社区

上周五美国非农数据大幅超预期，9 月加息 25 个基点的概率一度冲至 60%，三大指数盘中全线走弱，唯独 AI 硬件板块逆势爆发，走出独立行情。

这一反差的核心推手，远不止 GPT-6 Astra 的发布本身 —— 市场正在为一次更底层的变化定价：人工智能正从 “回答问题的认知工具”，转向 “能承接端到端工作的数字劳动力”，AGI 经济时代的算力需求逻辑，正在被彻底重写。

9 月 6 日 OpenAI 披露的一组内部数据：到 8 月中旬，其研究组织内 Agent 用量居中的研究员，每天消耗超过 600 美元的推理费用；前 10% 的人每天用掉超 7000 美元的 Token。按 8 小时工作日折算，整个研究体系每投入 1 个人力工作日，同时跑着 3.1 个 Agent 工作日，而今年 1 月这个比例还不到 1。

这意味着，在 OpenAI 内部，AI 已经从偶尔调用的辅助工具，变成了按天计费、随人头线性放大的生产资料。一个几千人的研究组织，仅内部用量就是一个体量可观的推理客户；把这个范式外推到几十万家企业，就是上周五硬件板块在加息预期升温下依然逆势走强的底层原因。

下面从四个维度展开：GPT-6 的本质变化是什么，AGI 经济时代为什么已经开启，以及资金会最终沉淀到哪些产业链环节和标的。

GPT-6 Astra 9 月 3 日正式发布，OpenAI 将其定位于复杂端到端工作系统，覆盖推理、编程、研究和计算机操作，核心是把用户交付的目标推进到最终结果。下面几组关键数据，印证的不是 “模型更聪明了”，而是产品形态的根本跃迁：

OSWorld 2.0（电脑操作）得分 72.6%，单个任务平均耗时约 40 分钟，比上一代 GPT-5.6 Sol 快了近一半；

上下文窗口 105 万 Token，最大输出 12.8 万 Token；

API 定价每百万输入 10 美元、输出 50 美元，超过 27.2 万输入 Token 的请求按 2 倍计价，快速模式再翻倍；

配套 Codex 在 Mind2Web 上任务完成速度是上一代的 1.9 倍；

ARC-AGI-3 特定环境下达到 99.9%，在 96% 关卡超过人类动作效率基线。

但比跑分更重要的是能力闭环。

过去的 AI 能力是割裂的：模型会写代码，却不会自己安装、运行、测试；会分析数据，却不会自动找文件、操作表格、生成图表并写入报告；会提出研究建议，却无法持续浏览网页、比较证据、调整假设并交付最终成果。

而 Astra 第一次试图把这些环节完整串联起来：研究、浏览、编程、电脑操作、文档生成被整合进同一个工作循环，开发者甚至可以在任务执行过程中异步干预、重新调整目标。

这道门槛，远比 “聊天更自然”“数学分更高” 更有决定性。它意味着 AI 正在跨越一个经济意义上的临界点：从一个回答问题的认知工具，变成一个能够接受目标、调用资源并完成工作的经济行动者。

对应的，衡量 AI 的经济单位也在发生变化。

过去行业看 Token 数量、API 调用量、月活用户；进入 Agent 阶段，核心指标逐渐变成：一次完整任务需要多少钱？一个小时的人类知识劳动，需要多少美元的推理成本来替代？ 这就是从 “Token 经济” 向 “任务经济” 的转型。

OpenAI 把输出定价到每百万 50 美元、并对长上下文加价，本质上已经不是按信息量收费，而是按替代人工的逻辑给任务定价。

此外，Astra 是 OpenAI 第一个在网络安全能力上触及其准备框架「Critical」门槛的模型。在无防护环境下，它能利用未知漏洞在加固浏览器中实现任意代码执行。这一点对投资的影响，远不止安全赛道本身，它指向 Agent 时代一个更核心的命题：可授权性。

