文 任澤平團(tuán)隊

AI的背后是算力，算力的背后是電力。

AI時代，算力就是生產(chǎn)力，Agent AI驅(qū)動算力進(jìn)入黃金爆發(fā)期。全球科技巨頭開啟算力投資軍備競賽，單位算力成本大幅下行，推理算力占比將提升至70%以上，算力從稀缺資源轉(zhuǎn)向新型數(shù)字基建。

算力產(chǎn)業(yè)呈現(xiàn)三大趨勢：一是算力投入規(guī)模決定了AI智能上限，Scaling Law驅(qū)動模型持續(xù)進(jìn)化；二是推理端的算力成為增長核心，占比快速提升、并主導(dǎo)算力的需求結(jié)構(gòu)；三是算力通脹加劇，能源與數(shù)據(jù)成為產(chǎn)業(yè)發(fā)展的終極約束。

算力產(chǎn)業(yè)鏈格局清晰：

上游：先進(jìn)制程、HBM3e與2.5D/3D封裝、Chiplet技術(shù)加速突破，IDC數(shù)據(jù)顯示國產(chǎn)AI加速卡市占率突破41%，自主可控形成閉環(huán)；

中游：光互聯(lián)革命破解帶寬瓶頸，CPO共封光學(xué)與硅光、EML光源迭代，重構(gòu)算力網(wǎng)絡(luò)物理層；

下游：AIDC智算中心向高密度、液冷化、網(wǎng)格化升級，成為AI落地的物理底座。

全球AI算力面臨 的 能源赤字 依然嚴(yán)峻 ，電力約束日益凸顯，太空算力 會 走向工程 化 。依托太空高效太陽能與天然散熱優(yōu)勢， 未來 低軌算力網(wǎng) 會 成為大國主權(quán)競爭新賽道。

4月22日晚，我將進(jìn)行新的大勢研判。下方預(yù)約。

1、AI時代：算力就是生產(chǎn)力，Agent AI驅(qū)動算力進(jìn)入爆發(fā)期

AI時代到來、超級應(yīng)用大爆發(fā)，我們正處于第四次工業(yè)革命的黎明。算力就是生產(chǎn)力，Agent就是生產(chǎn)工具。2026以來，以豆包、千問為代表的國民級應(yīng)用，以及“養(yǎng)小龍蝦”等Agent AI的需求激增，AI正式跨入大規(guī)模商用階段。算力演變?yōu)橐环N具備高流動性、高價值的“數(shù)字腦力石油”，每一份算力的增加都將直接轉(zhuǎn)化為更高的決策質(zhì)量與商業(yè)產(chǎn)出。

當(dāng)前，全球科技巨頭已進(jìn)入算力投資的“永動機(jī)”模式。根據(jù)英偉達(dá)預(yù)計，到2030年人工智能基礎(chǔ)設(shè)施支出將達(dá)到3萬億至4萬億美元。這種投資熱潮在2026年呈現(xiàn)出一個看似矛盾的現(xiàn)象：單位Token價格在大幅度下滑，但算力總投資卻在經(jīng)歷超級通脹。

這種現(xiàn)象背后的底層邏輯由兩個維度支撐：

一是技術(shù)普惠，單位算力單價的極致下行。

算法與硬件的雙重迭代，一方面算法優(yōu)化：隨著MoE（混合專家架構(gòu)）和MLA（多頭潛在注意力）等架構(gòu)的普及，單枚Token的推理成本已下降了近1000倍。另一方面是硬件演進(jìn)，硬件迭代為成本下降提供了物理基礎(chǔ)。以英偉達(dá)GPU為例，2024年的Blackwell GPU生成一個Token所需的能耗，比2014年的Kepler GPU降低了驚人的10.5萬倍。

二是成本降低帶來的總需求激增。

當(dāng)資源的利用效率提高、成本降低時，其總消耗量反而會因為應(yīng)用場景的爆發(fā)而激增。2026年，人和AI的交互模式發(fā)生了質(zhì)變。未來不再只是直接與AI對話，而是通過成千上萬個Agent智能體進(jìn)行自動化協(xié)作。一個復(fù)雜任務(wù)的拆解與執(zhí)行，其背后調(diào)用的Token消耗量是傳統(tǒng)對話模式的百倍以上。根據(jù)IDC數(shù)據(jù)，活躍Agent的數(shù)量將從2025年的約2860萬快速攀升至2030年的22.16億。隨著任務(wù)復(fù)雜度提升，推理深度與調(diào)用鏈路不斷加長，底層Token消耗正呈現(xiàn)出數(shù)量級的躍遷。

