编者摘要：本文提出 AI 行业正在告别比拼 GPU、大模型训练推理的旧时代，价值重心正在从模型推理转向 Agent 智能体的执行环节。过去行业焦点是谁拥有更多 GPU、更大模型；未来核心是 “谁把 AI 智能转化为实际工作，并掌控经济收益”。
以监控航班并自动重订的任务为例：一条用户指令仅触发少量模型推理调用，却产生上千次执行操作，包含定时轮询、数据库读写、工具调用、重试恢复等大量 CPU、存储、网络工作。智能体在对话结束后仍持续运行，执行层消耗了智能体大部分成本，模型推理只占一小部分。
硬件端 CPU 需求爆发，芯片厂商、云厂商都看到该趋势；执行能力被拆分为沙盒、任务编排等独立可采购组件。整合 Agent 的企业掌握选择权，可以自由混搭大小模型、本地 / 云端推理、各类执行服务商，按结果付费模式进一步放大动态调度能力。
产业将开启平台争夺战：设备、浏览器、云、业务应用、安全厂商都试图掌握调度层，把其他玩家变为自己的供应商。风险点在于：云厂商基于推理需求做巨额资本投入，但客户可重构系统减少相关采购，投资逻辑可能失效。核心结论：拥有最多 GPU 不等于捕获最大 AI 价值。
10 个关键问题问与答
- Q：AI 上一个时代的核心竞争主题是什么？
A：比拼模型规模、GPU 算力、谁能融资建设更大算力集群，焦点在模型训练与推理。 - Q：AI 下一个经济阶段的核心问题？
A：谁将 AI 智能转化为实际工作，并掌控这份业务的经济收益。 - Q：推理和执行的区别是什么？
A：推理（GPU）负责理解指令、做复杂判断；执行（CPU）负责查询、存储、接口调用、重试、权限校验等落地工作。 - Q：Agent 智能体最大负载为什么不在模型推理？
A：一条指令会生成大量定时任务、数据库读写、工具调用、故障重试；模型调用次数很少，绝大多数工作量属于执行。 - Q：硬件发生什么变化？
A：CPU 需求爆发；训练 8GPU:1CPU，Agent 场景趋向 1:1，服务器 CPU 产能被提前预订。 - Q：谁掌握 AI Agent 的话语权？
A：组装整合 Agent 的企业，可以自由选择模型、运行环境，动态切换供应商。 - Q：按结果付费模式带来什么影响？
A：服务商利润取决于完成率、重试开销、资源利用率，倒逼持续优化模型与执行组合。 - Q：平台战争争夺的目标是什么？
A：争夺调度控制层，希望把其他厂商变成自己的上游供应商。 - Q：算力厂商 CoreWeave 面临的潜在风险？
A：客户可以重构系统，降低对其算力服务依赖，巨额资本投入的回报存在不确定性。 - Q：全文最重要结论？
A：拥有最多 GPU，并不代表可以攫取 AI 产业最大价值。
作者：贾亚・古普塔、阿舒・加尔格
过去几年，人工智能行业的叙事一直由提供智能能力及其底层基础设施的企业主导。行业核心问题始终围绕英伟达、前沿 AI 实验室、推理服务提供商以及新兴云厂商展开：模型规模究竟能做到多大？谁能够拿到充足的 GPU 资源来训练和部署模型？谁又能为下一个算力集群提供资金？但这个时代正在走向终结。
下一个阶段，行业核心问题将彻底转变：谁能够把 AI 智能转化为实际可用的业务成果，并最终掌控这份业务背后的经济收益？
CoreWeave 的案例就充分凸显了其中的利害关系：该公司第二季度营收翻倍，达到 25.75 亿美元，6 月的待执行订单规模约 1040 亿美元。但仅净利息支出就高达 6.4 亿美元，约占总营收的四分之一。2026 年 10 月 14 日，其股价下跌约 16%，2031 年到期债券的收益率飙升至接近 15%。CoreWeave 的营收在增长，但投资者对其扩张融资提出了更高的收益回报要求。市场需求旺盛，但这并不能回答投资者当下最关心的问题：究竟是谁攫取了算力所完成业务的价值？
客户后续采购什么，和他们花了多少钱同等重要。智能体（Agent）带来了越来越多围绕模型推理产生的工作负载，应用程序对这些工作负载的执行方式拥有了越来越大的控制权。AI 所使用的智能能力，和完成实际工作的基础设施，正在变成可以分开采购的独立组件。
