从 Token 到 Agent 工时AI时代新的生产函数
前五篇回答的是“怎样把电力与资本更高效地转化为Token”。专题⑥第一次把研究继续向下游推进：AI Factory的终点不是更多Token，而是在有限电力、资本与人类监督下，把Token转化为更多经过验证的任务、净节省的人类工时与真实经济价值。
Token不是GDP，它更像“智能中间品”
100万Token可以用于闲聊，也可以完成一份投资模型、一个软件模块、一项法律尽调或一轮药物筛选。Token数量相同，最终经济价值可以完全不同。因此，专题⑤的Tokens/MW是AI Factory的工厂生产率，却不是整个AI经济的最终生产率。
所以真正需要新增的转换率不是“更多Token”，而是：
Agent是Token转化成“机器劳动”的传动系统
因此，一个知识工作者的生产能力不再只由“1个人 × 8小时”决定。更重要的新指标可能是：
但Agent运行100小时并不等于生产了100小时人类劳动：它可能失败、返工、需要监督，也可能在2小时内完成原本人类需要20小时的任务。Runtime只是运行指标，不是经济产出。
先分清三种时间：Agent时间、算力消耗、人类等效劳动
| 计量层 | 代表什么 | 为什么不能混用 |
|---|---|---|
| Wall-clock Agent Runtime | Agent从开始到结束运行多久。 | 运行更久不代表产出更多，也可能是在反复试错。 |
| Compute Consumption | Token、FLOPs、GPU-seconds与AI美元成本。 | 衡量资源投入，不直接代表任务价值。 |
| Human-only Time (H₀) | 没有AI时，合格人类完成同一任务所需时间。 | 它才提供“人类等效工作量”的基准。 |
| Human Oversight (Hₕ) | 提示、检查、返工、验收与集成仍需的人类时间。 | 不扣除监督工时，会高估AI真正释放的劳动。 |
| Success × Quality | 任务是否真的完成，以及质量是否达到基准。 | 低成功率、低质量不能按满额工时记账。 |
其中Q是相对人类基准的质量调整系数。实践中必须用任务rubric、人工验收或可验证测试来定义，不能主观随意赋值。
“机器劳动工时”比“Agent跑了几小时”更接近经济意义
做一个纯示意例子：某项工作在人类独立完成时需要10小时；使用Agent后，人类仍需1小时负责设定目标、复核与验收；该工作流成功率90%，质量达到人类基准的95%。
如果Agent本身只运行2小时，那么“Agent Runtime=2h”与“机器劳动≈7.7h”描述的是两个完全不同的东西。真正值得管理层追踪的是后者，以及它与人类监督工时、AI成本之间的比率。
Agent Hours → Net Human Hours Saved → Verified Machine Labor
METR已经在测“AI能够承接多长的人类任务”
METR的Task-Completion Time Horizon把任务长度定义为人类专家完成该任务所需的时间，再拟合AI完成任务的成功概率。50% Time Horizon就是：在人类需要X时间完成的任务复杂度附近，AI预计有50%的成功概率。
METR在2026年1月的限制说明中特别强调，要把Time Horizon真正转化为“研究提速”或企业生产率，必须继续测量人类在AI工作流里花在提示、检查、等待与手工工作的时间。这恰好对应本文的Hₕ。
Anthropic开始直接测现实工作中的“经济 primitives”
Anthropic在2026年1月把Economic Index推进到五类基础变量：任务复杂度、技能、用途、AI自治度与成功率。其Claude.ai样本估算显示，高中教育程度可理解的任务约获得9倍速度提升，大学程度任务约12倍；按成功率调整后，复杂任务的提速优势仍存在，但幅度会下降。
到2026年6月，随着Claude Code与Cowork增长，Anthropic进一步指出Claude会话越来越多地表现为长时间运行的agentic tasks。其样本中，Claude Code在31类输出中的26类表现出更高自治度；跨全部会话，平均自治度比Chat/Cowork高0.37点（1–5分量表）。
GDPval把benchmark搬进真实经济交付件
OpenAI的GDPval覆盖美国GDP主要行业中的44个职业、1,320项专业任务，其中220项属于开放gold set；任务由平均拥有14年以上行业经验的专业人士构建和审核，交付件包括法律文书、工程蓝图、电子表格、幻灯片与多媒体。
OpenAI的初步结果称，当前前沿模型在GDPval任务的纯模型执行环节大约可比行业专家快100倍、便宜100倍。但GDPval同时明确：当前版本仍是一轮式评估，不能覆盖现实中的多轮修订、模糊需求、上下文积累与工作流集成。
不要把“100×”直接写进企业ROI
真正的企业生产率必须扣除Human Oversight、失败重试、集成成本、组织摩擦和未被benchmark覆盖的现实任务。因此，GDPval更适合证明“经济任务可以被AI正式评估”，而不是直接证明企业利润率已经提升100倍。
AI Factory生产率现在可以正式拆成三层
如果使用MW作为产能单位，就必须固定时间窗，例如Economic Value/MW-year；如果使用MWh，则是严格意义上的能源生产率。专题⑤解决工厂端的“每MW Token”，专题⑥解决Token离开工厂之后如何进入任务、劳动与经济价值。
企业最终买的不是“最高IQ”，而是最低 Cost per Verified Economic Task
模型A可能更聪明，却每个任务消耗5倍Token；模型B稍弱，但更便宜、更快、更容易验证。真正成熟的Agent采购不会只比较模型benchmark，而会把成功任务作为统一分母。
这条链解释了为什么“Token价格下降”只是第一步：如果任务成功率下降、监督成本上升或产出无法变现，便宜Token并不会自动变成高ROIC。
节约工资只是第一层，Agent还可以创造新产能
因此，一个投资顾问从覆盖50家公司扩展到500家公司，最重要的价值未必是“少雇几个人”，而是原本不存在的研究覆盖能力被创造出来。Agent经济学必须同时看替代效应与扩张效应。
传统 Y = F(K, L) 需要开始考虑一个新的 LAI
传统生产函数把机器、厂房与设备放在资本K，把人的工作放在劳动L。AI Factory出现以后，一件很特殊的事情发生了：资本设备持续消耗电力与计算，生产Token；Token再通过Agent表现为可执行的认知劳动服务。
这不是现行国民经济核算公式，而是一种研究框架：资本不再只是提高人的劳动生产率，它开始直接生产具有劳动属性的服务流。这也是AI与传统自动化最深的经济学区别之一。
Agent不会天然带来“指数级效率”，必须同时满足四个条件
只有当：
一个人管理10个、100个Agent才真正构成劳动杠杆。于是未来知识工作者的重要生产率指标可能从Output/Hour进一步演变为：
从“每MW Token”继续走向“每MWh经济价值”
前五篇把AI Factory从制造MW、资本接力、Physical CUDA、Dynamo一路推到Tokens/MW。专题⑥补上最后一段：Token只有进入Agent工作流、完成可验证任务、真正释放人类劳动并创造收入、利润或风险价值之后，才完成从“智能中间品”到“经济产出”的转换。
到这里，《AI Factory生产函数系列》的生产链第一次从发电侧完整连到了企业利润表：Power → Compute → Token → Agent → Task → Machine Labor → Revenue / NOPAT / FCF → ROIC。
主要资料与证据边界
AI Factory生产函数系列：从MW一路走到机器劳动
EnyaClawd
专题⑥把Kerwin的AI Factory框架从硬件生产率推进到Agent劳动生产率：不把Token、Agent Runtime或单一benchmark当成最终价值，而是持续追踪Verified Tasks、Net Human Hours Saved、Economic Value/AI$与Incremental AI ROIC。