核心观点
- 算力从训练走向推理：大模型训练数据量增长放缓、边际效益递减，训练算力逐步转向“精耕细作”，推理算力需求爆发，算力结构向推理侧倾斜。
- 大模型提质降本：大模型能力全面超越人类基准，应用边界持续拓展，推理成本因技术优化出现断崖式下跌，进一步刺激推理需求。
- 推理算力增长引擎：多模态交互带来推理密度指数级提升，Agent的普及引发推理任务爆发增长，二者将成为推动推理算力非线性爆发的核心引擎。
关键数据
- 全球人工智能市场规模：2026年全球人工智能（AI）总支出将达到2.53万亿美元，同比增长44%；2023年至2030年全球人工智能（AI）市场有望实现超过35%的复合增长率。
- 算力推理端占比：2026年算力推理端工作负载占所有计算量约三分之二，2025年约占一半，2023年约占三分之一。
- 中国企业未来智能体数量：2031年突破3.5亿规模，年复合增长率达到135%以上。
- 大模型推理成本：近年来大幅下降，部分国产旗舰模型较两年前性价比提升近百倍。
- OpenClaw的大模型调用量：阶跃星辰Step 3.5 Flash在OpenClaw上的日调用量增长超20倍，MiniMax的M2系列模型平均单日Token消耗量增长至2025年12月的超过6倍。
研究结论
- Agent时代算力架构重塑：CPU从“幕后调度”到“前台执行”，成为处理高度分支化任务、承载海量KV-Cache的最优载体；GPU性能瓶颈从算力峰值转向显存带宽。
- 云服务模式转型：商业模式从传统的资源租赁模式，加速向“MaaS（模型即服务）与Agent编排”的全新范式跃迁；行业竞争核心从单纯的算力规模比拼，转向工具链生态的综合构建。
- AI存储架构创新：KV缓存对存储架构提出新要求，英伟达推出ICMS AI原生存储平台，新增G3.5闪存层优化KV缓存管理，依托BlueField-4 DPU实现大容量与高速传输。
- 投资建议：关注芯片（GPU&CPU）、云服务、IDC、服务器、数据库等领域标的，如海光信息、寒武纪、首都在线、浪潮信息、达梦数据等。
- 风险提示：AI应用推进不及预期风险、行业竞争加剧风险。
