一场“额度不够用”引发的算力变局：推理需求正在撕开旧秩序的裂缝

过去一周，算力领域最具冲击力的事件，并非某款芯片的参数刷新，也不是某个数据中心的上电投产，而是一连串看似彼此孤立、实则指向同一根暗线的信号：用户开始抱怨“额度烧得太快”，大厂开始疯抢一款并非为数据中心设计的显卡，而一家尚未上市的AI公司，用一份招股书把未来十余年的算力账单摊在了华尔街面前。把这些信号放在同一张时间轴上观察，会发现它们并不是偶发的市场噪音，而是同一个结构性变化在不同环节上的投影：算力的需求重心正在从训练向推理迁移，而旧有的芯片供给秩序、云服务定价逻辑和AI公司的成本结构，都还没有为这场迁移做好充分准备。

额度焦虑：推理需求浮出水面的**声“警报”

10月24日，月之暗面发布Kimi K3.1 Pro，参数规模达到3万亿级，支持100万Token上下文，官方重点强调了模型在编程、3D创作和长程Agent任务上的能力。从模型能力角度看，这是一次典型的“能力升级”：更长的上下文意味着模型可以一次性处理更复杂的材料，更强的Agent能力意味着模型不再只是被动回答问题，而是可以主动拆解任务、调用工具、分步执行。然而上线后不久，部分付费用户发现，任务还没做完，额度已经所剩无几。10月26日，月之暗面公开致歉，承认出现了限流和“不必要的额度消耗”，并为订阅会员补偿相当于月度总额25%的额度。

表面看，这是一次产品运营层面的失误；更深一层看，这是推理需求爆发后，算力消耗逻辑变化的一次公开预演。传统聊天机器人模式下，用户问一句、模型答一句，计算消耗相对可预期；而在长上下文和Agent模式下，用户看到的是一个任务，后台执行的却可能是一连串子任务：拆解、检索、分析、校验、汇总、再校验。每一次工具调用、每一轮上下文回填、每一个子Agent的并行运行，都会转化为额外的Token消耗和算力占用。用户感知到的是“额度”，平台承受的是推理集群的并发压力、显存带宽压力和调度压力。

问题并不出在Kimi一家。类似的抱怨同样出现在Claude的用户社区：有用户反映，Claude Opus 5.5整理87份文本材料时，自动启动了12个同级子Agent，5分钟便耗尽了整个5小时的使用额度。用户看到的是一次任务，后台实际执行的却是一连串子Agent的并行调用——拆解、检索、分析、校验、汇总。当AI从“回答问题”走向“执行任务”，计算资源的消耗逻辑发生了质变。过去衡量一个模型，更多看参数规模、 benchmark分数和训练成本；现在衡量一个AI产品，越来越需要看单任务Token消耗、并发调度效率、推理吞吐和单位任务成本。额度焦虑的本质，不是平台小气，而是推理经济学还没有完全成熟：模型能力跑在了成本控制前面，Agent架构跑在了计费体系前面。

这正是推理算力需求爆发的微观基础。中科曙光高级副总裁李斌在CNCC 2026上的判断一针见血：“随着模型参数增长、智能体加速落地，算力系统走向集约化、规模化”。海光信息专家孙建鹏则从模型规模的角度给出了另一重佐证：“大模型参数量正从千亿级向万亿级、甚至十万亿级跃升，单卡、单机已经难以支撑大规模训练和推理”。训练需求仍在增长，但推理侧的需求曲线正在以更陡峭的斜率上扬，而这一变化尚未被现有的芯片供给结构充分消化。

更具体地说，推理需求有三个不同于训练需求的特征。**，推理是持续性支出，只要服务在线，算力消耗就不会停止；训练则更像阶段性资本开支，集中投入、集中消耗。第二，推理负载高度碎片化，不同任务对上下文长度、并发数、响应时延、工具调用的要求差异极大，单一规格芯片很难通吃。第三，推理对成本极其敏感，因为每一次调用都要计入单位经济模型，平台必须在模型能力、响应速度和Token成本之间反复权衡。这三点叠加，使得推理算力不再只是“训练算力的附属品”，而正在成为决定AI产品能否规模化商业化的核心变量。

350亿美元抢一张“不够**”的卡：供给约束下的理性疯狂

推理需求的压力，沿着产业链向上传导，**撞击的是芯片供给端。

路透社披露的一笔潜在订单，将这种压力推到了产业尺度：字节跳动、阿里巴巴和腾讯对英伟达RTX PRO 5500的订单需求合计超过300万张，按每张约1.14万美元估算，潜在订单规模超过350亿美元。但英伟达无法保证满足全部需求，实际交付数量可能远低于订单意向。有分析指出，实际供应可能仅覆盖订单的5%到10%。

