9月3日，OpenAI发布GPT-6 Astra后，全球半导体和内存股率先反弹，市场对AI算力需求见顶的担忧似乎暂时被搁置。9月4日，iShares Semiconductor ETF（SOXX）单日上涨3.5%，美光（Micron）涨6.1%，闪迪（SanDisk）涨11.9%；9月7日，韩国KOSPI指数上涨4.61%，三星电子涨5.7%，SK海力士涨约8%。MarketWatch将此次上涨形容为Astra“重新点燃了memory-chip trade”（内存芯片交易）。此前，市场对AI资本开支过热、算力需求见顶的担忧已让相关板块震荡多时。

《The Nvidia Way》作者、前Barron's科技记者Tae Kim给出了更激进的解释：AI可能正迎来过去四年里的第四轮指数级算力需求增长。前三轮分别来自Chatbot（聊天机器人）、Reasoning（推理）和Coding Agent（编程代理），第四轮可能是Astra重点展示的Computer Use（计算机使用）。Kim的逻辑是：Chatbot让数亿人开始消耗推理算力；Reasoning让每次回答需要更多计算；Coding Agent让模型从“回答一次”变成连续工作数十分钟甚至数小时；而Computer Use则把持续运行的Agent从程序员扩展到Excel、Blender、CAD、Power BI和浏览器中的普通知识工作者。

值得强调的是，Kim长期关注Nvidia和半导体投资，其创办的Newsletter Key Context以科技投资判断为核心，近期文章偏多AI基础设施。因此，“第四轮指数增长”首先是一个AI算力多头提出的投资假设，并非已被验证的产业规律。但其出现时机微妙：Astra发布前，Agent范式刚经历“能力撞墙”的怀疑——短任务越来越强，但长程、多步骤和真实软件环境中的可靠性明显下降，这传导至算力见顶的质疑。Agent能力天花板打不开，算力增长的故事就讲不通。

Agent使用强度激增

OpenAI于9月6日披露内部数据：截至8月中旬，公司研究人员中，使用量位于50分位的每人每天使用Coding Agent所对应的推理量，按公开API价格折算已超过600美元；90分位研究员每天超过7000美元。据Business Insider整理，7月中位值仅约162美元，一个多月增长近3.7倍。更关键的是，OpenAI研究部门每1个人类工作日已对应3.1个Agent工作日，6月前Agent运行时间总和还未超过研究人员工作时间。这意味着，一个用户背后可同时运行多个“数字进程”，不再受“人的输入速度”限制，算力需求计量单位可能变为“一个用户背后同时运行多少Agent，以及这些Agent每天工作多少小时”。

Computer Use拓展工作空间

Coding Agent增长虽快，但主要使用者仍是程序员，而程序员只是全球知识工作者的一小部分。Computer Use将空间拓展至更广：Astra发布后，Kim亲自测试，让Astra在一台Mac上研究航天飞机、打开Blender并完成3D建模，约10分钟后模型生成。普通对话是“输入—推理—输出”；Coding Agent变成“读代码—推理—修改—测试—再推理”；Computer Use进一步变成“看屏幕—理解界面—决定操作—执行—等待结果—重新观察—验证—纠错”。一个人类十分钟完成的任务，AI可能经历几十轮视觉理解、推理和工具调用。一旦这套能力进入Excel、Salesforce、SAP、Power BI、Photoshop、CAD及企业内部系统，潜在用户将扩大至几乎所有知识劳动者。Kim所谓“第四轮需求”的核心是：Coding Agent想吃掉程序员的电脑时间，Computer Use想吃掉所有白领的电脑时间。但截至目前，这仍是可能性——OpenAI未公布Astra发布后的Computer Use任务量、单用户每日Token、GPU利用率或推理吞吐量日级曲线，无法证明“Astra已带来第四轮算力增长”。

算力吃紧的迹象？

Astra发布后，部分开发者社区反馈不同地区和账号使用体验出现差异，亚太开发者反映ChatGPT和Codex响应变慢、复杂任务稳定性不如美区账号，社区称其为“降智”。部分反馈并非主观：9月4日，OpenAI官方状态页报告亚太地区服务性能下降，影响ChatGPT、Work、Codex Cloud等产品；四天后，OpenAI宣布与Nvidia支持的数据中心运营商Firmus达成多年协议，从马来西亚两座数据中心获得专用计算能力。但尚无证据表明OpenAI因Astra负载上升对亚太用户降低推理预算或切换更弱模型。“亚太降智”可能混杂区域基础设施和路由问题、账号级风控和速率限制、高峰期动态资源调度等因素。这些反馈提供了观察AI算力压力的另一视角：当模型持续消耗计算时，供给吃紧可能先表现为不同地区、账号间延迟、失败率和服务质量波动。但缺乏关键数据——同一模型、套餐、任务在不同区域的首Token延迟、总推理时间、工具成功率和任务完成率差异，因此“降智”仅是线索，不能作为算力紧张的证据。

资本市场下注

尽管真实算力曲线未公开，资本市场已提前交易“AI需求未触顶”的故事。MarketWatch统计，Astra发布后iShares Semiconductor ETF一度上涨约3.5%，三星、SK海力士、Kioxia等内存股表现更强。值得注意的是，这轮上涨最醒目的不是Nvidia，而是内存。Computer Use若成为持续运行的Agent工作负载，不仅需增加GPU计算，更长上下文、KV Cache、并发Agent、虚拟机、浏览器和软件环境都可能推高HBM、DRAM、CPU、网络和存储需求。市场交易的主要逻辑是“更聪明的模型会不会让用户购买更多计算”。这与传统软件不同：传统软件越优化，所需服务器资源越少；生成式AI却可能出现“杰文斯悖论”——模型效率越高，人越愿意把更多工作交给AI，总算力消耗反而增加。但需警惕，资本市场同样有自身立场——AI基础设施此前已历一轮大涨和调整，半导体股今年曾因资本开支过热、云厂商自由现金流下降而回撤，Astra带来的几天反弹仅说明投资者重新下注，不足以证明第四轮算力需求已现。

经济账与未来

Kim的判断最终取决于三个现实问题：可靠性——真实企业工作非一次Demo，Agent能否连续数小时操作ERP、财务模型或工程软件，并在弹窗、权限变化和数据更新时保持正确；成本——Computer Use完成一小时人类等效工作的成本，若AI用10美元完成员工50美元的工作，需求易爆发，若需100美元，市场空间则完全不同，OpenAI内部600美元/天的数据既说明Agent能制造巨大需求，也侧面反映当前方式可能昂贵；自我替代——Computer Use可能消灭部分自身需求，因现有软件为人设计，一旦Salesforce、Microsoft、Adobe或企业系统开放API、MCP和Agent接口，大量任务无需模拟鼠标键盘，最终形态可能是Computer Use与Tool Use融合：有结构化接口处直接调用，无接口或难改造的旧系统则靠视觉操作。Computer Use真正打开的市场，未必是“让AI永远像人一样点击电脑”，而是通过“人类授权”方式让Agent突破现有应用生态格局，进入此前自动化无法覆盖的最后一大片工作环境。这也是“第四轮指数增长”真正值得验证的部分：“Computer Use是敲门砖，还是又一次范式改变？”GPT-6之后，那个一度因Agent撞墙而难讲的算力故事，是否重新讲得通？资本市场已开始下注，但生成式AI爆发后，市场曾持续打脸“算力增长”空头，这次会否不同，仍待观察。