Coinbase 首席执行官 Brian Armstrong 表示，决定人工智能增长上限的关键将是能源与算力基础设施，而非模型本身的优劣。
Armstrong 的观点是在回复投资人 Tommy Shaughnessy 的帖子时提出的。Shaughnessy 强调，按流量计费的 API 定价模式，正让企业级 AI 花费远远超出了原本基于月费定价模式下企业的预期。
市场对智能需求几乎无限
Coinbase CEO 的核心观点是，市场对 AI 生成智能的需求几乎没有实际上限。
不过，他预计未来 12 至 18 个月内，AI 市场将出现明显分化。大约 80% 的任务工作负载将迁移至价格低于目前顶级模型 99% 的低价模型。
剩下约 20% 的高性能需求场景（如科研或顶级智能体调度等），仍会继续依赖于前沿大模型运行。
Armstrong 将这种市场分化类比为消费级硬件市场，即多数用户不会选择 MacBook 或 游戏电脑的最高配版本——尽管这些产品的价格下跌速度甚至超过摩尔定律的预测。
他强调，价格下压并不会彻底解决“稀缺性难题”。随着模型成本大幅降低、低价替代方案大量涌现，产业瓶颈将上移至能源与芯片供给端——也就是大规模运行模型所需的电力与算力基础设施。
Coinbase 的路由策略
Coinbase 已将这一理念付诸实践。Armstrong 表示，交易所将合适的 AI 请求任务分流至低成本大模型，从而使整体 AI 支出保持稳定，即便 AI Token 用量实现指数级增长。
他在 2026 年初主导的Coinbase 全面“AI 原生”重组，也标志着公司向效率优先、智能体驱动的业务流程全面转型。他反对对 AI 过度监管，坚信该赛道的发展不应被政策过度束缚。
这种策略直面 Shaughnessy 所提及的行业痛点。例如，Uber 早在 2026 年 4 月就已耗尽全年的 AI 预算，这充分说明企业级 AI 成本失控可能加速的现实困境。
Shaughnessy 还指出，像 DeepSeek V4 这样的开源模型，其性能已接近业内顶级的专有系统，成本却仅为十分之一甚至三十分之一。这也在一定程度上为前沿实验室的定价能力设置了上限。
能源将成为核心掣肘
Armstrong 得出的结论是，未来各类模型的质量将逐渐趋同，而低成本替代方案将持续缩小性能差距。真正决定 AI 发展上限的，将是支撑各类 AI 部署的物理基础设施。
这一观点也与市场中的最新资本流向保持一致。2026 年第一季度，全球 AI 初创项目融资总额突破 2420 亿美元，但数据中心的产能已难以满足持续增长的需求。
Armstrong 想强调的并非哪种模型最终胜出，而在于能源与算力基础设施能否跟上日益膨胀的市场需求。正如他本人所言，当前的需求几乎没有天花板。
