这篇文章给出一套可复算的测算框架。先说结论：现有AI基础设施足够全人类"轻度使用"，大约够十几亿人"中度使用"，但只够约50万～100万个全天候重度Agent集群运转。Agent经济一旦起量，需求是今天的两个数量级以上——这就是算力资本开支看不到头的需求侧逻辑。
本文主要讨论对算力的需求，未来会专门写关于对存储、电力的需求影响。
〇、测算框架：一条换算链
所有AI消耗都可以归到一个统一计量单位——token。任务难度差异，本质是token消耗量的差异；token再向下换算成算力、电力、存储：
任务 → token数 → 算力(FLOP) → GPU·时 → 电力(Wh)
供给侧反过来：全球算力/电力 ÷ 单体日耗 = 可支撑的人数或Agent数
四个关键换算系数（依据见文末，均为2026年规模化推理的"全包口径"）：
| ≈0.5 Wh | ||
| ≈1×10¹¹ FLOP | ||
| ≈5000 token/秒 | ||
| ≈4 KB |
注：单位能耗口径争议大（0.1～2 Wh/千token都有人算），本文取中位区间，所有结论自带±3倍误差带，但不影响数量级判断。
一、一个人的一天：跨度3个数量级
先看单次任务的消耗阶梯——任务难度每上一级，token消耗大约上一个数量级：
把任务组合成一天的画像，分四档（条形图为对数刻度）：
L1 轻度尝鲜：问几句、改个文案 ｜ 1.5万 token · 7.5 Wh（≈手机充电半次）
L2 中度知识工作者：写作+翻译+几十轮对话 ｜ 30万 token · 0.15 kWh（≈笔记本用一下午）
L3 重度专业用户：全天Copilot+几次深度研究+多模态 ｜ 500万 token · 2.5 kWh（≈中国人均一天生活用电）
L4 极限个人：开发者挂着Agent干活 ｜ 5000万 token · 25 kWh（≈电动车充半箱电）
从1.5万到5000万token，一个人的日用量跨度约3300倍，3个半数量级。但注意：L4的"人"其实已经不是人在消耗，而是他名下的Agent在消耗——人每天读得完的token撑死几十万（按400字/分钟×10小时≈30万token），人类的直接消耗存在生理天花板，超出部分全部来自委托给机器的计算。这是理解下一节的钥匙。
二、一个Agent的一天：同样的阶梯，但上不封顶
Agent的消耗逻辑与人不同：它不睡觉、不疲劳、可以并行分身，token消耗与"思考时长"解耦。同样分四档：
| A1 定时任务型 日报、摘要、监控告警 | |||
| A2 工作流型 客服bot单实例、运营自动化 | |||
| A3 自主长任务型 编码/研究Agent连续作业 | |||
| A4 多Agent集群 7×24h规划-执行-验证流水线 |
A1 30万/天
A2 500万/天
A3 1亿/天
A4 10亿/天（对数刻度，实际是A1的3300倍）
这些不是纸面数字：Anthropic企业数据显示编码Agent重度用户月耗2亿～10亿token，有开发者8个月烧掉100亿token（折合每天约4000万）；字节披露豆包日均调用已达120万亿token，增长主力恰恰是"AI视频生成+Agent普及"。一个A4集群一天500度电，相当于一个中国家庭一两个月的用电量，等效把2～3张H100据为己有。
关键结论：人的需求曲线有天花板，Agent的需求曲线没有。token消耗第一次与人类注意力脱钩，需求理论上只受预算和算力供给约束。
三、全球供给盘点：够多少人、多少Agent用？
2026年年中，三类供给的家底：
| 算力 | ||
| 电力 | ||
| 存储 |
交叉验证：实测吞吐500万亿 < 电力口径1200万亿 < 算力理论上限5800万亿，三口径递进自洽（缺口=利用率、峰谷、长上下文开销）。反向验证：500万亿token×0.5Wh/千token≈10.4 GW，与Epoch"全球AI芯片功耗超10 GW"吻合。
用三种口径除以单体日耗，得到本文的核心表格——现有供给可同时支撑的数量：
（实测500万亿/天） | （25GW推理） | ||
| 全人类绰绰有余 | |||
| 全球知识工作者刚好够 | |||
| 仅够头部专业人群 | |||
| 企业级普及即触顶 | |||
| 不到全球程序员的¼ | |||
