9月3日，GPT-6 Astra发布后，半导体和内存板块率先反弹。9月4日，SOXX单日上涨3.5%，Micron上涨6.1%，SanDisk上涨11.9%；9月7日，韩国KOSPI上涨4.61%，Samsung Electronics上涨5.7%，SK hynix上涨约8%。
在这之前，市场围绕AI资本开支过热、算力需求是否见顶的担忧，已经让相关板块震荡了相当长一段时间。MarketWatch甚至把这轮上涨直接形容为，Astra「重新点燃了memory-chip trade」。
《The Nvidia Way》作者、前Barron’s科技记者Tae Kim给出了更激进的说法：AI可能正在迎来过去四年里的第四轮指数级算力需求增长。
第四轮需求假设指向 Computer Use
按照Kim的划分，前三轮增长分别来自Chatbot、Reasoning和Coding Agent，第四轮则可能来自Astra这次重点展示的Computer Use。
他的逻辑是，Chatbot把推理算力带入大众市场，让数亿用户开始消耗推理资源；Reasoning让模型为单个问题投入更长的内部计算；到了Coding Agent，模型的工作模式已经从「回答一次」变成连续工作几十分钟甚至数小时。现在，Computer Use又把持续运行的Agent，从程序员使用的软件环境，扩展到Excel、Blender、CAD、Power BI和浏览器中的普通知识工作。
Kim长期跟踪Nvidia和半导体投资，他创办的Newsletter Key Context，本身就以科技投资判断为核心，近期文章也长期偏多AI基础设施。
因此，「第四轮指数增长」首先是一种由AI算力多头提出的投资假设，并不是已经得到验证的产业规律。但它出现的时间点很敏感。
Astra发布前，Agent范式刚经历过一轮「能力撞墙」的质疑：短任务越来越强，但一旦进入长程、多步骤和真实软件环境，可靠性仍会明显下降。这种质疑也传导到了算力见顶的争论。如果Agent的能力天花板无法继续打开，算力持续增长的叙事就会变得站不住脚。
Astra能否掀开这个天花板，成了眼下的核心问题。
一个人类工作日，对应 3.1 个 Agent 工作日
所谓前三轮「指数增长」，指的是过去几年里，AI每次改变使用范式，单个用户可消耗的计算量都会明显抬升一个台阶。
ChatGPT第一次把推理带入大众市场；Reasoning模型开始愿意为一个问题执行更长时间的内部计算；到了Coding Agent，一个简单指令背后就可能触发读代码、修改、测试、检查错误、再次修改的连续循环。
与此同时，Agent已经开始突破「一个人一天只能工作8小时」的物理限制。
OpenAI在9月6日披露了一组内部数据。到今年8月中旬，公司研究人员中，使用量位于50分位的研究员，每人每天使用Coding Agent对应的推理量，按公开API价格折算已经超过600美元；位于90分位的研究员，每天超过7000美元。Business Insider依据OpenAI数据整理显示，7月时这一中位值还只有约162美元，一个多月增长了近3.7倍。
这组数据是把内部使用量按照API价格折算，更接近「单用户推理强度」的衡量方式。
OpenAI同时披露，6月之前，研究部门所有Agent运行时间加总后，还没有超过研究人员自己的工作时间；但到8月中旬，每1个人类工作日已经对应3.1个Agent工作日，而且越来越多研究人员会同时运行多个Agent。
这意味着，在Agent范式之下，一个用户背后开始对应多个可以并行工作的「数字进程」，它不再受人的输入速度限制。现在，一个人可以让三四个Agent持续工作，甚至让Agent再创建sub-agent。
算力需求的计量方式，也可能因此发生变化：重点不再只是用户数，而是一个用户背后同时运行多少个Agent，以及这些Agent每天工作多长时间。
Computer Use 把工作空间继续打开
Coding Agent虽然增长很快，但边界也很清楚。现在能持续运行多个Agent任务的人群，主要还是程序员，而程序员只是全球知识工作者中的一小部分。
Computer Use把这个边界继续往外推。Astra发布后，Kim做了一个测试。他此前不会使用Blender，于是让Astra在一台Mac上研究航天飞机，打开Blender并完成3D建模。大约10分钟后，系统生成了一个可以旋转查看的模型。
普通对话的流程大致是「输入—推理—输出」；Coding Agent变成「读代码—推理—修改—测试—再推理」；到了Computer Use，流程进一步变成「看屏幕—理解界面—决定操作—执行—等待结果—重新观察—验证—纠错」。
一个人类十分钟完成的任务，AI背后可能要经历几十轮视觉理解、推理和工具调用。
而一旦这套能力从浏览器和代码编辑器进入Excel、Salesforce、SAP、Power BI、Photoshop、CAD，以及各种企业内部系统，潜在用户就不再局限于程序员，而会扩展到几乎所有坐在电脑前工作的知识劳动者。
这正是Kim所说「第四轮需求」的核心：Coding Agent想占用程序员的电脑时间，Computer Use想占用所有白领的电脑时间。
但到目前为止，这仍然只是一个可能性。
OpenAI没有公布Astra发布后的Computer Use任务量，也没有披露单用户每天Token、GPU利用率或推理吞吐量的日级曲线，因此还不能据此断定，Astra已经带来了第四轮算力增长。
