GPT-6 引爆算力第四轮增长？内存股暴涨背后的真相

据 Woofun AI 消息，随着 GPT-6 Astra 的正式发布，人工智能基础设施领域再次成为市场焦点，前 Barron's 科技记者 Tae Kim 提出的'AI 算力第四轮指数级需求增长'假说迅速引发行业关注。

这一观点的核心在于，Astra 所重点展示的 Computer Use 功能可能正在开启继 Chatbot、Reasoning 和 Coding Agent 之后的新一轮算力消耗浪潮。

尽管该假说目前仍属于投资层面的前瞻性判断，而非已被完全验证的产业规律，但其出现的时间点恰逢市场对 AI 资本开支过热及算力需求见顶的担忧达到顶峰，使得这一叙事具备了极强的现实张力与解读价值。

市场资金的快速反应为这一叙事提供了初步佐证。在 GPT-6 Astra 发布后的短短数日内，半导体与内存板块出现了显著的估值修复。9 月 3 日，相关股票率先企稳；至 9 月 4 日，费城半导体指数 SOXX 单日上涨 3.5%，其中 Micron 涨幅达 6.1%，SanDisk 更是飙升至 11.9%。

这种上涨势头迅速蔓延至亚洲市场，9 月 7 日韩国 KOSPI 指数上涨 4.61%，Samsung Electronics 上涨 5.7%，SK hynix 涨幅约 8%。MarketWatch 直接将此次行情定义为 Astra '重新点燃了 memory-chip trade'。回顾过去四年，AI 算力的前三轮增长分别由 Chatbot 普及、Reasoning 模型引入以及 Coding Agent 的持续工作模式驱动，每一轮都伴随着使用范式的根本性转变。如今，市场正在交易的是第四轮增长的可能性，即 Computer Use 将 AI 的应用边界从代码编辑器拓展至更广泛的通用软件环境。

Tae Kim 在其创办的 Newsletter Key Context 中详细阐述了第四轮增长的底层逻辑。他认为，Computer Use 的本质是将持续运行的 Agent 从程序员群体扩展至所有使用 Excel、Blender、CAD、Power BI 及浏览器的普通知识工作者。

这一范式转移的关键在于工作空间的极大拓展。Chatbot 阶段，AI 主要承担问答角色，消耗的是单次推理算力；Reasoning 阶段，模型通过内部链式思考增加了单次任务的计算密度；Coding Agent 阶段，模型从'回答一次'转变为连续工作数十分钟甚至数小时，突破了人类输入速度的物理限制。而 Computer Use 则进一步打破了职业壁垒，让 AI 能够操作那些非程序员日常使用的复杂软件界面。Kim 的逻辑链条清晰：当 AI 能够像人类一样点击鼠标、操作界面时，其潜在的用户基数将从数百万程序员扩展至数亿白领，从而带来算力需求的指数级跃升。

然而，在探讨增长之前，必须直面 Agent 范式此前遭遇的'能力撞墙'困境。在 Astra 发布前，市场普遍质疑 Agent 在长程、多步骤任务中的可靠性。虽然短任务表现优异，但一旦进入真实软件环境，涉及多个步骤的复杂操作往往导致成功率大幅下降。

这种能力天花板的固化，直接传导至对算力需求见顶的悲观预期：如果 Agent 无法可靠地完成复杂工作，那么持续增加算力的故事便难以讲通。Astra 的发布旨在打破这一僵局，通过 Computer Use 提升 Agent 在真实环境中的交互能力。能否真正掀开这层天花板，取决于 AI 是否能在保持高可靠性的前提下，处理更加复杂、非结构化的软件操作任务。

如果 Computer Use 仅停留在演示阶段，而无法在真实业务场景中稳定运行，那么第四轮增长的故事将缺乏实质支撑。

OpenAI 内部披露的数据为算力需求的激增提供了微观层面的实证。9 月 6 日，OpenAI 公布了一组针对其研究部门使用情况的内部数据。数据显示，截至今年 8 月中旬，使用量位于 50 分位的研究员，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；而使用量位于 90 分位的研究员，这一数字更是超过 7000 美元。据 Business Insider 根据 OpenAI 数据整理，7 月时中位值还只有约 162 美元，相当于一个多月增长了近 3.7 倍。更令人震惊的是，截至 8 月中旬，OpenAI 研究部门每 1 个人类工作日已经对应 3.1 个 Agent 工作日。

这一数据表明，Agent 范式已经彻底突破了'一人一天工作 8 小时'的物理限制，单个用户背后开始并行运行多个'数字进程'，算力需求的计量单位正从'用户数'转向'并发 Agent 数及其工作时长'。

