再论算力通胀中美产业链区别AIinfra产业链详解20260322
2026年03月24日15:45 关键词 token算力推理需求大模型国产英伟达应用爆发AI供需通胀训练数据中心芯片出海能力价格逻辑推理需求 全文摘要 随着大模型能力提升及AI应用爆发，推理token需求剧增，引发算力供需紧张，预示算力通胀趋势。中美在AI算力领域产业链差异显著，国产算力与英伟达算力市场影响各异。分析显示，芯片、云计算平台、AI框架等AI产业链各层级需求旺盛，远超供给，凸显国产算力潜在机遇。 再论算力通胀—中美产业链区别&AI infra产业链详解-20260322_导读 2026年03月24日15:45 关键词 token算力推理需求大模型国产英伟达应用爆发AI供需通胀训练数据中心芯片出海能力价格逻辑推理需求 全文摘要 随着大模型能力提升及AI应用爆发，推理token需求剧增，引发算力供需紧张，预示算力通胀趋势。中美在AI算力领域产业链差异显著，国产算力与英伟达算力市场影响各异。分析显示，芯片、云计算平台、AI框架等AI产业链各层级需求旺盛，远超供给，凸显国产算力潜在机遇。郭雅丽强调，算力通胀驱动因素、市场格局变化及投资启示值得关注，特别是国产算力在不同阶段可能的受益机会，中美差异下的市场前景值得深入探讨。 章节速览 00:00算力通胀与中美产业链差异分析 会议深入探讨了算力通胀的逻辑及其对中美产业链的影响，特别是推理token爆发后对国产算力与英伟达算力的不同作用，旨在为投资者提供深入的行业洞察。 02:49 AI产业链拆解与推理算力需求分析 对话深入探讨了AI产业链的层级结构及其作用，指出国产模型能力提升推动AI应用爆发，进而催生推理算力需求。当前，推理token需求的爆发对特定层级和厂商有利，但算力供给侧线性增长，导致供需缺口扩大，预示着算力通胀趋势将持续。此外，还提及了全球模型在多模态等方向的技术飞跃，以及未来世界模型可能带来的新需求，如3D场景构建、自动驾驶等。 07:13大模型能力提升推动推理需求与算力增长 讨论了国产大模型能力提升后，国内推理token需求爆发，涵盖AI coding、agent、多模态等应用，以及互联网厂商在C端的流量竞争和私有化部署。同时，出海成为热点话题。大模型能力提升催生AI应用需求，进而增加推理算力需求，形成大模型厂商收入增长与训练算力需求的正向循环，对国产算力产生深远影响。 09:32中美算力需求差异与发展趋势分析 对话探讨了中美在算力需求上的差异，指出美国自2023年起训练与推理算力需求持续增长，尤其是推理算力占比逐渐超过训练算力。中国则因技术限制和模型能力不足，推理算力需求相对滞后，直至2024年国产模型能力提升后才开始爆发。整体分析了中美算力市场的发展趋势及核心驱动因素。 15:35大模型能力提升对算力需求的影响及Token出海趋势 讨论了大模型能力提升后对算力需求的影响，指出推理需求的爆发改变了算力部署形态，从训练侧向推理侧转移，涉及数据中心部署和算力卡形态的变化。同时，提及了Token出海趋势，海外用户对国内开源模型API的需求增加，推动了国内外推理算力需求的增长，对数据中心和网络侧提出了新要求。 17:36 AI产业链爆发与国产化影响分析 讨论了国产模型推理需求爆发对产业链的影响，指出初期云厂以NV卡为主受益，中期国产芯片占比提升，远期边 缘算力受青睐。同时，探讨了AI info的定义及其层级作用，强调各公司对AI应用的重视。 21:16 AI产业链拓扑与云计算算力平台分析 对话围绕AI产业链的全站拓扑图展开，详细解析了从芯片硬件到云计算和算力平台的各层构成。重点讨论了GPU、NPU及服务器互联等技术，以及云计算层如何将硬件资源池化，提供弹性算力服务。提及了综合公有云厂商、GPU专用云厂及新云厂商的角色演变，强调了AI时代新参与者的出现与算力调度系统的重要性。 