| 50万个 | 120万个 | 全球只够百万级 |
存储为什么不在表里？因为它不构成约束：80亿人天天中度使用，文本+日志一年仅新增约0.015 ZB，占年出货量的0.7%；就算1亿个Agent每天各产1GB中间产物，一年也只占出货量的约2%。真正吃存储的只有AI视频（1分钟720p约50～100MB），这正是豆包token暴涨的主因之一。
瓶颈排序（由松到紧）
① 存储：数量级富余，文本时代永远够用，视频时代才需要重估；
② 算力：芯片年增3.3倍是全场最快变量，但微软称"紧张至少持续到2026年底"——短期瓶颈；
③ 电力：IEA预计数据中心用电2030年翻倍至945 TWh，而电网/变电站建设周期5～10年，远慢于芯片7个月翻倍——长期真瓶颈。
四、核心结论
1．用量跨度：人是3个数量级，Agent是"3个数量级且上不封顶"。一个人一天1.5万～5000万token（7.5Wh～25kWh），天花板是注意力；一个Agent一天30万～10亿+token（0.15～500kWh），没有天花板。
2．现有家底：人类用不完，Agent一下就用完。500万亿token/天的实测供给，够333亿"轻度人类"，却只够50万个全天候Agent集群——全球供给÷重度Agent单耗，得数只有百万级。
3．需求侧的200倍缺口。若全球10亿知识工作者每人配一个A3级Agent，日需求10万万亿（1×10¹⁷）token，是当前实测吞吐的200倍、理论上限的17倍。即便效率每年提升3～10倍（Google单条提示能耗一年降33倍），按豆包两年1000倍、Google一年7倍的需求增速，缺口依然以年为单位扩大——杰文斯悖论在token上体现得淋漓尽致。
五、误差与敏感性声明
本文是数量级测算而非精确核算：①单位能耗取0.5Wh/千token，乐观/悲观口径±2倍；②"实测全球吞吐500万亿/天"基于各家自报数拼接，可能漏算自部署开源模型（偏低）也可能含多模态token虚增（偏高）；③H100利用率取25%，行业实际15%～40%；④推理/训练算力分配取⅔，各家披露不一。所有结论在±3倍内稳健，数量级判断不受影响。效率改善（芯片性能/瓦特年增约2～3倍、模型蒸馏与推测解码等）会持续抬高"可支撑数量"，但历史经验是需求增速（年7～10倍）始终快于效率增速。
六、数据依据
［1］Google Cloud／MIT Tech Review（2025.8）：Gemini中位文本提示0.24Wh、0.26ml水，单位能耗12个月降33倍
［2］Sam Altman（2025.6）：ChatGPT平均查询约0.34Wh
［3］Google I/O 2026（2026.5）：月处理3.2千万亿（quadrillion）token，同比7倍（2024年同期仅9.7万亿/月）
［4］火山引擎／36氪（2026.3）：豆包大模型日均调用120万亿token，两年增长1000倍
［5］OpenAI（2026）：ChatGPT周活约10亿，日查询28亿次；API吞吐150亿token/分钟≈21.6万亿/天
［6］Microsoft FY26Q3财报（2026.4）：300+客户年处理超1万亿token；算力供给"至少紧张到2026年底"
［7］Epoch AI（2026.1）：全球AI算力超1500万张H100等效（年中约2000万），年增3.3倍；五大超大规模厂商占71%；芯片功耗超10GW
［8］IEA《Energy and AI》（2025）：全球数据中心485TWh（2025）→945TWh（2030），AI专用数据中心电耗到2030年增逾4倍
［9］McKinsey／Deloitte（2025-26）：AI推理功率20.9GW（2025）→93.3GW（2030）；2026年推理约占AI算力⅔
［10］存储行业（TrendForce／Tom's Hardware等）：企业级HDD装机约19ZB（2025）、年出货约2.78亿块；容量口径HDD≈SSD的2.5倍
［11］MIT Technology Review：5秒AI视频能耗≈微波炉运转1小时以上；Anthropic企业数据：编码Agent重度用户月耗2亿～10亿token
— 完 —
测算框架可复用：任务→token→FLOP→GPU·时→电力，供给÷单耗=规模