Woofun AI 整理数据显示，这种工作空间的拓展不仅限于代码领域，Computer Use 正在将 AI 的能力边界推向全白领阶层。Kim 亲自进行的测试案例极具代表性：他让 Astra 在一台 Mac 上研究航天飞机，并打开 Blender 完成 3D 建模，整个过程仅耗时约 10 分钟，最终生成了一个可旋转查看的模型。

这一过程揭示了 Computer Use 的复杂计算链条：从'看屏幕'到'理解界面'，再到'决定操作'、'执行'、'等待结果'、'重新观察'、'验证'及'纠错'，一个人类 10 分钟完成的任务，背后可能经历几十轮视觉理解、推理和工具调用。一旦这套能力成功迁移至 Salesforce、SAP、Photoshop、CAD 等各类企业内部系统，潜在用户群体将涵盖几乎所有坐在电脑前的知识劳动者。Coding Agent 旨在吃掉程序员的电脑时间，而 Computer Use 的目标则是吃掉所有白领的电脑时间，这将带来更为庞大的算力基数。

然而，算力压力是否已经实质性显现，仍需从基础设施层面寻找线索。Astra 发布后，腾讯科技注意到部分亚太开发者反馈 ChatGPT 和 Codex 响应变慢，复杂任务稳定性下降，社区称之为'降智'。9 月 4 日，OpenAI 官方状态页确认亚太地区服务出现性能下降，影响范围包括 ChatGPT、Work、Codex Cloud 等产品。随后，OpenAI 宣布与 Nvidia 支持的数据中心运营商 Firmus 达成多年协议，将从马来西亚两座数据中心获得专用计算能力。

尽管没有证据表明 OpenAI 因负载上升而对亚太用户降低了推理预算或切换了弱模型，但'亚太降智'现象可能混杂了区域基础设施路由问题、账号级风控限制以及高峰期动态资源调度等多种因素。这些波动表现为首 Token 延迟增加、总推理时间延长、工具调用中断及任务完成率下降。在缺乏同一模型、同一套餐下不同区域的首 Token 延迟、总推理时间、工具成功率和任务完成率等稳定差异数据之前，'降智'只能作为算力紧张的线索，而非确凿证据，但它确实反映了供给端可能面临的压力。

资本市场显然已经提前交易了'AI 需求未现顶'的故事。iShares Semiconductor ETF 在 Astra 发布后上涨约 3.5%，Samsung、SK hynix、Kioxia 等内存公司表现尤为强劲。

值得注意的是，本轮行情的领涨板块并非 Nvidia，而是内存。这是因为 Computer Use 带来的持续运行 Agent 工作负载，不仅增加 GPU 计算需求，更长上下文、KV Cache、并发 Agent、虚拟机及浏览器环境将显著推高 HBM、DRAM、CPU、网络和存储的需求。这体现了生成式 AI 特有的'杰文斯悖论'：模型效率越高、任务成功率越高，用户越愿意将更多复杂工作交给 AI，导致总算力消耗不降反升。与此前传统软件优化减少服务器资源不同，AI 基础设施呈现出越智能越耗能的特征。

然而，投资者需警惕市场情绪的反转，此前半导体板块曾因资本开支过热及云厂商自由现金流下降而大幅回撤，Astra 带来的反弹仅表明投资者重新开始下注，尚不足以证明第四轮增长已成定局。近期更有用户晒出 GPT-6 Astra '容量已满'的提示，称其 4 个账号均无法正常使用，Tibo 转发时调侃'we are so back'，将模型满载视为需求回暖的信号。

最终，Kim 的'第四轮指数增长'假说要成立，必须跨越可靠性、成本与接口融合三大现实障碍。首先是可靠性，真实企业环境中的 ERP、财务模型及工程软件操作涉及弹窗、权限变化及数据更新，Agent 能否在连续数小时的操作中保持正确，是决定其能否替代人工的关键。其次是成本，若 AI 以 10 美元完成员工 50 美元的工作，需求将爆发；若成本高达 100 美元，市场空间则受限。OpenAI 内部 600 美元/天的数据既显示了巨大需求，也暗示了当前高昂的成本。

最后是接口融合，随着 Salesforce、Microsoft、Adobe 等企业开放 API、MCP 及 Agent 接口，结构化调用将取代部分鼠标键盘模拟。未来更可能的形态是 Computer Use 与 Tool Use 融合：有结构化接口的地方直接调用，无接口或旧系统则依靠视觉操作。Computer Use 的真正意义或许不在于让 AI 永远像人一样点击，而是通过'授权操作'强硬突破现有应用生态格局，进入自动化无法覆盖的最后一片工作环境。这不仅是技术范式的转变，更是 AI 算力故事能否在 GPT-6 之后继续讲通的核心验证点。