我的判断是：行业话语权将向一类企业倾斜 —— 由它们来决定哪些步骤需要调用前沿大模型推理，哪些步骤可以使用小模型或者普通软件，业务任务在哪里运行，以及向哪些供应商付费。一款应用的整体计算采购量可以持续上涨，但同时会不断调整各类输入资源的配比。而各类供应商当初投入资金搭建模型、购置机器、储备算力，都是基于客户会持续按原有模式采购的预期。
智能体的工作重心：从推理转向执行
举个例子：你让 AI 助手持续监控两周航班票价，如果票价下降就自动重新订票。这一条指令，会生成两类工作负载。 推理（Inference）：理解你的指令，对陌生的选项做出判断。前沿大模型推理一般运行在 GPU 以及其他为神经网络并行运算设计的加速硬件之上。 执行（Execution）：查询票价、存储结果、完成订票操作。这部分跑在基于 CPU 的服务上：各类程序、数据库、网络接口调用。
绝大多数业务工作量都属于执行环节。定时运行的服务每小时查询一次票价，忽略没有变化的结果，只有在需要对选项做判断时才调用模型。两次查询之间，服务进程可以停止运行，任务调度信息与历史数据则持续保存。订票操作还需要完成权限校验、对接航司系统、数据提交、结果记录。如果确认信息丢失，系统要先核实订票是否已经完成，再决定是否重试。这些环节完全不需要再次调用大模型，但执行、存储、故障恢复依然会产生成本。
这种转变很容易被行业忽略 —— 整个行业的目光大多聚焦在模型训练与部署。普通对话会话的工作量产生于用户提问的那一刻；而智能体，在对话结束之后还会持续产生工作量。执行层负责管理各类任务：定时轮询、外部事件触发、未完成的事务、需要重试的失败步骤。仅仅一条指令，就可以产生数周的 CPU、网络、存储以及代码托管资源的需求。搭建这套服务的企业，决定了这些任务在哪里运行，钱付给哪些供应商。
我们来看看新一代智能体的实际需求：Meta 的 Muse 虽然使用 Meta 自研模型，但实际业务运行在独立的云虚拟机上，就算用户关闭应用，虚拟机也会继续工作。还有独立进程管控它访问互联网的内容；Stripe 为它的消费行为发放一次性虚拟卡片；在 Mac 设备上，它还需要操作系统授权才能访问本地文件和邮件。仅仅一个 AI 助手，就整合了模型推理服务、云主机、网络管控、支付、本地权限等多个部分，每一部分都会带来成本、依赖关系，也意味着有其他企业掌握着业务的部分控制权。
其他产品也同样体现出对话结束之后资源依旧持续占用的特点：OpenAI 的 Dots 会监控用户反馈，编写、测试修复方案，生成代码合并请求；xAI 的 Grok Bot 依托共享云主机定时重复执行工作流，维持持久化浏览器会话；微软的 Copilot Cowork 执行定时任务，响应邮件、Teams 消息触发。单个用户可以启动多项任务，即便不再输入提示词，这些任务也会持续运行。
这些业务负载首先跑在通用基础设施之上。Cloudflare 网络上 AI 智能体的每日请求量一年内暴涨超 1700%。GitHub 的 Git 活动总量翻倍，每月达到 4730 亿次事件，代码推送量近乎增长 5 倍。负载的形态也发生了改变：智能体几乎每完成一个动作就提交一次代码，成千上万个智能体向同一个代码分支合并内容，每一次推送都会触发每分钟成千上万次的拉取操作。GitHub 原有架构已经无法承载这类负载，因此它正在重构存储层。
芯片厂商已经注意到这一趋势。8 月末，英伟达向 Anthropic、OpenAI、甲骨文交付首款面向智能体设计的处理器 Vera。负责该项目的高管表示：“我们看到 CPU 的需求正在急剧攀升。” 英特尔的数据显示：训练场景下，大约每 8 块 GPU 搭配 1 颗 CPU；而在智能体部署场景，CPU 与 GPU 配比逐步走向 1:1。英特尔已经把部分产能从消费级芯片转向服务器芯片。9 月底有报道称，AMD 2027 年的服务器 CPU 产能已经被预订一空。
