9月3日，OpenAI釋出GPT-6 Astra後，全球半導體和記憶體股率先反彈，市場對AI算力需求見頂的擔憂似乎暫時被擱置。9月4日，iShares Semiconductor ETF（SOXX）單日上漲3.5%，美光（Micron）漲6.1%，閃迪（SanDisk）漲11.9%；9月7日，韓國KOSPI指數上漲4.61%，三星電子漲5.7%，SK海力士漲約8%。MarketWatch將此次上漲形容為Astra“重新點燃了memory-chip trade”（記憶體晶片交易）。此前，市場對AI資本開支過熱、算力需求見頂的擔憂已讓相關板塊震盪多時。

《The Nvidia Way》作者、前Barron's科技記者Tae Kim給出了更激進的解釋：AI可能正迎來過去四年裡的第四輪指數級算力需求增長。前三輪分別來自Chatbot（聊天機器人）、Reasoning（推理）和Coding Agent（程式設計代理），第四輪可能是Astra重點展示的Computer Use（計算機使用）。Kim的邏輯是：Chatbot讓數億人開始消耗推理算力；Reasoning讓每次回答需要更多計算；Coding Agent讓模型從“回答一次”變成連續工作數十分鐘甚至數小時；而Computer Use則把持續執行的Agent從程式設計師擴充套件到Excel、Blender、CAD、Power BI和瀏覽器中的普通知識工作者。

值得強調的是，Kim長期關注Nvidia和半導體投資，其創辦的Newsletter Key Context以科技投資判斷為核心，近期文章偏多AI基礎設施。因此，“第四輪指數增長”首先是一個AI算力多頭提出的投資假設，並非已被驗證的產業規律。但其出現時機微妙：Astra釋出前，Agent範式剛經歷“能力撞牆”的懷疑——短任務越來越強，但長程、多步驟和真實軟體環境中的可靠性明顯下降，這傳導至算力見頂的質疑。Agent能力天花板打不開，算力增長的故事就講不通。

Agent使用強度激增

OpenAI於9月6日披露內部資料：截至8月中旬，公司研究人員中，使用量位於50分位的每人每天使用Coding Agent所對應的推理量，按公開API價格折算已超過600美元；90分位研究員每天超過7000美元。據Business Insider整理，7月中位值僅約162美元，一個多月增長近3.7倍。更關鍵的是，OpenAI研究部門每1個人類工作日已對應3.1個Agent工作日，6月前Agent執行時間總和還未超過研究人員工作時間。這意味著，一個使用者背後可同時執行多個“數字程序”，不再受“人的輸入速度”限制，算力需求計量單位可能變為“一個使用者背後同時執行多少Agent，以及這些Agent每天工作多少小時”。

Computer Use拓展工作空間

Coding Agent增長雖快，但主要使用者仍是程式設計師，而程式設計師只是全球知識工作者的一小部分。Computer Use將空間拓展至更廣：Astra釋出後，Kim親自測試，讓Astra在一台Mac上研究太空梭、開啟Blender並完成3D建模，約10分鐘後模型生成。普通對話是“輸入—推理—輸出”；Coding Agent變成“讀程式碼—推理—修改—測試—再推理”；Computer Use進一步變成“看螢幕—理解介面—決定操作—執行—等待結果—重新觀察—驗證—糾錯”。一個人類十分鐘完成的任務，AI可能經歷幾十輪視覺理解、推理和工具呼叫。一旦這套能力進入Excel、Salesforce、SAP、Power BI、Photoshop、CAD及企業內部系統，潛在使用者將擴大至幾乎所有知識勞動者。Kim所謂“第四輪需求”的核心是：Coding Agent想吃掉程式設計師的電腦時間，Computer Use想吃掉所有白領的電腦時間。但截至目前，這仍是可能性——OpenAI未公佈Astra釋出後的Computer Use任務量、單使用者每日Token、GPU利用率或推理吞吐量日級曲線，無法證明“Astra已帶來第四輪算力增長”。