令人费解的是，RTX PRO 5500并非英伟达面向数据中心的**训练芯片，而是一款工作站显卡，“性能逊于**数据中心芯片”。为什么中国大厂要集中抢购这样一款产品？如果只看峰值算力，这笔订单似乎不够“理性”；但如果把供给约束、合规条件和推理经济学放在一起看，这恰恰是一种约束下的理性选择。

答案藏在供给约束与推理经济学的夹缝之中。在高端数据中心芯片对华出口持续受限的背景下，“能买到、能部署的算力，比理想中的芯片规格更重要”。RTX PRO 5500在FP4、FP8等低精度算力上较上一代受限产品有显著提升，恰好匹配推理场景对低精度高吞吐的需求，而非训练场景对**互连带宽和显存容量的苛求。换句话说，大厂抢的不是“**的芯片”，而是在可获得的芯片中，推理性价比最可及的那一张。

这一选择本身就宣告了一个事实：推理算力的供需缺口，已经大到足以让企业放弃“等待理想芯片”的博弈，转而接受次优解的现实。更重要的是，这种抢购行为会进一步改变市场预期。当头部云厂商和互联网平台同时向一款合规产品集中下单，供应链的稀缺性会被迅速放大，租赁价格、交付周期和配套服务器成本都会随之波动。对于中小AI公司而言，这意味着推理算力的获取门槛可能进一步上升；对于国产芯片厂商而言，这意味着窗口期既存在替代机会，也存在被合规英伟达产品短期挤压的风险。

从更长周期看，RTX PRO 5500抢购潮还暴露了一个更深层的问题：算力供给的“木桶”并不是只由芯片一块木板决定。即便买到了芯片，还需要服务器整机、高速互连、供电散热、集群调度和模型推理框架的配套优化。推理集群的瓶颈往往不在单卡峰值算力，而在显存容量、显存带宽、卡间通信、批处理效率和故障恢复能力。大厂抢卡只是**步，真正的竞争在于谁能把买到的卡更快转化为稳定、低成本、可调度的推理吞吐。这也是为什么同样的芯片，在不同云厂商手里可能跑出截然不同的单位Token成本。

6570亿美元的另一面：算力正在成为资产负债表上的“固定资产”

如果中国大厂的抢卡行为反映的是供给侧的扭曲，那么Anthropic的IPO招股书则从需求侧揭示了推理时代算力承诺的量级。

10月26日至27日，Anthropic正式向美国证券交易委员会提交IPO申请，招股文件显示其已签订的算力合同至少6570亿美元，期限最长至2045年；若计入正在谈判的增量，潜在总规模可升至约7500亿美元。其中，未来十年在云服务、计算能力和基础设施方面的至少承诺支出为5180亿美元，约八成不可取消或无论实际使用量如何都需要支付。

这组数字的震撼之处不在于“大”，而在于它揭示了一种结构性的商业范式转换。传统软件公司的核心成本是人力，云计算公司的核心成本是折旧，而推理时代的AI模型公司，核心成本正在变成一项长期、刚性、不可取消的算力承诺。过去投资者评估一家AI公司，习惯看模型能力、用户增长和收入增速；未来可能还要看它锁定了多少算力、锁定的价格是否合理、算力合同的可取消比例有多高、单位Token成本能否随规模下降。算力不再只是后台成本项，而是影响估值、现金流和竞争壁垒的核心资产，同时也是一项沉重的刚性负债。

Anthropic在招股书中将“获得充足计算资源”直接列入经营与风险框架，同时预警算力扩张将持续消耗大量现金。这释放了一个清晰信号：在推理时代，算力获取能力本身就是竞争力的一部分。没有足够算力，模型无法训练、服务无法扩容、Agent无法稳定运行；但锁定过多算力，又可能在经济周期波动或模型效率提升时形成闲置产能和财务压力。AI公司因此陷入一种两难：不锁定算力，可能错失增长窗口；过度锁定算力，又可能把未来多年的现金流提前抵押出去。