采购方同样有所行动。Anthropic 与 Akamai 签署 7 年期协议，计划采购约 116 亿美元算力资源。这份协议主要对应不断增长的 CPU 工作负载，Akamai 预计会为此投入约 55 亿美元相关资本开支。即便是销售完整 AI 服务的实验室，也会大规模采购模型周边的基础设施。
执行层相关能力也正在被拆分成独立商品对外售卖。Temporal 负责记录已完成步骤，协调任务重试；E2B 这类沙盒服务商，按照沙盒运行占用的 CPU、内存计费。执行环节的账单越来越庞大，争夺这块市场的供应商也越来越多。
谁组装智能体，谁就掌控资源配比
搭建智能体的企业决定每个步骤需要什么资源，他们的选择在三个维度不断拓展：选用何种 AI 智能能力、任务在哪里运行、每一项操作如何路由。单条业务任务可以调用多个不同模型，跨多个环境运行，通过不同路径对接同一个应用。把这些组件整合起来的一方，决定了有哪些供应商参与，以及分别向各家采购什么。
可供选择的 “思考能力” 供给变得极其丰富。仅 OpenRouter 一个平台就提供 400 多款模型，每日处理超 10 万亿 Token。小型决策模型可以处理窄域问题，无需生成长篇回复；Cloudflare 的 Clef‑flash 专门做选项判断、是非问答，输入每百万 Token 仅需 0.038 美元。部分推理直接在终端设备完成：苹果新版 Siri 会在手机本地与苹果云端之间做选择；Windows 系统也加入本地模型路由能力。有些推理只需要运行一次：谷歌 Gemini 智能体可以生成 BigQuery 报表，保存查询语句，后续直接复用，不再产生 Token 费用。
完成实际业务执行的方案，同样在快速多元化。以一笔退款流程举例：一个服务确认智能体操作对应的客户身份，以及是否有权限发起转账；另一个服务通过 API 接口或者登录后的浏览器会话提交交易；第三个服务记录结果，保证系统崩溃后任务不丢失。承载整套流程的服务可以部署在个人笔记本、云沙盒或者边缘节点，每一部分都可以来自不同厂商。OpenAI 的智能体 API 上线时就接入 9 家沙盒合作方，开发者可以从 A 厂商获取调度框架，B 厂商采购模型，C 厂商租用计算资源。
还存在专门负责在众多方案之间做选择的中间层。举一个客服请求的例子：网关会先检查该问题是否已经处理过；Cloudflare、Portkey、LiteLLM 这类产品可以直接从缓存返回历史结果。如果没有缓存结果，就用小模型做分类：重置密码交给低成本模型，争议扣款交给前沿大模型。如果某一家模型服务商故障，网关会自动切换至其他服务商。
当把各类选择叠加在一起，搭建智能体的企业就变成了 7×24 小时的动态决策者。很多企业软件依旧是多年期合约采购，但智能体的工作负载越来越多按请求计费。整合方会基于任务完成率、速度、成本测试不同模型、工具、运行环境的组合，把更多流量分配给综合表现最优的方案。切换运行环境需要一定集成开发工作；但链路配置就绪之后，更换模型仅仅改一下配置即可。整合方每一次任务运行都可以重新调整资源配比，所有供应商都要为下一次请求展开竞争。
不同选择对 AI 实验室的营收影响各不相同：路由到小模型依然会产生推理费用；提示词缓存降低重复请求的开销；复用历史答案、直接运行已保存代码，则会彻底消除推理请求。
按结果计费的模式，正是鼓励这种持续动态调整。Sierra 就按照业务成果收费，例如客服对话解决率、客户留存。想要拿到这个结果，需要消耗推理算力、执行资源、存储、故障恢复服务。当按单次成功结果收取固定费用时，任务完成率、重试次数、机器利用率，决定了营收能转化成多少利润。
每一层都想把其他玩家变成自己的供应商
下一轮平台之争，核心在于谁能把其他所有参与者变成自己的上游供应商。每一层都希望依托自身现有优势，整合整套服务对外交付，只把其余需要的能力作为外部输入采购。
浏览器与各类连接器，在争夺对接业务应用的通路。Chrome 的开发者工具 MCP，在用户授权前提下允许智能体调用已登录的浏览器；而直连连接器不需要加载网页就能完成相同操作。
