推理吃掉七成算力：2026年秋，算力产业撞上“效率拐点”

过去一周，算力领域没有出现某一项孤立的“爆炸性发布”，却发生了一件更具标志性意义的事：多条原本平行的线索，在同一时间窗口汇聚成了一个清晰的转折信号——推理算力在支出和负载占比上全面超越训练，而智能体的大规模落地，正在把算力产业从“囤卡竞赛”推向“效率与回报的竞赛”。这不是一句简单的行业口号，而是政策数据、需求结构、商业账本、技术架构和资本质疑在同一周内共同指向的结果。算力产业仍然在高速扩张，但扩张的逻辑正在改变：过去问“还有多少卡可以买”，现在问“一张卡每小时能挣回多少”；过去看集群规模，现在看单位算力的有效产出；过去把算力当作资本开支，现在越来越多人把它当作需要接受折旧、电价、利用率和回报周期检验的生产性资产。

一、一个拐点，三组数据

10月20日，工信部在国新办发布会上披露，截至9月底我国智能算力规模达2592 EFLOPS，同比增长146%，并明确提出下一步要“加快算力设施扩容提质”。这组数字本身是供给侧的延续，但真正定义本周方向的，是需求侧的结构性变化。2592 EFLOPS说明算力供给仍在快速扩张，146%的同比增速说明智能算力依然是基础设施投资的重点方向；但“扩容提质”四个字放在一起，意味着政策目标已经不只是把规模做大，而是要在规模扩张的同时提高利用率、网络协同能力、绿色能效和实际产出。换句话说，算力建设的评价体系正在从“建成多少”转向“用好多少”。

中国信通院《词元经济发展研究报告（2026年）》预计，2026年推理算力占AI算力总负载的比重将达到70.5%，AI算力需求正由模型训练向推理和智能体运行加速转移。这个比例的意义在于，它改变了算力需求的形态。训练负载通常是阶段性的、集中式的、可计划的：一个大模型训练任务可以在相对确定的周期内消耗大量算力，然后结束。推理负载则更接近生产系统：它分布在用户请求、智能体任务、工具调用、长上下文处理和多轮迭代之中，具有持续性、波动性和长尾性。推理占比超过七成，意味着算力中心不再只是“训练工厂”，而越来越像“ Token 工厂”和“智能体运行底座”。

Gartner的统计口径给出了同一个结论的另一面：2026年全球推理支出将达到233亿美元，首次超过190亿美元的训练支出。支出结构的变化比负载占比更直接地影响商业决策。训练支出高，对应的是模型能力竞赛和资本开支前置；推理支出高，对应的是服务收入、调用量、单位成本和毛利率。对于云厂商、算力租赁商和模型服务商来说，这意味着收入模型要重新算账：不是把集群建起来就能等待训练客户包场，而是要在推理市场上通过吞吐、延迟、缓存、调度和定价来争夺持续性的调用需求。推理支出超过训练支出，并不代表训练不重要，而是代表算力产业的价值实现环节正在从“一次性训练投入”转向“持续性推理服务”。

驱动这一转变的，是智能体从演示走向规模化部署。黄仁勋在10月21日的柏林GTC演讲中重新拆解了算力需求的账本：智能体具备思考、推理、迭代并使用工具的能力，单次任务消耗的Token数量相比传统一问一答式交互呈倍数级放大。传统聊天式交互往往是一次提问、一次回答，Token消耗相对可控；智能体则可能先规划任务，再调用工具，读取结果，纠错重试，最后生成总结。一次用户请求背后可能是多轮模型调用、多次上下文拼接和多次外部工具交互。Token消耗被放大，推理算力的需求就不再是线性增长，而可能出现任务复杂度驱动的乘数效应。与此同时，智能体对延迟、稳定性和并发能力的要求更高，算力调度不能只看峰值算力，还要看网络、存储、缓存和推理框架的协同效率。