算力吃緊的跡象？

Astra釋出後，部分開發者社群反饋不同地區和賬號使用體驗出現差異，亞太開發者反映ChatGPT和Codex響應變慢、複雜任務穩定性不如美區賬號，社群稱其為“降智”。部分反饋並非主觀：9月4日，OpenAI官方狀態頁報告亞太地區服務效能下降，影響ChatGPT、Work、Codex Cloud等產品；四天後，OpenAI宣佈與Nvidia支援的資料中心運營商Firmus達成多年協議，從馬來西亞兩座資料中心獲得專用計算能力。但尚無證據表明OpenAI因Astra負載上升對亞太使用者降低推理預算或切換更弱模型。“亞太降智”可能混雜區域基礎設施和路由問題、賬號級風控和速率限制、高峰期動態資源排程等因素。這些反饋提供了觀察AI算力壓力的另一視角：當模型持續消耗計算時，供給吃緊可能先表現為不同地區、賬號間延遲、失敗率和服務質量波動。但缺乏關鍵資料——同一模型、套餐、任務在不同區域的首Token延遲、總推理時間、工具成功率和任務完成率差異，因此“降智”僅是線索，不能作為算力緊張的證據。

資本市場下注

儘管真實算力曲線未公開，資本市場已提前交易“AI需求未觸頂”的故事。MarketWatch統計，Astra釋出後iShares Semiconductor ETF一度上漲約3.5%，三星、SK海力士、Kioxia等記憶體股表現更強。值得注意的是，這輪上漲最醒目的不是Nvidia，而是記憶體。Computer Use若成為持續執行的Agent工作負載，不僅需增加GPU計算，更長上下文、KV Cache、併發Agent、虛擬機器、瀏覽器和軟體環境都可能推高HBM、DRAM、CPU、網路和儲存需求。市場交易的主要邏輯是“更聰明的模型會不會讓使用者購買更多計算”。這與傳統軟體不同：傳統軟體越最佳化，所需伺服器資源越少；生成式AI卻可能出現“傑文斯悖論”——模型效率越高，人越願意把更多工作交給AI，總算力消耗反而增加。但需警惕，資本市場同樣有自身立場——AI基礎設施此前已歷一輪大漲和調整，半導體股今年曾因資本開支過熱、雲廠商自由現金流下降而回撤，Astra帶來的幾天反彈僅說明投資者重新下注，不足以證明第四輪算力需求已現。

經濟賬與未來

Kim的判斷最終取決於三個現實問題：可靠性——真實企業工作非一次Demo，Agent能否連續數小時操作ERP、財務模型或工程軟體，並在彈窗、許可權變化和資料更新時保持正確；成本——Computer Use完成一小時人類等效工作的成本，若AI用10美元完成員工50美元的工作，需求易爆發，若需100美元，市場空間則完全不同，OpenAI內部600美元/天的資料既說明Agent能製造巨大需求，也側面反映當前方式可能昂貴；自我替代——Computer Use可能消滅部分自身需求，因現有軟體為人設計，一旦Salesforce、Microsoft、Adobe或企業系統開放API、MCP和Agent介面，大量任務無需模擬滑鼠鍵盤，最終形態可能是Computer Use與Tool Use融合：有結構化介面處直接呼叫，無介面或難改造的舊系統則靠視覺操作。Computer Use真正開啟的市場，未必是“讓AI永遠像人一樣點選電腦”，而是通過“人類授權”方式讓Agent突破現有應用生態格局，進入此前自動化無法覆蓋的最後一大片工作環境。這也是“第四輪指數增長”真正值得驗證的部分：“Computer Use是敲門磚，還是又一次範式改變？”GPT-6之後，那個一度因Agent撞牆而難講的算力故事，是否重新講得通？資本市場已開始下注，但生成式AI爆發後，市場曾持續打臉“算力增長”空頭，這次會否不同，仍待觀察。