一句话看懂：Wired 专栏指出，AI 的算力消耗正从”一问一答”的聊天机器人，转向能连续自我提示、跑上数小时的 AI Agent，这才是科技公司大举建设数据中心和电厂的重要推手。
事件核心：发生了什么
在 Wired 专栏 Power Play 中，作者 Molly Taft 回应了一个常见疑问：AI 已经这么强了，为什么科技公司还要背负数十亿美元债务、修建巨型电厂和数据中心？答案之一是 AI Agent。它没有官方定义，大致指基于大语言模型、能自主决策并执行任务的系统。与单次提问不同，Agent 会围绕用户的原始问题不断给自己派发成百上千条小指令。Wired 的 Maxwell Zeff 举例：让 Agent 建一个网站，它可能持续运行数小时，反复自我提示，逐步生成页面、菜单和数据集。
这一趋势已在前沿实验室的实践中出现。OpenAI 曾称由超过 1 万个 Agent、发送 270 万条消息组成的集群解决了一个长期数学难题，不过有数学家对此提出质疑。Zeff 估算，这类消息消耗的算力可能价值数千万美元。而行业长期缺少关于 Agent 能耗的可靠数据：OpenAI CEO Sam Altman 曾把 38000 次 ChatGPT 查询的耗水等同于种植一颗杏仁，该算法也存在争议。气候科学家 Zeke Hausfather 今年在博客中估算，自己日常重度使用 Agent 的 Claude 会话，耗电量可能超过两台冰箱。
为什么重要
过去衡量 AI 资源消耗，常以单次查询为单位；但 Agent 把一次任务拆成大量推理调用，能耗量级完全不同。可持续 AI 研究机构 Sustainable AI 联合创始人 Boris Gamazaychikov 指出，其他技术增长通常受限于用户规模，而 Agent 的计算”与用户脱钩”——AI 公司设想的是只有一名员工、后台却有成百上千个 Agent 运转的组织形态。目前公开信息显示，这类任务的电力需求跨度极大，从简单任务到全天自主编程，边界还在扩张。这也解释了数据中心的建设竞赛：需求不只来自聊天机器人，更来自规模化、长时间的推理计算。
对用户/开发者/创作者的影响
对开发者而言，Agent 意味着 API 调用量、并行任务和推理成本可能远超传统聊天应用，架构上需要更在意 token 消耗、任务拆解方式和失败重试策略。创作者和企业采购方若引入自动化 Agent，应把长期运行的算力成本纳入预算，而不是只按单次调用计价。同时，各公司对环境指标的披露普遍有限，能耗与成本的透明度仍待观察。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Sustainable AI 预计本月发布针对闭源模型上 Agent 环境足迹的更精确研究，可对比 Hausfather 的估算差异；二是 OpenAI 等公司是否会披露 Agent 任务的能耗或成本口径；三是随着 Agent 承担更长任务，调用量增长是否会进一步推高数据中心与电力投资需求。
来源：Wired AI