算力供给是否已经出现压力
Astra发布后，腾讯科技注意到，一些开发者社区出现了一类很难量化、但不能忽视的反馈：不同地区、不同账号的使用体验，似乎开始出现差异。
部分亚太开发者表示，近期ChatGPT和Codex响应变慢，复杂任务的稳定性也不如美区账号。社区通常会把这种体验直接称为「降智」。
至少其中一部分，并不完全只是主观感受。
9月4日，OpenAI官方状态页曾单独报告亚太地区服务性能下降，影响ChatGPT、Work、Codex Cloud等多个产品。4天后，OpenAI又宣布与获得Nvidia支持的数据中心运营商Firmus签署多年协议，将从马来西亚两座数据中心获取专用计算能力。
不过，目前同样没有证据表明，OpenAI因为Astra负载上升而主动对亚太用户降低模型推理预算，或切换到更弱的模型。
所谓「亚太降智」，至少还可能混杂三类因素：区域基础设施和路由问题、账号级风控和速率限制，以及高峰期动态资源调度。它们在用户侧都可能表现为响应更慢、失败更频繁、工具调用中断，甚至复杂任务最终答案变差。
但这些反馈仍然提供了另一种观察AI算力压力的方式：当模型越来越能持续消耗计算资源时，供给趋紧可能会先表现为不同地区、不同账号之间的延迟、失败率和服务质量开始波动。
问题在于，这个判断目前还缺一组关键数据：同一模型、同一套餐、同一任务，在不同区域的首Token延迟、总推理时间、工具成功率和最终任务完成率，是否存在稳定差异。
在这些数据出现之前，「降智」只能算线索，不能直接作为算力紧张的证据。
9月8日，有用户晒出GPT-6 Astra「容量已满」的提示，并称自己的4个账号均无法正常使用，系统建议切换到其他模型。Tibo转发时调侃称「we are so back（我们又回来了）」，把「模型满载」视为AI需求重新升温的信号。
资本市场先交易了需求没见顶的预期
尽管Astra发布后的真实算力使用曲线尚未公开，资本市场已经开始提前交易「AI需求还没有见顶」这套叙事。
MarketWatch统计，Astra发布后，iShares Semiconductor ETF一度上涨约3.5%，Samsung、SK hynix、Kioxia等内存相关公司表现更强。外媒甚至直接把这轮行情描述为Astra「重新点燃了memory-chip trade」。
这轮上涨中最醒目的不是Nvidia，而仍然是内存板块。
如果Computer Use真的成为持续运行的Agent工作负载，增加的也不只是GPU计算。更长上下文、KV Cache、并发Agent、虚拟机、浏览器和软件环境，都可能继续推高HBM、DRAM、CPU、网络和存储需求。
所以，市场最近交易的并不只是「GPT-6更强大了」，更核心的问题还是：一个更聪明的模型，会不会让用户愿意购买更多计算。
这也是本轮AI基础设施叙事与传统软件的一处重要差别。
传统软件越优化，同一用户消耗的服务器资源可能越少；生成式AI则可能出现相反的「杰文斯悖论」：模型效率越高、任务成功率越高，用户越愿意把更多、更长、更复杂的工作交给AI，总算力消耗反而继续增加。
不过，资本市场本身也有自己的立场。
在Astra发布前，AI基础设施板块已经经历过一轮大涨和调整，半导体股票今年也曾因为资本开支过热、云厂商自由现金流下降而出现明显回撤。因此，Astra带来的几天反弹，只能说明投资者重新开始下注，还不足以证明第四轮算力需求已经真实出现。
决定这轮叙事能否成立的三笔账
Kim的判断最终能否成立，取决于三个更现实的问题。
第一个是可靠性。
真实企业工作不是一次Demo。一个Agent能否连续几小时操作ERP、财务模型或工程软件，并在中途出现弹窗、权限变化和数据更新时仍保持正确，这是与演示完全不同的考验。
第二个是成本。
未来Computer Use完成一小时人类电脑前的等效工作，究竟要花多少钱。
如果AI用10美元完成一名员工50美元的工作，需求很容易爆发；如果需要100美元，市场空间就会完全不同。OpenAI内部披露的600美元/天数据，一方面说明Agent能够制造很高的需求，另一方面也从侧面说明，今天这种工作方式仍可能非常昂贵。
第三个问题，是Computer Use会不会最终消灭掉自己的一部分需求。
现在模型需要看屏幕、找按钮，是因为现有软件原本是为人设计的。一旦Salesforce、Microsoft、Adobe，或者企业内部系统，开始直接开放API、MCP和Agent接口，大量任务就没有必要继续模拟鼠标和键盘。
更可能出现的最终形态，是Computer Use与Tool Use融合：有结构化接口的地方直接调用；没有接口、难以改造的旧系统和开放网页，则继续依赖视觉操作。
因此，Computer Use真正打开的市场，未必是让AI永远像人一样点击电脑，而更像是借助「我的人类主人授权我操作你的软件，所以你拦不住」这种方式，让Agent强行突破现有应用生态的边界，进入此前自动化无法覆盖的大量工作环境。
这也是Kim所谓「第四轮指数增长」真正值得验证的部分：Computer Use究竟只是敲门砖，还是又一次范式切换。
GPT-6之后，那个一度因为Agent撞墙而越来越难讲的算力故事，是否重新变得讲得通，资本市场已经先开始下注。
但在生成式AI爆发后，市场此前已经多次低估「算力增长」这条线索。这一次会不会不同，现阶段还没有定论。