AI 爆发的时代，下一个突破口在哪里？巴克莱 22 日发布的研报给出了一份答案。报告提出了一份清晰的 "AI 路线图 "，描绘了未来 AI 技术的演进路径。

报告指出，AI 的采用将经历三个重要阶段：首先是当下的 " 聊天机器人 / 助理时代 "，其次是从 2025 年到 2026 年逐步展开的 "AI 代理（Agent）时代 "，最后将在 2027 年进入 " 数字员工与机器人时代 "。

巴克莱还预计，随着 AI 应用的普及，推理计算的需求预计将在 2026 年达到 70% 以上。到那时，可能需要比预期多 4 倍的芯片资本支出才能满足所有这些需求。

三大阶段清晰划分

巴克莱将当前阶段（2023-2024）定义为 " 聊天机器人 / 助理时代 "，主要特点是基于聊天机器人（如 ChatGPT、Meta AI 等）和一些早期的 AI 助理（Copilot）的广泛应用。

在这一阶段，尽管模型和基础设施层面的性能在持续改进，但在应用层面仍存在局限，多数应用以实验性质为主，尚未形成广泛的市场适应性。

" 在这个第一阶段，大部分投资者的回报都被分配给了硬件基础设施提供商，类似于互联网和移动建设的早期阶段。"

报告指出，当前的主要 AI 产品，如 ChatGPT 和 Meta AI，每月活跃用户数量均已突破 2 亿，但这仅占全球消费者移动应用市场的 10% 左右。

接下来，巴克莱预计 2025-2026 年将迎来 "AI 代理时代 "，这一阶段的核心在于能够自主完成任务的 AI 代理的广泛应用。

与聊天机器人和助理不同，AI 代理不仅可以通过多次传递请求来完成复杂任务，还能减少人类的直接干预。这一转变背后，是 AI 推理计算需求的激增。

巴克莱预测，到 2026 年，AI 推理计算的需求将占整体计算需求的 70% 以上。

" 投资回报可能会向上移动到应用层（也可能是模型和 API 层，尽管随着早期创新者的领先地位逐渐减弱，商品化和竞争方面的风险可能会增加）。

与聊天机器人时代不同，超大规模企业可能会在代理时代获得非常好的回报，因为推理收入会随着采用而激增。"

最后，巴克莱认为，2027 年及以后，AI 技术将进一步进入 " 数字员工与机器人时代 "。

在企业应用中，AI 代理可能演变成独立完成任务的 " 数字员工 "，在消费者市场中，智能机器人将开始逐步融入家庭生活，承担简单和重复性的日常任务。

巴克莱预测，届时 AI 技术的普及将达到互联网用户的规模，突破 40 亿人。这个时代的投资回报应该在应用层，但 " 今天很难预测 "。

推理计算需求大幅上升，资本支出比当前共识高出 4 倍

巴克莱强调，未来几年推理计算的需求将显著超出市场预期，这一变化的背后是新一代 AI 产品和服务的兴起。

报告指出，在 AI 发展的三个阶段中，每个阶段都对推理计算提出了更高的要求。

未来几年，计算需求将超过供应。巴克莱估计，到 2025 年，训练和推理使用所需的 GPU 和 ASIC 芯片将比目前的普遍预测高出 250%，到 2027 年将高出 14 倍。这一变化的核心驱动因素是消费者级和企业级 AI 助理的广泛应用，以及更高性能、多模态 AI 的普及。

值得注意的是，巴克莱预测，2026 年的芯片资本开支将需要比当前共识高出 4 倍。

为了满足这一需求，报告指出，英伟达的 GPU 目前在推理计算市场中占据 80% 的份额，但到 2028 年，这一份额可能下降至 50%，部分原因是大型云服务公司将推出自己的定制 ASIC 芯片，以增强对推理计算市场的占有率。

AI 产品的盈利前景向好

除了技术和市场的分析外，巴克莱还对 AI 产品的成本效益进行了详细评估。

报告指出，推理计算的单位成本正在迅速下降。以 OpenAI 为例，巴克莱估计公司在 18 个月内将推理成本下降了 90% 以上。未来，AI 产品和服务的单位经济效益将显著提升，尤其是那些依赖于开源大模型的产品。

尽管 AI 公司通常被认为是亏损的，OpenAI 在单模型基础上实际上是盈利的。巴克莱估计，OpenAI 的 GPT-4 模型在过去两年内，通过 ChatGPT 的高级订阅和 API 收费，已经带来了近 20 亿美元的利润，尽管开发成本仅为 1 至 2 亿美元。未来，OpenAI 的收入将持续增长，这或许将为 AI 发展带来拐点。

展望未来，巴克莱认为，AI 行业正处于一个关键的转折点。AI 代理的引入将不仅显著增加推理计算的需求，还会为企业和消费者市场带来新的增长机遇。到 2026 年，消费者 AI 的日活跃用户数量有望突破 10 亿，而企业级代理的普及率则预计达到 5%。

巴克莱指出，这一发展趋势的另一个显著特征是，未来的 AI 产品将主要在云端运行，只有少量应用在本地设备（如手机和 PC）上进行处理。特别是 AI 代理在处理用户查询时，往往需要多次传递请求，这也将进一步推动云端推理计算需求的增加。