同日Meta财报则提供了消费级智能体的运营样本——Muse上线约一个半月，超1000万用户完成配置，购物成为**大使用场景，算力消耗显著高于此前任何AI产品，Meta因此提出要在一年内将算力效率提升十倍。这个样本的价值在于，它展示了消费级智能体如何把算力需求从“模型研发部门”推向“面向海量用户的生产系统”。购物场景意味着推荐、比价、决策辅助、多轮对话和工具调用叠加，单用户看似简单的需求，背后可能是复杂推理链路。用户规模越大，推理负载越持续，算力成本越接近运营成本而非研发成本。Meta提出一年内将算力效率提升十倍，也说明即便是头部平台，也不能只靠堆卡解决推理经济性问题，必须从模型压缩、推理框架、缓存复用、任务调度和硬件协同中找效率。

需求侧的结构性翻转，意味着算力产业的估值锚点正在位移：过去看“卡有多少、集群有多大”，现在要看“一张卡每小时能产出多少有价值的Token”。这个变化会传导到产业链多个环节。芯片厂商不能只讲峰值算力，还要讲推理吞吐、能效和互联能力；云厂商不能只讲数据中心规模，还要讲利用率和单位Token成本；模型厂商不能只讲参数和榜单，还要讲推理定价和毛利率；算力租赁商不能只讲上架率，还要讲客户结构和长租稳定性。算力仍然是稀缺资源，但稀缺性的定义正在从“有没有卡”转向“有没有高效、稳定、可计费的有效算力”。

二、DeepSeek的38美元：一个可验证的效率样本

如果说推理超越训练是“量”的拐点，那么DeepSeek在10月20日开源推理框架DeepInfer时披露的经营数据，则试图回应“质”的问题。基于该框架，DeepSeek单一集群的服务吞吐达到155万亿Tokens/天，整体收入为每卡每小时38美元，按波谷定价。这个数字之所以引发行业共振，不在于它“高”，而在于它提供了一个此前极少被公开的对照系：英伟达H200单卡每小时的租赁列表价约为6至8美元，B300约为15至20美元；即便按市场实际成交价，B300长租可低至每小时5至6美元。同一张卡，直接出租的收入能力，与用它来销售Token的收入能力，之间存在数倍的差距。

这组对照的关键，不是简单得出“卖Token比租卡更赚钱”的结论，而是把推理算力**次摆到了一个可审计的商业账本面前。租卡模式的收入是租金，成本是折旧、电力、网络、机房和运维；卖Token模式的收入是调用费，成本除了上述项目，还包括模型研发摊销、推理框架效率、缓存命中率、调度损耗和定价策略。每卡每小时38美元之所以重要，是因为它把算力从“资本开支栏目里的数字”变成了可以追问“每卡每小时挣回多少”的生产性资产。对于算力中心来说，如果一张卡直接出租只能收几美元，而通过高效推理服务可以产生更高的单位收入，那么竞争焦点就会从“谁拥有卡”转向“谁能让卡产出更多可计费Token”。

海外社媒据此测算，DeepSeek推理业务的硬件毛利率可能落在84%至96%区间。需要强调的是，这一测算依赖缓存命中率、吞吐和定价等多重假设，并非完整利润口径；DeepSeek也未披露集群的芯片型号、数量和完整成本结构。高毛利率测算容易引发兴奋，但也容易被误读。硬件毛利率只覆盖部分成本，不包含模型训练投入摊销、研发费用、市场费用、电力波动、网络带宽和机房建设等完整成本。波谷定价也意味着38美元并非全天候平均价格，实际收入会随负载曲线波动。因此，这个数字更适合被理解为一个效率信号：在特定框架、特定负载和特定定价条件下，推理算力的单位产出可以显著高于简单租卡模式。它证明了效率优化存在巨大空间，但不能直接推导出全行业都能获得同样利润率。