24:01中国云计算与AI技术生态解析 对话深入探讨了中国云计算市场中各层级的技术与服务，包括云服务商、AI框架、数据基础设施及工具链层。重点提及阿里、华为、腾讯等头部厂商，以及金山、优刻得等二线梯队企业，强调了国产芯片调度平台的独特性。此外，讨论了百度飞桨、华为昇腾等AI框架，以及数据采集、清洗、标注等数据基础设施的重要性。最后，分析了模型全生命周期管理工具，如hugging face、英伟达pencil RT等，并指出硅基流动、第四范式等企业在模型推理加速与企业级服务领域的贡献。 30:01算力平台训练与推理差异及市场趋势分析 讨论了算力平台在训练和推理上的不同需求，指出训练侧重于超大规模集群和极致性能，而推理注重调度效率和按需计费。中国和美国的算力市场格局存在差异，中国头部厂商正向全站服务演进，AI云、GPU云和算力租赁则更侧重资源与调度层。短期内，AI应用爆发将直接利好GPU商业租赁；中长期，推理成本优化将成为核心，调度平台和策略优化厂商价值将提升。 33:36算力通胀与AI产业链优化趋势 讨论了硅基流动等公司通过优化推理侧提升效率，未来云场格局将向超级云场加专业PU名场发展。强调L5层管理系统对模型全生命周期管理的重要性，以及推理成本上升对工具链需求的影响。中国AI产业链格局以云厂为主导，结合垂直公司与平台化解决方案，形成独特生态。 37:53算力需求与产业链视角下的通胀链条分析 对话围绕算力需求的爆发式增长及产业链视角下的通胀链条展开，强调需求远大于供给的基本趋势，指出供给侧格局变化对短期股价影响较大，但中期长期趋势仍由需求决定。进一步讨论了中美产业链差异，特别是在AI产业链中，国内大模型能力提升带动推理token需求爆发，短期内云场及NV厂等算力租赁受益，中期则看好国产芯片产业链，长期涉及AC边缘算力等领域。 发言总结 发言人1 他在本次线上会议中深入探讨了算力通胀及其对中美科技产业链的影响，重点讨论了AI算力和相关产业链的供需逻辑。首先，会议强调了算力通胀现象及其对科技行业的影响，特别是针对AI应用的爆发和随之而来的算力需求增长。他通过分析算力供需的细节，指出中美之间在算力产业链上的区别，以及国产算力的发展与机遇。 讨论进一步深入到AI产业链的具体层级，从硬件基础到软件框架，再到数据基础设施，他详细拆解了每一层的构成和作用，以及对中国和美国算力产业链的不同影响。特别指出，中国在AI算力领域经历了从依赖海外算力到逐步发展国产算力的转变，国产算力在满足本土需求方面展现出潜力。 此外，他强调了算力需求的增长带来的机遇，包括对于云计算服务、算力租赁和芯片制造商的影响。会议还讨论了成本优化和算力调度的重要性，指出了未来算力市场的发展趋势和可能的收益模式。 最后，他重申了对算力通胀和AI算力发展的积极展望，强调了技术迭代和需求增长对于整个产业链的重要推动作用，同时也指出了中美科技产业链在算力需求和供给方面的独特差异和机遇。 本次发言深入分析了算力通胀的背景、中美产业链的差异，以及对未来算力市场趋势的预测，为投资者和科技行业参与者提供了有价值的洞见和分析。 问答回顾 发言人1问：在本次线上会议中，我们将要讨论的主要内容是什么？为什么区分海外算力链条和国产算力链条的重要性？ 发言人1答：本次会议我们将深入探讨AI算力及其价格问题，特别是中美两国产业链的区别，并详细分析token供需逻辑、算力通胀的节奏和影响。此外，我们还会特别关注在这一轮中国模型厂商能力提升带动的需求增长中，具体是利好英伟达算力还是国产算力，以及这种影响在国产算力和海外算力间有何差异。区分海外和国产算力链 条是为了更细致地了解推理token爆发后，对不同算力类型带来的影响。之前在讨论AI信息层时，并未明确区分这两类算力链。现在需要详细剖析各层级的作用、主流厂商，并进一步研究推理token需求爆发对国产算力和英伟达算力的具体利好程度。 发言人1问：如何看待token的价格走势及算力通胀链条？ 发言人1答：我们持续强调token价格将会上涨，整个算力通胀链条具有良好的前景。