编辑｜陈陈 过去，人们很少用「工作量」来衡量一个 AI。 一个聊天机器人被调用一次，回答完问题，任务通常也就结束了。它消耗多少 Token、占用多少算力，大多被封装在一次请求里。对用户来说，一次调用基本就对应一次计算。 Agent 改变了这种关系。 现在，当你告诉 AI「帮我完成这项工作」，它可能先制定计划，再搜索资料、读取文件、调用工具、操作软件、检查结果；如果发现哪里出了问题，还会回到前面的步骤重新执行。 这意味着，一项过去只对应一次模型调用的任务，现在可能被拆成几十步，甚至更长的执行链条。每增加一次推理、一次工具调用，背后都会叠加新的 Token 消耗和计算开销。 于是，当 Agent 开始承担越来越复杂的工作，衡量 AI 的方式也在发生变化：人们关注的不再只是一次回答用了多少算力，还要看它为了完成一项工作，究竟执行了多少步骤、消耗了多少计算。 Agent 正在把 AI 从「回答一个问题」，推向「完成一项工作」。 近日， 在 2026 人工智能计算大会（AICC2026）上，IDC 与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》） ，与往年相比，今年《报告》把 Agent 放到了一个更核心的位置。 IDC 副总裁周震刚在解读《报告》时提到，今年这份《报告》前后准备了半年多时间，期间访谈了大量企业并收集相关数据。 而这些调研数据，正在揭示 Agent 时代一个更大的变化。 22 亿 Agent 背后，真正爆发的是 Token 《报告》显示，2026 年全球已经有 52.1% 的 AI 项目取得可衡量的业务成果，相比 2025 年 9 月的 45.1% 进一步提高。 到 2031 年 ，IDC 预计 AI 将累计创造 22.5 万亿美元的全球经济价值 随着 Agent 技术逐渐成熟，企业 AI 采购预算将进一步增长约 20%。 Agent 本身正处于快速扩张阶段。 IDC 预计， 全球活跃企业 Agent 数量将从 2026 年的 7940 万个增长到 2030 年的 22.16 亿个，复合增长率达到 129.8%。 同期 全球 Token 消耗量的复合增长率预计达到 4822.6%，约为活跃 Agent 数量增速的 37 倍 2026-2030 年中国活跃智能体数量复合增长率达 151.2%，同期 Token 消耗量复合增长率达到 3499.3%。 周震刚认为，比 Agent 数量更值得关注的是任务深度。 过去的 AI 主要完成检索、生成等相对简单的任务，现在开始进入多轮推理、工具调用和跨系统协作。随着 Agent 承担的任务越来越复杂，单个 Agent 背后的 Token 消耗也在快速增加。 因此，Agent 带来的算力增长并非线性关系。 报告给出了一个公式： Token 消耗总量 = 任务执行次数 × 单任务 Token 消耗 × 多智能体协同放大系数 。这三个乘数正在同时增长。 首先，任务执行次数。 传统大模型通常需要用户主动发起请求。Agent 进入业务流程之后，大量调用开始由任务本身自动触发。 一个代码 Agent 接到 “修复 Bug” 的指令后，可能需要先读取代码仓库，寻找相关文件，再修改代码、执行测试、读取报错、继续修复。一次用户请求，在系统内部已经变成多次模型和工具调用。 报告预计，全球 Agent 年执行任务数将从 2026 年的 2800 亿次增长至 2030 年的 415.07 万亿次；中国则会从 178 亿次增长至 39.41 万亿次。 第二个变化，是单任务 Token 消耗 一次简单问答可能只消耗数十到数百 Token，一个复杂 Agent 任务则可能持续运行多个步骤。 它需要加载上下文，进行任务规划，调用搜索、数据库、API 或代码执行环境，再读取工具返回结果。只要任务还没完成，就可能继续进入下一轮推理。 随着上下文窗口扩大、模型推理能力增强，单个任务的 Token 消耗也在从简单问答的数十个，增长到复杂文档分析的数万个，再到多轮决策任务的数十万个。 第三个变化，则来自多智能体协同 一个复杂任务可以被拆成多个 Agent 子任务。一个 Agent 做检索，一个 Agent 做分析，一个 Agent 写代码，还有一个 Agent 负责验证和汇总。 Agent 数量增加了一层计算，Agent 之间传递上下文、交换结果，又进一步拉长了任务链。于是，一次原本简单的模型调用，被扩展成了一棵不断生长的计算树。 三个乘数叠加之后，最直接的结果就是算力需求斜率上升。 2025 年，中国智能算力规模为 1371.1 EFLOPS；2026 年预计达到 2576.5 EFLOPS，同比增长 87.9%； 到 2030 年进一步达到 10524.3 EFLOPS 与此同时，202