它的意义还在于，推理算力的竞争开始从“硬件参数”转向“系统工程”。155万亿Tokens/天的吞吐，不只是芯片算力的结果，还涉及推理框架的批处理能力、KV缓存管理、投机解码、算子优化、集群调度和网络通信。DeepInfer开源后，行业可以更具体地讨论推理效率从哪里来：是提高批处理规模，是降低首Token延迟，是提高缓存命中率，还是优化多卡并行通信。过去算力产业的讨论常常停留在芯片型号和集群规模，DeepSeek的样本则把问题推进到“同样一张卡，在不同推理框架和调度策略下，能产出多少有效Token”。这恰好与政策端的“扩容提质”形成呼应。工信部在9月发布的《信息通信行业发展“十五五”规划》中提出，到2030年智能算力规模较2025年增长超过五倍，并将“提质”与“扩容”并列。当推理成为算力消耗的主体，“提质”的经济含义变得具体：不是建更多的卡，而是让已有的卡产出更多可计费的Token。

更进一步看，推理效率的提升会改变算力供需的紧张程度。如果单位算力能服务更多用户、处理更多任务，那么短期内对新增算力的边际需求可能放缓；但如果效率提升带来价格下降，又会刺激更多智能体应用上线，反过来增加总算力消耗。这就是典型的效率与需求互动：效率越高，单位成本越低，应用越普及，总算力需求未必减少，反而可能以更快的速度增长。真正决定产业健康程度的，不是单纯的总算力规模，而是效率提升能否转化为可持续的收入和利润。DeepSeek的38美元提供了一个起点，但它更像一个提问而非一个答案：全行业能否在真实负载、完整成本和长期定价下，复制这种效率？

三、供给侧的回应：从“交付算力”到“交付可回本的算力”

资本和技术的流向也在印证同一个方向。10月20日至21日，Anthropic被曝正与Nscale洽谈第二笔约450亿美元算力租用协议，若落地，两笔协议合计规模约900亿美元，继续采用英伟达新一代Vera Rubin芯片。这类超大规模协议说明，头部模型公司仍然需要长期、锁定式的算力供应，训练和推理的共同需求远未结束。但协议形态本身也值得注意：不是简单买卡，而是租用算力、锁定容量、绑定新一代芯片。算力供给方要交付的不只是硬件，还包括上架速度、网络能力、供电保障和长期运维。对于需求方来说，算力合同越来越像长期基础设施合约，既要保障供应，也要控制单位成本。

马斯克则给出了SpaceX的算力规划：明年底上线13吉瓦，极端情形看至20吉瓦，云算力租金超过500亿美元/吉瓦，算力资产回收期被重新定价。吉瓦级算力规划把问题推到了能源和基础设施层面。算力不再只是芯片问题，而是电力、冷却、土地、并网和资本开支的综合问题。当单吉瓦算力对应数百亿美元租金规模时，算力资产的回收期、利用率和电价敏感性就会成为核心变量。算力竞赛越往大规模走，越不是单纯的芯片采购竞赛，而是能源基础设施和资本结构的竞赛。

技术架构层面，本周深圳WEC2026展出的国产十万卡超集群、华为昇腾1024卡液冷超节点，以及英伟达Vera Rubin的全液冷72-GPU机架设计，共同指向一个趋势：竞争单元正在从“单卡性能”升级为“整机柜、超节点、集群级协同”。单卡性能仍然重要，但推理和智能体负载更依赖集群效率。多卡互联、液冷散热、供电密度、故障恢复和调度系统，决定了大规模集群能否稳定运行。十万卡超集群和千卡级液冷超节点说明，国产算力正在从单点芯片追赶转向系统级集成；全液冷机架则说明，高密度算力必须用更高能效的散热方案支撑。未来的算力竞争，不只是比谁的芯片峰值高，还要比谁的集群在真实负载下更稳定、更省电、更容易运维、更能把算力转化为有效Token。