二、经济 AGI 先于哲学 AGI：算力需求的底层逻辑变了

OpenAI 在博客中确认，去年秋天定下的9 月前做出自动化研究实习生的目标已经达成，下一个目标是 2028 年 3 月做出自动化 AI 研究员。所谓研究实习生，指的是能在人的指导下，完成熟练研究员需要数天时间的、定义清晰的研究任务。

周末的时候也是看到了非常多关于Astra是否意味着AGI时代已经来临的讨论。其实我觉得，“AGI 经济时代很可能已经开始”，核心不是模型有没有达到人类智商，而是 AI 有没有开始成为一种新的生产要素。

从这个角度看，我们不用纠结 ARC 基准 99.9% 的水分，也不用争论真实世界里 Agent 还需要多少次人工干预。真正确定的两个变化，已经足以重构算力需求的底层逻辑：

第一，算力需求从脉冲式变成基荷式，杰文斯悖论正在上演

过去市场担心的是训练大模型的脉冲式需求：训完一波，算力需求就回落。

但现在不同了：研究组织每天 3.1 倍于人力的 Agent 用量、实验数量创历史新高，这是持续的、按天累积的刚性需求。

更关键的是效率提升不会减少总算力，反而会推高总量，这就是 AI 领域的杰文斯悖论：如果完成一个复杂任务的推理成本下降 50%，企业不会把 AI 预算削减 50%，更可能的是原来只跑 100 个任务，现在跑 1000 个。

过去由于成本过高不值得自动化的财务核对、供应链优化、合同审查、代码测试、安全扫描、科研探索，都会开始变得经济可行。

任务成本下降，但任务数量指数级上升，最终总推理算力未必下降。引用OpenAI 博客里的原话：“算力是研究进展的门槛因素，随着其他瓶颈消除，它会变得越来越重要”。

第二，监管和安全事件不会让算力消失，只会让它换地方

7 月 20 日 OpenAI 发现 Agent 攻破了自家研究基础设施，随后暂停了面向部署的最新模型强化学习训练两周；8 月 7 日又因为 Astra 的关键网络能力，进一步限制了它的运行环境。数据显示，Astra 类模型的 GPU 分配一周内下降了 59.2%，但其他模型类别的分配上升 17.2%，抵消了约 85% 的下降，分析范围内的强化学习总算力基本没变。

即便最激进的安全干预落地，算力也只是被调配到别的模型、别的环节，没有闲置。而且随着 Agent 能力越强，安全、对齐、监控、沙箱、权限管控这些配套设施需要的算力反而会指数级上升。

三、GPT-6 利好的产业链和个股

基于上面的判断，投资主线直接对应六个层级，从核心算力到外溢效应依次展开。其实这条产业链已经梳理了非常多次，里面一些老生常谈的标的我就不展开太多了。

推理算力从脉冲变基荷：GPU 和定制 ASI1. 推理算力从脉冲变基荷：GPU 和定制 ASIC 同时受益

Agent 时代推理算力从脉冲式需求变成持续性基荷，GPU 和定制 ASIC 两条线同时受益，模型厂商直接采购成为新增量。

英伟达（NVDA）：Vera Rubin 每 GW 对应约 400 亿美元收入，比 Blackwell 的 250 亿美元高出六成，同样数据中心电力预算下，英伟达的单位价值量持续上升。收购 Hugging Face 之后，同时握住算力和模型分发两端，生态壁垒进一步加厚。

博通（AVGO）：今年以来仅涨 6%，落后板块约 60 个百分点，是整个 AI 硬件里预期差最大的标的。管理层给出的 2028 财年 2300 亿美元 AI 收入、30 美元以上 EPS，市场当前并未完全定价。财报后的短2. 长上下文和长任务把瓶颈推到内存

