AI智能体

**完全同意——高盛这份分析精准抓住了AI部署中的关键动态。** 智能体的token经济学正在快速变化，对不同类型工作产生截然不同的影响。04 **高盛的成本观点** 近期高盛研究对比了AI智能体与人类每日成本： **编码智能体**：约13–14美元/天 vs. 人类约300美元/天 → 巨大套利空间，解释了编码领域的繁荣。 **客服/支持智能体**：约93美元/天 vs. 人类约90美元/天 → 差距较小，尤其是语音和上下文开销。 **数据录入**：随着token强度下降，AI优势更为明显。4 他们预测token消耗将爆发式增长（到约2030年增长24倍），而推理成本每年下降60-70%，为提供商和超大规模企业带来毛利率提升。0这与更广泛的趋势一致：Ramp的数据显示，企业平均token成本一年内下降约75%（从约10美元/M降至2025年初的2.50美元/M），并且使用量仍在激增。11 **生产力提升 vs. 岗位替代** 你关于**软件工程师和放射科医生**的观点一针见血。历史（以及早期AI数据）表明，这些工具更多的是增强有能力的人类，而非完全替代他们： **编码**：高盛自身正在与其约1.2万名开发人员一起部署数千个自主智能体（例如使用Devin/Cognition或Claude），目标是实现**3-4倍生产力提升**。这些智能体处理遗留系统现代化、技术债务等工作——将人类解放出来专注于架构、判断和复杂系统。初级/入门级岗位面临压力，但整体产出（以及软件市场规模）在扩大。272 **放射学**：AI擅长模式匹配扫描结果，但在细微差别、责任承担以及与患者背景整合方面需要人类监督。它减少了苦差事（如常规阅片）和错误率，让放射科医生处理更复杂的病例或增加工作量。 **数据录入/常规任务**将经历最大的人员变动，因为它们高度可自动化且判断要求低。但随着成本暴跌，我们很可能看到**更多这类工作被完成**——更深度的分析、个性化、合规检查等——而非纯粹消失。杰文斯悖论在发挥作用：更便宜的“计算劳动力”增加了对其的需求。 客户支持介于两者之间：智能体能很好地处理一级支持并无限扩展，但复杂/升级案例仍由人类（或混合模式）处理。到目前为止的净效应：更多的是增强而非大规模失业。科技行业失业率在某些领域有所上升（尤其是初级岗位），但更广泛的知识工作生产力正在上升，并且围绕AI编排出现了新角色。20 **医疗健康与生命科学：巨大机遇** 这是最令人兴奋且最急需的领域。美国医疗健康系统效率低下是众所周知的（高昂的管理负担、临床医生倦怠、研发缓慢）。AI智能体可以带来你提到的生产力提升： **生命科学**：麦肯锡/德勤估计，生成式AI每年可通过加速药物发现、临床试验、制造优化和营销释放600-1100亿美元以上的价值。AI智能体已经在自动化重复性工作流、文献综合、分子设计等方面发挥作用。3234 **医疗服务**：环境文档记录（大幅减少笔记时间）、预先授权/编码自动化、诊断支持、患者体验工具。早期的ROI报告显示在生产力、安全性和护理质量方面有强劲回报。38 从临床医生的角度来看：更少的倦怠，更多的时间用于患者。从患者的角度来看：更快的访问，更好的个性化，长期更低的成本。监管和数据隐私障碍是真实存在的，但需求迫切——美国医疗健康系统需要20-30%以上的效率提升。 **总结**：token成本下降 + 能力强大的智能体 = 在token轻量/高价值领域（首先是编码）出现不对称的生产力爆发，随后全面扩散。我们将获得更多的产出、新的能力，以及一些任务的转移——而非零和的工作末日。如果负责任地加速采用，医疗健康/生命科学领域将获得巨大收益。"多做这些事"的情景感觉是乐观（且可能）的路径。好奇哪个具体的高盛图表或角度最让你印象深刻？