供给侧的这些动作，共同指向“交付可回本的算力”。过去算力项目常见的逻辑是“先建起来，再找客户”；现在资本开支规模太大，回收周期太长，必须提前锁定需求、优化能效、提高利用率。算力租赁商需要更关注客户结构，是训练客户还是推理客户，是短租还是长租，是包集群还是按Token计费。云厂商需要更关注推理服务的毛利率，而不是单纯扩大GPU上架率。芯片厂商需要更关注推理吞吐和能效比，因为推理负载占比越高，单位Token的电力成本越重要。政策端的“扩容提质”与市场端的“可回本”在此形成交集：算力基础设施仍然要扩张，但扩张必须与需求兑现、能源条件和商业回报相匹配。

四、效率的另一面：折旧、边际定价与回报缺口

但这套“算力资产可回本”的叙事，在本周同时遭遇了来自另一端的严肃质疑。Gartner在10月20日重申了一个令市场不安的判断：高达3.5万亿美元的AI基础设施投资可能面临风险，因为2027年至2030年间，整体AI收入将不足以让计划中的资本开支获得盈利回报。其首席预测师直言，“目前算力容量多于需求，大量词元和处理能力正通过免费增值方案送出”。这个判断的尖锐之处在于，它不是说AI没有需求，而是说需求兑现的速度和价格水平可能不足以覆盖天量资本开支。算力供给可以在一两年内快速上架，但企业采用、智能体普及和付费习惯的形成需要更长时间。如果供给增长快于收入增长，算力市场就可能出现阶段性过剩。

Citadel创始人Ken Griffin则在10月21日将算力投资的潜在陷阱拆解为三层：其一，GPU的边际运行成本极低，一旦供过于求，现货租赁和API价格可能“自由落体”，重演2000年电信泡沫中暗光纤的轨迹；其二，用5至6年前的老旧GPU收取高租金的情况大概率不可持续，7至9年的折旧模型面临系统性重估；其三，企业端AI支出已从试错转向ROI精算，“能省则省”将与巨头天量资本开支形成正面张力。这三层判断分别对应价格、折旧和需求三个维度，正好击中算力资产最脆弱的地方。

**层是边际定价。GPU一旦建成集群，边际运行成本主要是电力、运维和网络，相对于建设成本并不高。如果市场供过于求，算力租赁商为了摊薄折旧，可能以接近边际成本的价格出租，导致现货价格快速下跌。这与电信泡沫中的暗光纤类似：光纤建好后，边际使用成本很低，但需求没有同步兑现，价格战就会摧毁投资回报。算力市场未必会完全重演，但推理API价格战已经显示出边际定价的压力。当模型服务商通过降价争夺调用量时，单位Token收入下降，算力资产的回报周期就会被拉长。

第二层是折旧。GPU不是**资产，技术迭代快，能效和性能每年都在提升。7至9年的折旧模型是否合理，取决于老旧GPU在几年后还能否获得足够租金或推理收入。如果新一代芯片在单位Token成本上显著优于旧卡，旧卡的租金就会下降，折旧年限可能被高估。对于算力租赁商来说，最危险的不是没有客户，而是客户只愿意为旧卡支付越来越低的价格，而账面折旧尚未完成。对于云厂商来说，持续采购新卡会带来资本开支压力，但如果不更新，单位算力成本又会落后。折旧模型的重估，会直接影响算力资产的估值和融资能力。

第三层是企业ROI精算。企业端AI支出已经从“试一试”转向“算一算”。当企业发现某些AI功能无法带来明确收入或成本节约时，就会削减调用量或要求更低价格。这与巨头天量资本开支形成正面张力：供给端在扩张，需求端在精算。智能体虽然放大了Token消耗，但企业不会无条件为所有Token付费，只有能带来实际价值的任务才会持续。这意味着推理算力的需求增长会有结构性分化：高价值场景的算力需求强劲，低价值场景可能被压缩或免费化。Gartner所说“大量词元和处理能力正通过免费增值方案送出”，正是这种分化的表现。

