AI 智能体到底能同时上线多少个？Epoch AI 在 2026 年 10 月 2 日发布报告《How many AI agents could run on the AI chips shipped through 2027?》，作者为 Jason Li。报告给出的答案是：以 2025 年至 2027 年出货的高带宽内存（HBM）为约束，全球硬件可支撑约 3000 万至 1.7 亿个并发前沿模型智能体；若只算到 2026 年的出货量，区间为 1600 万至 5600 万个。
估算怎么算：先看 HBM，而不是先看需求
这份估算的口径很明确：它以 HBM 出货量为约束，并假设相关硬件被全面部署、且全部用于这类智能体负载。换句话说，它回答的是“硬件最多能跑多少”，不是“市场到底需要多少”。智能体的实际运行成本也并不一致：Epoch 对智能体轨迹的分析显示，Codex 负载平均每小时约 16–18 美元，Claude Code 负载约 24–50 美元，同一批硬件跑不同负载，花费和产出都会拉开差距。
换算成人力：工时惊人，但不能直接等同于员工
智能体可以每周工作 168 小时，是全职员工 40 小时的 4.2 倍。按周工时折算，计入 2027 年出货后，上述并发量相当于约 1.4 亿至 7.2 亿名全职员工。作为参照，美国人口为 3.42 亿，知识工作者约 1 亿。若换成更高效的模型，数字还会放大：按 DeepSeek V4 Pro 的服务基准测算，同一批硬件约可跑 19 亿个并发智能体，周工时相当于 80 亿人。不过报告也提醒，产出质量参差，工时对比只算时长，不能把运行时长直接等同于同等质量的工作成果。
钱跟得上吗：供给可能跑在需求前面
算力扩张背后是持续加码的基础设施投入，这类生意的资金规模也在不断抬高，可参考 Broadcom 420 亿美元贷款给 Anthropic：从金主到最大客户，算力生意的水有多深。Epoch 算了另一笔账：只动用其中央估算产能的 20%，按 API 价格折算，也意味着每年 2.6 万亿至 5.3 万亿美元支出；而模型开发商收入即便保持每年 5 倍增长，2027 年底年化收入也只有约 1 万亿美元，需求可能跟不上供给，存在产能过剩风险。与此同时，承载方式并不只有大型数据中心，智能体也可以跑在本地硬件上，桌面级设备正在成为另一条路径，可参考 DGX Spark 64GB 版 10 月 23 日开售：4999 美元，把大模型搬回桌面。因此，这组数字更适合当作上限来理解：它标出硬件供给的边界，而不是对未来需求的预言。