未來，AI算力會從“軍備競賽”模式轉(zhuǎn)移到全社會新基建模式。

這種總規(guī)模膨脹、單位成本下降的大趨勢，標(biāo)志著AI行業(yè)進(jìn)入了成熟期。當(dāng)推理成本真正降至“百萬Token一分錢”時，算力完成了從昂貴資源向通用資源的轉(zhuǎn)變。巨量的算力投入支撐起龐大的數(shù)字勞動力市場，AI徹底轉(zhuǎn)型為支撐社會運轉(zhuǎn)的新型基礎(chǔ)設(shè)施。

2、算力產(chǎn)業(yè)三大發(fā)展趨勢

趨勢一：算力投入規(guī)模直接定義AI智能上限。

Scaling Law是當(dāng)前大模型進(jìn)化的第一性原理，證明了智能是一種可以被工程化量產(chǎn)的物理產(chǎn)物。

AI大模型時代Scaling Law告訴我們，只要你持續(xù)按比例擴(kuò)大算力投入、模型參數(shù)和高質(zhì)量數(shù)據(jù)量，模型的理解與推理能力就一定會增強(qiáng)。通俗講就如學(xué)英語，學(xué)100個單詞只是單詞，學(xué)1000個單詞就能組句子，背1萬個單詞可能就懂語法和隱喻了，這就是“學(xué)得多=能力強(qiáng)”的樸素Scaling Law。

所以，當(dāng)前全球科技競爭的本質(zhì)已演變?yōu)樗懔σ?guī)模的消耗戰(zhàn)。只要持續(xù)加大算力、參數(shù)與數(shù)據(jù)的投入，模型的邏輯水平就會實現(xiàn)確定性的躍遷。算力規(guī)模已成為決定國家與企業(yè)智能競爭力的第一基石。

趨勢二：推理相關(guān)算力正成為增長的核心。

算力需求正從靜態(tài)的知識預(yù)訓(xùn)練、轉(zhuǎn)向動態(tài)的邏輯推理。

傳統(tǒng)的語言模型依賴于基于概率的下一個字符預(yù)測，而推理模型則通過強(qiáng)化學(xué)習(xí)與路徑搜索，實現(xiàn)了類似人類的深思熟慮。

隨著o1/o3等具備思維鏈（CoT）能力模型的出現(xiàn)，模型在解決復(fù)雜問題時需要更多的推理。在這種模式下，模型的性能取決于它在面對復(fù)雜問題時愿意投入多少“思考時間”。這種“以時間換智能”的模式，讓推理階段的算力需求呈現(xiàn)指數(shù)級通脹，徹底打破了傳統(tǒng)算力的分配比例。未來，預(yù)計推理算力在整體結(jié)構(gòu)中的占比將由20%攀升至70%以上。

趨勢三：算力通脹連鎖反應(yīng)，數(shù)據(jù)、能源、電力基礎(chǔ)設(shè)施成為終極需求

算力通脹時代，算力競爭的重點轉(zhuǎn)向能源博弈。當(dāng)需求從“萬卡集群”向“百萬卡集群”跨越時，電力供應(yīng)、液冷散熱及定制化芯片能力決定了產(chǎn)業(yè)發(fā)展的上限。

IDC數(shù)據(jù)顯示，全球年度Token消耗量將從2025年的0.0005PetaTokens暴增至2030年的15萬PetaTokens以上，復(fù)合增長率高達(dá)3000%以上，這就是算力通脹。算力不再是單純的IT成本，而已成為一種稀缺的基礎(chǔ)性戰(zhàn)略資源。

另一方面，大規(guī)模算力訓(xùn)練使得高質(zhì)量數(shù)據(jù)正面臨枯竭，由大模型推理生成的合成數(shù)據(jù)未來會成為新一代模型的頂級數(shù)據(jù)原材料。這形成了一個自我強(qiáng)化的閉環(huán)：算力生產(chǎn)高質(zhì)量數(shù)據(jù)，數(shù)據(jù)反哺模型進(jìn)化，進(jìn)化后的模型產(chǎn)生更高的算力需求。