这些警告并非否认算力需求的长期增长，而是在提示一个时间错配：算力资产的折旧速度，可能快于需求兑现的速度。本周的另一则消息为此提供了一个物理层面的注脚——亚马逊有价值近50亿美元的GPU因缺电而闲置。当电力、冷却和并网进度跟不上芯片部署节奏时，“扩容”本身并不自动等于“提质”。GPU买到了，机房建好了，但电不够、并网慢、冷却能力不足，算力就无法转化为收入。这说明算力基础设施的瓶颈不只是芯片，还包括能源和工程能力。对于算力项目来说，电力保障和并网进度可能比芯片采购更决定实际上架率和收入兑现。

五、产业链影响：估值锚点、定价权与观察指标

把本周线索放在一起看，算力产业链的估值锚点正在发生三层位移。

**层是从“算力规模”转向“有效算力”。总算力规模仍然重要，但投资者和客户会更关注上架率、利用率、推理吞吐和单位Token成本。一个十万卡集群如果电力不足、网络拥塞、调度效率低，实际有效算力可能远低于名义规模。相反，一个规模较小但调度高效、缓存命中率高、推理框架优化的集群，可能产生更高的单位收入。有效算力成为更真实的竞争力指标。

第二层是从“租卡收入”转向“Token收入”。租卡模式的收入相对稳定，但上限受租金价格约束；Token收入模式弹性更大，但受调用量、定价和竞争影响。算力租赁商如果只提供裸金属，可能陷入价格战；如果能提供推理服务、模型托管和智能体运行环境，就可能获得更高附加值。云厂商的竞争也会从GPU上架速度转向推理平台能力，包括批处理、缓存、监控、弹性扩缩容和计费方式。

第三层是从“资本开支”转向“回报周期”。算力项目不再只是融资和建设问题，而是运营和回报问题。资本开支越大，回收期越长，对利用率和电价越敏感。算力资产的融资成本、折旧政策、电力合同和客户长约，都会影响项目可行性。政策端的“扩容提质”如果能够推动绿电、液冷、网络和调度协同，就有助于缩短回报周期；如果只是单纯扩大规模，可能加剧供需错配。

对于观察者来说，未来几个季度可以关注几组指标：推理支出占比是否继续上升；智能体应用带来的Token消耗是否转化为持续付费；算力租赁现货价格和API价格是否出现快速下行；GPU折旧年限和二手价格是否被重估；数据中心上架率、利用率和电力保障是否改善；国产超节点和液冷集群在真实负载下的吞吐与能效；以及头部模型公司的推理毛利率能否在完整成本口径下站住。这些指标比单纯的算力规模更能反映产业健康程度。

六、算力竞赛的下半场，比的不是谁更大

回顾近一周，算力领域最火热的话题并不是某一个产品、某一笔订单或某一项政策，而是一个正在成形的新共识：推理算力已经成为需求的主体，智能体正在把算力消耗从间歇性训练推向持续性、长尾性的生产负载，而算力资产的商业合理性，**次被要求用“每卡每小时的回报”来证明。

这并不意味着训练不重要，也不意味着扩容会停止。2592 EFLOPS的规模和“十五五”五倍增长的目标，决定了供给端仍将高速扩张。训练仍然需要大规模集群，前沿模型竞赛仍然需要**算力，国产算力系统级集成仍然需要持续投入。但竞争的重心正在迁移：上半场比的是谁能拿到更多卡、建成更大集群；下半场比的则是谁能用同样的卡产出更多可计费的有效Token，谁的推理效率能让单位算力的收入跑赢折旧、电力和资本成本。

DeepSeek的38美元提供了一个起点，但它更像一个提问而非一个答案。当Gartner的3.5万亿美元警告与工信部的扩容规划在同一周出现，当Vera Rubin的机架密度与亚马逊闲置的GPU同时成为新闻，算力产业真正需要回答的问题已经不再是“还需要多少算力”，而是“这些算力将以什么样的效率、在什么时间、为谁产生回报”。拐点已至，效率竞赛的哨声刚刚吹响。对于芯片厂商、云厂商、模型公司、算力租赁商和投资者来说，接下来最重要的能力，可能不是继续放大算力规模，而是把算力变成可计量、可定价、可回本的有效生产力。