继TD Cowen后，巴克莱似乎也开始唱空AI算力。

3月26日，巴克莱发布最新研究称，2025年全球AI算力可支持15-220亿个AI Agent，似乎足以满足美国和欧盟的绝大部分需求。而同日TD Cowen分析师称支撑人工智能运算的计算机集群供过于求。

巴克莱研报指出，AI行业需要从“无意义基准测试”转向真正有用的Agent产品部署。同时巴克莱分析师表示：

• AI Agent市场的增长潜力巨大： 行业算力能够支持大规模Agent部署，预示着巨大的市场机会。
• 推理成本是关键： 低推理成本对于Agent产品的盈利至关重要，这将驱动对更高效的AI模型和算力的需求。
• 开源模型的重要性： 开源模型将在降低成本方面发挥关键作用，投资者应关注相关领域的动态。

算力供需：过剩还是不足？

关于AI算力的供需平衡，巴克莱展示了几个核心发现：

• 行业推理容量基础：2025年全球约有1,570万个AI加速器（GPU/TPU/ASIC等）在线，其中40%（约630万个）将用于推理，而这些推理算力中约一半（310万个）将专门用于Agent/聊天机器人服务；
• 算力分配正在演变：企业客户已开始转向成本更低的开源模型，如Salesforce的Agentforce采用Mistral开源模型（7B-141B参数），而非最昂贵的专有前沿模型；
• 开源模型下载激增：Hugging Face数据显示DeepSeek、Llama和Mistral等开源模型的下载量正在迅速增长，这一趋势将随着从聊天机器人向Agent的转变而加速。

算力供应虽然表面上充足，但面临结构性挑战。巴克莱明确表示：

如果Agent产品真正起飞并对消费者和企业用户非常有用，我们可能需要
1）更便宜、更小但性能同样高的基础模型（DeepSeek风格）；
2）更多推理芯片安装；以及
3）可能需要将已安装的训练GPU重新用于推理。

这表明，虽然目前总体算力看似充足，但针对高效、低成本Agent产品的专用算力仍有较大缺口。巴克莱指出这意味着，在AI Agent赛道上，具有高效推理成本结构和专注开发小型高效模型的公司可能拥有更大竞争优势，而仅依赖大模型而不考虑单位经济学的公司可能面临更大挑战。

推理成本：AI Agent的经济学挑战