3、算力產(chǎn)業(yè)鏈上游：先進(jìn)制造芯片，自主可控大趨勢

一是先進(jìn)制程代工能力的持續(xù)迭代：為國產(chǎn)算力芯片的規(guī)?；a(chǎn)提供了底層保障。中芯國際、華虹半導(dǎo)體等本土龍頭企業(yè)通過工藝優(yōu)化與產(chǎn)能擴(kuò)充，正全力支撐國產(chǎn)通用GPU與特定場景ASIC芯片的落地。

根據(jù)IDC于2026年4月發(fā)布的《2025年中國云端AI加速器市場跟蹤報告》，2025年中國AI加速卡總出貨約400萬張，國產(chǎn)廠商如昇騰、平頭哥、昆侖芯、寒武紀(jì)、海光等出貨165萬張，占比41%。隨著國產(chǎn)芯片在主流推理市場份額突破40%的平衡點，產(chǎn)業(yè)鏈正形成從“設(shè)計端下單”到“制造端反饋”的閉環(huán)。

二是技術(shù)突圍：國產(chǎn)算力芯片已進(jìn)入第三代高帶寬內(nèi)存HBM3e與2.5D/3D先進(jìn)封裝時代，芯片垂直堆疊和平面互連的高密度集成技術(shù)逐漸主流。另外，通過Chiplet芯粒的異質(zhì)集成技術(shù)，可繞開制程限制，實現(xiàn)不同工藝芯片的高效整合，是國產(chǎn)算力突圍的核心路徑，先進(jìn)封裝直接決定算力性能與集成密度。同時，兆易創(chuàng)新、瀾起科技等企業(yè)在HBM 存儲接口與高速連接領(lǐng)域的布局，徹底破解大模型 “計算快、讀寫慢” 的數(shù)據(jù)輸入輸出I/O 傳輸延遲瓶頸，保障海量推理任務(wù)下算力芯片全速運轉(zhuǎn)。

三是封測環(huán)節(jié)：國產(chǎn)企業(yè)通過領(lǐng)先布局，正承接全球范圍內(nèi)算力硬件的結(jié)構(gòu)性紅利。比如，盛合晶微、長電科技等部分企業(yè)在2.5D封裝、高密度互聯(lián)等領(lǐng)域的突破，有效緩解了制程約束對單卡性能的影響。封裝設(shè)備的國產(chǎn)化率也在同步提升，諸如華峰測控、光力科技等企業(yè)在測試與劃片環(huán)節(jié)的深度參與，確保了產(chǎn)業(yè)鏈在極端環(huán)境下的供應(yīng)韌性。

4、算力產(chǎn)業(yè)鏈中游：光互聯(lián)革命，打破帶寬瓶頸

過去二十年，全球計算能力增長約60000倍，但互聯(lián)帶寬僅增長30倍。這種“算力極速狂奔、帶寬原地踏步”的極度失衡，已成為制約算力中心效率提升的第一物理阻礙。算力與帶寬的失衡，“高速算力芯片、但是配合低帶寬電互聯(lián)”的瓶頸問題愈發(fā)凸顯。

在此背景下，光互聯(lián)作為算力產(chǎn)業(yè)鏈中游的核心樞紐，正從配套角色躍升為算力系統(tǒng)架構(gòu)的核心，成為解決計算快、傳輸慢的關(guān)鍵。

CPO共封光學(xué)，本質(zhì)重構(gòu)算力網(wǎng)絡(luò)的物理層，實現(xiàn)降本增效。CPO是算力中游光互聯(lián)的下一代核心技術(shù)，其本質(zhì)是將光引擎與交換機(jī)ASIC芯片在封裝內(nèi)近距集成：傳統(tǒng)插拔式光模塊依賴PCB長距離電互聯(lián)，散熱、功耗、帶寬瓶頸突出；而CPO通過硅光芯片實現(xiàn)封裝內(nèi)垂直短距互連，將光電轉(zhuǎn)換環(huán)節(jié)從板級遷移到芯片級，特點是：互聯(lián)功耗大幅降低70%，同時端口密度翻倍，完美匹配超高密度AI算力集群的需求，是下一代數(shù)據(jù)中心算力網(wǎng)絡(luò)的標(biāo)配方案。

