人第一反应是，这不又是卖芯片的在喊口号吗？ 我们把这件事拆开看，看看里面的账是怎么算的。 过去我们用 AI，本质上是…","body":"AI一旦开始自己干活，背后的算力消耗直接被拉爆了。\n\n黄仁勋：\n现在 AI 开始具备生产力，Token 的消耗量彻底冲到了天上，GPU 的需求也跟着冲到了天上。\n\n很多人第一反应是，这不又是卖芯片的在喊口号吗？\n我们把这件事拆开看，看看里面的账是怎么算的。\n\n过去我们用 AI，本质上是人机对话。\n你问它一个问题，它给你吐出一段回答。\n你打字花十秒，它生成花三秒。\n一次交互，几百个 Token，顶多两三千个。\n这种消耗模式，瓶颈死死卡在人类身上。\n一个人一天能打多少字，能读多少页屏幕？\n全世界人类不吃不喝坐在电脑前狂聊，算力消耗也是有天花板的。\n\n但智能体完全是另一回事。\n黄仁勋给智能体拆了五个基本件：\n底座大模型、控制线束、运行沙盒、知识库，加上外部工具。\n线束把模型装进沙盒，像外骨骼一样，让它去调工具、查资料。\n\n这时候它不再是陪聊，是在真正接活干。\n举个最简单的例子。\n你让它去查一家公司的财报，找出上季度的毛利异常。\n如果是传统的聊天助手，它可能直接去网上搜两篇文章，拼凑个大概给你。\n而一个真正的智能体，拿到任务之后，整个链路是在后台自己跑的。\n\n它先调用搜索工具，抓取十几份原始财报。\n把几十页 PDF 读进内存，这就是几万个 Token。\n读完之后它要推理：这些数字之间为什么对不上？\n在沙盒里写了一段 Python 代码去验算，发现数据格式有错，报错了。\n它自己看报错信息，推倒重来，改好代码再跑一遍。\n跑出结果，再拿去跟知识库交叉对比。\n觉得逻辑通顺了，最后才把一张整整齐齐的表格推到你面前。\n\n你看到的，只是屏幕上几十个字的最终结论。\n但就在这短短半分钟里，它在后台自己思考、调用工具、推演纠错、反复迭代，已经悄悄烧掉了几十万个 Token。\n更关键的是，这个过程不需要人盯着。\n一个人类员工下班了，后台上百个智能体还在沙盒里 24 小时不停地思考、试错、写代码、查数据。\n\n以前的算力消耗，上限取决于人类打字和阅读的生理速度。\n现在的算力消耗，上限变成了机器调用机器的死循环。\n只要智能体干的活真的有用，企业能省下真实的人力成本，这个后台的算力轮子就会一直疯狂空转下去。\n这也难怪黄仁勋在镜头前面笑得合不拢嘴。\n因为从这一刻开始，机器已经学会自己雇佣机器了。 https://x.com/YahooFinance/status/2115191305391243471/video/1","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2115375049888702944","translated_status_id":"2115375049888702944","published_at":"2026-10-28 09:41:50","created_at":"2026-10-28 09:41:50"}