终端设备与云厂商，争夺任务的托管权。以设备为中心的智能体保存本地上下文、权限，向云端采购推理能力；以云端为中心的智能体保存任务历史、调度后续执行，设备只充当终端入口。关键在于：对话结束之后，由哪个系统记住尚未完成的工作。
AI 实验室和基础设施平台，争夺调度运行这一层本身。Anthropic 托管智能体服务，即使用户使用第三方沙盒，平台依然保存会话历史与任务队列。Cloudflare 则从基础设施侧切入，提供执行环境、持久浏览器会话，开发者可以自由搭配任意模型。
商业业务应用，则守护底层交易逻辑。Salesforce 向 Claude 开放操作接口，但权限、业务规则依旧由 Salesforce 掌控。AI 助手可以协调工作流程，但记录系统允许哪些变更，决定权不在 AI 手里。
我预计网络安全会成为推理最大的企业级应用场景之一，明年占比甚至可能达到 30%。持续代码审查、漏洞验证、修复测试，软件每次迭代都会带来源源不断的模型调用需求。传统安全厂商已经手握客户资源、遥测数据、受保护系统的访问权限。派拓网络旗下 Unit 42，在自研调度框架之下整合多款模型做持续安全测试；它的 AI 网关执行企业安全策略，把请求路由到合规的模型与工具。大量全新 Token 需求，会诞生在安全厂商已有的客户合同之内，AI 实验室和大量低成本开源微调模型，竞争成为这里的供给方。
这些博弈，决定了谁来制定采购规则，谁靠协调全流程获得收益。Warp 按照智能体运行小时数收取平台点数，即使用户自己提供推理服务与运行 worker，包括运行 Claude Code、Codex 的任务也同样计费。即便底层供应商发生更迭，负责协调的平台依旧可以赚取服务费。
资本押注的资源配比，正在发生改变
应用与整合方，完全可以在供应商收回前期投入成本之前，就改变自己的采购清单。
北电、朗讯的历史教训值得警惕：它们为互联网提供不可或缺的网络设备。互联网蓬勃发展，流量持续暴涨，但运营商削减设备采购订单，复用已经部署完成的算力设备。技术本身取得成功，但当初支撑建设投入的采购需求却崩塌了。
今天，英伟达提供硬件设备，CoreWeave 这类新兴云厂商出钱搭建并运营算力。客户业务规模可以不断扩大，但同时改变使用的模型、推理调用量、每项任务消耗的基础设施。CoreWeave 自己也发出风险警示：客户可能重构系统，降低对自家服务的依赖，选择不再续约或者扩购。现有合同可以保障已签约的收入，但风险来自未来：续约定价、未锁定的闲置算力、下一轮需要融资建设的算力集群。危险就在于：客户业务持续增长，但当初支撑供应商建设的消费模式已经瓦解。
判断
AI 行业下一阶段，将打破 “拥有最多 GPU 就能攫取最大价值” 的固有逻辑。大量应用与整合方，会动态采购前沿大模型推理、小型模型、开源权重模型、可复用软件、执行服务，通过路由将需求分散给越来越多的供应商。
AI 整体产业可以走向繁荣，但部分支撑行业投资的逻辑，却有可能失效。
配图简要释义（便于对照原文图表）
- 图 1：1 美元智能体工作的成本拆分
GPU（大脑）：模型推理； CPU（双手）：CPU 与沙盒环境、内存存储、网络与边缘、身份安全、日志与可观测性。
绝大多数成本不在模型推理。
- 图 2：智能体工作重心变迁
过去（推理）：一次模型调用，输出一份答案； 现在（执行）：一次模型调用，附带大量执行操作：数据库读写、网络请求、重试、鉴权、沙盒启动、缓存读写、工具调用等。
AI 热潮同时催生了执行系统的新一轮基础设施热潮。
- 图 3：一项任务，上千次操作，仅 6 次模型调用
任务：监控两周航班，降价自动重订； 统计：模型调用 6 次、定时唤醒 336 次、工具调用 1008 次、数据库读写 1344 次、故障重试 24 次。蓝色方块代表模型调用，橙色代表执行操作。 - 图 5：你和模型之间的每一层，都希望把其余各方变成供应商
终端设备、浏览器、边缘网络、云端、业务应用，每一层都管控一部分能力，谁掌控某一层，谁就决定模型能访问什么资源，哪些组件可以被替换。