英伟达与甲骨文在10月27日至28日宣布将Vera Rubin架构部署扩展至多吉瓦级别，并首次将CPU与GPU资源解耦，让客户独立扩展以匹配“GPU密集型训练推理”与“CPU密集型Agent任务”的不同负载——这恰恰是对上述结构性变化的基础设施回应。Agent任务不仅消耗GPU推理算力，还需要大量CPU侧的工具调用、数据检索、状态管理和编排调度。把CPU与GPU解耦，本质上是在承认一个事实：推理时代的算力系统不再是单一GPU堆叠，而是多种资源按负载比例动态配置的系统工程。谁能更精细地匹配GPU密集型推理与CPU密集型编排任务，谁就可能在单位任务成本上取得优势。

国产芯片的“非对称窗口”：抢卡潮的另一面

回到中国市场的语境，大厂抢购RTX PRO 5500是否意味着国产芯片被“挤出”？答案并不简单。

短期看，英伟达合规产品的供给放量确实会挤压国产芯片在推理市场的渗透节奏。头部客户在迁移成本、生态成熟度和交付确定性面前，往往优先选择已经验证过的产品；国产芯片即便在特定场景下具备性价比，也需要时间完成框架适配、算子优化和集群调优。这种短期挤压是现实存在的，不能简单用“国产替代”的口号掩盖。

但更深层的变化在于，推理需求的爆发正在改变算力竞争的评判标准。华西证券的研报指出，国产算力的驱动力已从“单卡性能追赶”切换为“系统级工程能力+供给保障能力”。中信建投也将“国产芯片与超节点及算力服务”并列为关注方向，国内部分配置及海外高端GPU租金上行，算力服务景气延续。这意味着，国产芯片的竞争逻辑正在从“对标某款英伟达芯片的峰值参数”，转向“能否在特定推理场景中提供稳定、可负担、可交付的系统级方案”。

一个值得注意的并行进展是：摩尔线程在10月28日开源了大模型训练基础设施项目Megatron-MUSA-Titan，聚焦万卡级集群的万亿参数MoE模型训练，覆盖预训练与强化学习场景。DeepSeek开源DeepInfer推理框架，支持华为昇腾等国产平台，旨在降低企业基于国产芯片搭建推理集群的成本与门槛。这些动作的意义不在于短期内替代英伟达，而在于在推理需求的结构性增长中，国产芯片正在从“性能对标”转向“场景适配”——当推理负载的多样性远超训练负载的单一性时，特定场景下的系统级优化可能比峰值算力数字更具商业价值。

国产算力芯片的三季报也在印证景气度的传导：海光信息第三季度营收58.56亿元创单季新高，前三季度营收同比增长57.58%；中科曙光前三季度归母净利润同比增长78.48%；燧原科技预计前三季度营收同比增长325.78%至455.36%。这些数字说明，推理需求的扩张并非零和博弈，它在挤压与替代之外，同时在做大整个算力市场的底部。国产芯片真正的机会，不一定在于正面争夺训练集群的制高点，而可能在于承接那些对成本敏感、对定制化适配要求高、对供给确定性要求强的推理场景。谁能在这些场景中把软件栈、框架适配和集群运维做扎实，谁就能在推理时代获得非对称的切入窗口。

结语：算力竞争的“木桶”正在被重新拼装

过去一周算力领域的种种喧嚣，本质上是一场需求结构对供给结构的强行纠偏。当智能体把每一次用户指令拆解成一串后台调用，当推理的Token消耗以远超训练负载的速度膨胀，当AI公司不得不把未来二十年的算力账单写进招股书，算力产业的竞争逻辑已经不可能再停留在“谁的芯片峰值算力更高”的单一维度上。

中科曙光李斌所说的“围绕计算、存储、互连、供电、冷却等进行一体紧耦合系统创新”，以及英伟达与甲骨文将CPU与GPU解耦以匹配差异化负载的尝试，指向的是同一个方向：推理时代的算力竞争力，是一道系统工程的综合题，而不是一道芯片参数的单选题。中国大厂抢购工作站显卡的“非理性”行为，Anthropic用天价合同锁定算力的“豪赌”，国产芯片在系统适配上的密集动作，都是对这道新题的不同解法。

更值得警惕的是，推理需求的爆发并不会自动带来产业秩序的稳定。相反，它可能在短期内加剧算力价格的波动、供给的紧张和商业模式的撕裂。平台需要在额度计费与用户体验之间重新找平衡，云厂商需要在合规芯片与国产芯片之间重新排布采购组合，AI公司需要在算力锁定与财务弹性之间重新设计资本结构，芯片厂商需要从卖硬件转向卖系统能力。谁能在供给约束下率先完成从“卖算力”到“用好算力”的转身，谁就可能在推理需求撕开的这道裂缝中，找到下一个周期的入场券。