近期边际变化是中国国产大模型能力的提升，这引发了国内推理token需求的剧增，并且有出海的趋势，使得国产算力受到的关注和影响愈发凸显。 发言人1问：我们将如何拆解AI info并展示其各层级的作用以及主流厂商？ 发言人1答：今天我们将详细介绍AI info包含的多个层级，明确每个层级的功能和作用，并列出其中的主流供应商。同时，会进一步探讨推理token需求爆发对这些层级和厂商的具体影响。 发言人1问：当前AI应用爆发背后的驱动力是什么？目前AI应用需求增长带来的具体影响有哪些？ 发言人1答：当前AI应用的爆发本质上源自大模型底座结构模型能力的提升，这将催生相应的AI应用爆发。随着全球模型在编码、多模态整合等方面技术能力的飞跃，带动了AI应用的整体增长。目前AI应用需求增长带来的影响主要包括chatbot、coding、agent及多模态应用如视频生成等三重需求的爆发，这些需求通过乘数效应显著增加了整个token消耗量，导致token供需缺口持续扩大。 发言人1问：在大模型和AI应用发展的链条中，需求到算力的完整过程是怎样的？ 发言人1答：这是一个从需求到算力的完整链条。首先，大模型厂商通过训练算力提升大模型能力，这将催生AI应用需求爆发，进而带动推理算力需求增长。当大模型收入增加时，又会反哺训练算力需求，形成一个相互促进的闭环。 发言人1问：美国与中国在训练和推理算力发展上的区别是什么？中国在训练和推理算力上的特点和发展趋势是怎样的？ 发言人1答：美国的训练算力自二三年以来持续高速增长，即使在大家认为训练算力到达极限后，下半年海外厂商仍出现大规模集群建设，表明训练算力需求并未减少，而是转移到预训练阶段。而推理算力方面，美国从二三年下半年开始启动，并在二三年Q4达到月活跃用户数1亿，占总算力约40%，至二五年基本实现训练与推理算力各占一半，甚至在部分时期，推理算力需求超过训练算力。中国过去训练算力主要依赖海外GPU，受制于供应限制及禁售政策，当国产算力如M1架构出现后，国内厂商转向高速、低成本训练模型。中国推理算力的变化起点在24年一季度末至二季度初，由Kimi和豆包等大模型应用带动需求增长，随后在25年及今年上半年多模态模型（如快手可伶）快速发展，以及国产模型性能提升，引发了国内推理算力需求的猛烈爆发。 发言人1问：国产大模型能力提升如何影响国内推理算力需求以及对算力形态的影响？ 发言人1答：国产大模型能力提升导致国内推理需求爆发，对算力的影响体现在两个方面：一是推理需求爆发对数据中心部署形态的变化，从以训练为主的大型数据中心向支持分布式推理的小型数据中心转变；二是算力卡形态的变化，从主要用于训练的高端GPU转向包括边缘计算在内的多种形态，以及未来可能采用CPU和S的混合架构。 发言人1问：国产模型推理需求爆发后，最确定受益的是哪些环节？ 发言人1答：国产模型推理需求爆发后，最直接受益的是云厂商，尤其是那些以N维卡为主的云厂，并且可能引入部分国产芯片。此外，做算力租赁和微卡算力租赁的厂商也会从这一需求中受益。 发言人1问：第二阶段受益于国产芯片的群体有哪些？ 发言人1答：第二阶段受益于国产芯片的是那些提供私有化部署一体机、以及以国产产业链为主的厂商。随着企业级龙虾agent等向行业客户拓展，国产芯片的占比将快速提升。 发言人1问：对于国产产品算力链的影响，具体体现在哪些方面？什么是AI info，它包含哪些层级及生产作用？ 发言人1答：国产产品算力链的影响体现在随着开发者的调用需求增加，边缘算力如CPU加SK的轻量化算力会成为利好对象。未来中美产业链或操控需求爆发将对中美战略产业链产生不同影响。AI info是一个涉及多个层级的概念，包含了从底层硬件芯片到上层应用软件的全过程。其中，L1层为芯片硬件层，L2至L4层是狭义意义上的AIinside层，负责基础模型和应用的生产，而整个产业链还包括云计算和算力平台、AI框架和运行时等
