我现在越来越觉得，很多人对 AI 硬件需求的理解还是太线性了。

AI 未来根本不是“问一句、答一句”的工作模式，而是 Agent 长时间运行：任务拆解、反复推理、调用工具、互相通信、监督检查、失败重试，而且所有过程、状态和细节都要不断保存、读取和调用。

这意味着什么？

一份人类工作，可能对应机器几十倍、几百倍的计算、通信和存储行为。

以前一个人工作 8 小时，中间大量时间在思考、沟通、休息；未来 Agent 可以 7×24 小时不停地算、不停地读写数据、不停地互相通信。

所以 AI 对硬件的消耗绝对不是线性加速。

GPU 在跑，存储在反复读写，网络在持续搬数据，整个数据中心的硬件利用率都会被拉到完全不同的水平。不是简单多几个用户，而是每个用户背后的机器工作量发生数量级变化。

这也是为什么我一直觉得：

存储和光通信的空间，市场可能远远没有意识到。

Agent 要保存越来越长的 Context、状态、记忆、中间结果，存储需求自然爆炸；

Agent、GPU、存储之间要不停交换数据，模型越大、集群越大、任务越复杂，通信量越大，光通信就是绕不过去的基础设施。

最关键的是供需关系。

我喜欢用一句不严谨但很形象的话概括：

AI 的需求是 NP，硬件的供给是 P。

需求可以递归：一个 Agent 调十个 Agent，十个 Agent 再拆几十个任务，任务继续推理、检查、重试。

但供给不能递归。

晶圆厂要建，产线要扩，设备要买，良率要爬，光芯片、光模块、NAND、HBM 都有真实的物理产能约束。

需求是指数级扩散的，供给却只能一条产线一条产线往上爬。

所以我一直说，早点买吧。

真正进入 Agent 大规模运行阶段以后，可能不是“需求好不好”的问题，而是硬件够不够的问题。

很多外行现在还在拿过去互联网时代的线性模型算 AI。

但这一次最大的变量恰恰是：

机器开始替人工作以后，机器自己会产生新的计算、存储和通信需求。

这才是 AI 基础设施真正恐怖的地方。人工智能 算力、存储、光通信，远没有到结束的时候。