---
id: "raw_e6f22b5f59f9d1b9"
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…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: 100
published_at: "2026-10-28 09:41:50"
translated_x_url: "https://x.com/i/status/2115375049888702944"
canonical_url: "https://mubeitech.com/p/raw_e6f22b5f59f9d1b9"
markdown_url: "https://mubeitech.com/p/raw_e6f22b5f59f9d1b9/markdown"
json_url: "https://mubeitech.com/api/posts/raw_e6f22b5f59f9d1b9"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# 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…

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，本质上是人机对话。
你问它一个问题，它给你吐出一段回答。
你打字花十秒，它生成花三秒。
一次交互，几百个 Token，顶多两三千个。
这种消耗模式，瓶颈死死卡在人类身上。
一个人一天能打多少字，能读多少页屏幕？
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。

但智能体完全是另一回事。
黄仁勋给智能体拆了五个基本件：
底座大模型、控制线束、运行沙盒、知识库，加上外部工具。
线束把模型装进沙盒，像外骨骼一样，让它去调工具、查资料。

这时候它不再是陪聊，是在真正接活干。
举个最简单的例子。
你让它去查一家公司的财报，找出上季度的毛利异常。
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。
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。

它先调用搜索工具，抓取十几份原始财报。
把几十页 PDF 读进内存，这就是几万个 Token。
读完之后它要推理：这些数字之间为什么对不上？
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。
它自己看报错信息，推倒重来，改好代码再跑一遍。
跑出结果，再拿去跟知识库交叉对比。
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。

你看到的，只是屏幕上几十个字的最终结论。
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。
更关键的是，这个过程不需要人盯着。
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。

以前的算力消耗，上限取决于人类打字和阅读的生理速度。
现在的算力消耗，上限变成了机器调用机器的死循环。
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。
这也难怪黄仁勋在镜头前面笑得合不拢嘴。
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

---

_Translation: <https://x.com/i/status/2115375049888702944>_
_Canonical: <https://mubeitech.com/p/raw_e6f22b5f59f9d1b9>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-10-28 09:41:50_