Agent 长任务带来的持续 KV 缓存占用、大量中间数据和工作产物存储，让内存从配套角色变成核心瓶颈。

美光（MU）：HBM 产能一年翻倍，HBM4 高度绑定 Vera Rubin，短期逻辑是 HBM 持续紧缺，中期要看英伟达出货节奏能否消化新增产能。9 月 30 日财报是下一个验证点。

闪迪（SNDK）、西部数据（WDC）、希3. 多卡长任务把价值转到互连和光

单任务运行几十分钟、需要多张卡持续协同工作，让互连和光通信的价值权重快速上升。

Astera Labs（ALAB）：上周五涨超 11%，领涨全板块。它做的 PCIe/CXL/UALink 层面的 scale-up 互连，恰好对应 Agent 长任务多卡持续协同的需求，产品位置精准踩中产业痛点。

Coherent（COHR）、应用光电（AAOI）、康宁（GLW）：集群规模持续扩张直接对应光模块和光纤需求。

4. 产能扩张周期被拉长，设备端充分受益4. 产能扩张周期被拉长，设备端充分受益

推理工业化带来的是持续的产能扩张，而不是一次性训练脉冲，半导体设备的景气周期被显著拉长。美光 HBM 扩产、台积电先进制程和先进封装扩产，最终都会转化为设备订单。

按 AI 资本开支弹性排序，偏好顺序为：泛林（LRCX）> 科磊（KLAC）≈ 应用材料（AMAT），阿斯麦（ASML）作为压舱石配置。

算力落地的物理层和融资层5. 算力落地的物理层和融资层

CoreWeave（CRWV）、Nebius（NBIS）、甲骨文（ORCL）：Jane Street 130 亿美元的协议说明，NeoCloud 的客户还在持续扩散，需求端没有问题。

核心矛盾在融资端：超大规模云厂商的经营现金流已经难以完全覆盖资本开支，租赁、债券和客户预付款成为新增资金来源，表外承诺规模已超 3 万亿美元。加息预期上行时，高杠杆的云厂商最先承压。

相比之下，电力和散热（VRT、ETN）逻辑更干净，直接跟随数据中心 GW 数增长。

GPT-6 的外溢：网络安全与软件价值重构6. GPT-6 的外溢：网络安全与软件价值重构

这是 Agent 时代最容易被低估的两条外溢主线，核心都围绕可授权性展开。

网络安全：Astra 触及 Critical 网络能力门槛，OpenAI 自己的说法是防御者的窗口：攻击和防御的效率同时提升，防御方必须尽快跟上。

模型能力越强，企业对安全的需求不是下降，而是指数级上升。这意味着企业安全预算刚性提升，CrowdStrike（CRWD）、Palo Alto（PANW）、Zscaler（ZS）在 Agent 普及过程中拿到的是确定性需求增量。

应用软件分化：GPT-6 能直接操作电脑，传统按席位收费的 SaaS 首先受到冲击。如果 Agent 能代表多个人操作软件，“人类 Seat 数量” 和 “经济活动数量” 就会脱钩。单纯依赖 UI 和简单工作流的 Thin Workflow SaaS 价值会持续贬值；而掌握企业核心数据、身份权限、审计记录、关键工作流控制的软件反而会升值，因为 Agent 要完成工作，永远绕不开数据和权限这两个关卡。

Snowflake 上周五领涨 AI 应用软件，就是这个分化的信号。软件板块只做数据层和安全层，不碰纯席位型标的。

总结一下

GPT-6 Astra 的核心意义，不是跑分又提升了多少，而是它第一次形成了端到端的任务能力闭环，推动 AI 从认知工具转向数字劳动力，开启了 AGI 经济时代的序幕。

不论哲学意义上的 AGI 有没有实现，经济层面的变化已经发生：算力需求从脉冲式变成持续基荷，效率提升带来的任务量爆发反而会推高总算力；安全和监管不会消灭算力，只会让算力流向更多环节。

$特斯拉(TSLA)$ $ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF(CHAT)$ $通用人工智能 ETF-AGIX(AGIX)$