目前光源技術(shù)路線迭代是大勢所趨。這是光模塊、CPO的性能底座。光源就像光互聯(lián)的“發(fā)光燈泡”，是光模塊、CPO里最核心的零件，它的技術(shù)路線直接決定了800G、1.6T這些高速光模塊能不能跑得更快、更省電、更便宜。

目前行業(yè)主流有兩種技術(shù)路線：

第一種是EML（電吸收調(diào)制激光器），相當(dāng)于“高性能專業(yè)燈泡”，發(fā)光質(zhì)量好、傳得遠(yuǎn)、抗干擾強(qiáng)，是長距離數(shù)據(jù)傳輸?shù)氖走x，適合跨城市、跨國家的骨干網(wǎng)絡(luò)；

第二種是CW+硅光方案，相當(dāng)于“低成本量產(chǎn)燈泡”，能和芯片制造工藝兼容，更容易大規(guī)模生產(chǎn)、成本更低、集成度更高，適合數(shù)據(jù)中心內(nèi)部的短距離高速互聯(lián)。

兩種路線的目標(biāo)完全一致：在更小的空間里，實現(xiàn)更快的數(shù)據(jù)傳輸、更低的功耗。隨著硅光技術(shù)越來越普及，國內(nèi)產(chǎn)業(yè)鏈在光芯片、光源、封裝環(huán)節(jié)的配合會越來越順暢，能給算力網(wǎng)絡(luò)的全面升級提供更扎實的支撐。

5、算力產(chǎn)業(yè)鏈下游：AIDC基建熱潮

AIDC從通用機(jī)房向高密度“算力工廠”升級，單機(jī)柜功率密度跨越提升。AIDC人工智能數(shù)據(jù)中心正徹底告別傳統(tǒng)通用機(jī)房形態(tài)，呈現(xiàn)單機(jī)柜功率密度提升趨勢。傳統(tǒng)的IDC是5-10kW的設(shè)計標(biāo)準(zhǔn)，已完全無法承載AI大模型訓(xùn)練和推理所需的GPU集群算力。而2026年新建AIDC普遍要求單機(jī)柜功率達(dá)到50kW以上，部分超算場景甚至突破100kW。這種量級的跨越，倒逼數(shù)據(jù)中心從電力配給、配電架構(gòu)到建筑結(jié)構(gòu)進(jìn)行全鏈路重構(gòu)，能源管控能力成為AIDC的核心競爭力。

液冷技術(shù)從可選項變?yōu)楸剡x項，能破解AI算力的散熱與能耗瓶頸。液冷技術(shù)已徹底演變?yōu)楦咝阅苤撬阒行牡谋剡x項。面對高性能GPU運行產(chǎn)生的海量熱量，傳統(tǒng)風(fēng)冷技術(shù)已觸及散熱極限；液冷不僅能提供數(shù)倍于風(fēng)冷的散熱效率，還能大幅降低PUE（能源使用效率比），滿足嚴(yán)苛的碳中和要求。這一技術(shù)變革帶動了從液冷板、冷卻液到循環(huán)冷卻系統(tǒng)的全產(chǎn)業(yè)鏈需求爆發(fā)，為AI大模型走向全社會實戰(zhàn)提供了關(guān)鍵的物理支撐。

主權(quán)AI驅(qū)動國家級基建投資，AIDC布局向網(wǎng)格化、邊緣化下沉。“主權(quán)AI”興起，推動各國政府對本土算力基建進(jìn)行飽和式投資，算力已成為國家主權(quán)信用的延伸。為保障本國數(shù)據(jù)安全與智力資產(chǎn)自主，各國紛紛啟動本土化AIDC建設(shè)。這種國家級資本支出為算力基建提供了長期、確定的增長驅(qū)動力。

同時，AIDC的地理分布正從“中心化”向“邊緣化”滲透，形成網(wǎng)格化布局：隨著Agent實時交互等場景需求激增，算力必須貼近用戶，從支撐國計民生的超大型智算中心，到嵌入城市節(jié)點的邊緣側(cè)模塊化中心，徹底打通AI賦能千行百業(yè)的“最后一公里”。

6、算力面臨能源瓶頸，太空算力未來可期

AI的背后是算力，算力的背后是電力。

全球AI算力面臨物理硬約束——能源赤字。目前AI發(fā)展的最大瓶頸已非芯片，而是電力。據(jù)Rand數(shù)據(jù)，2030年單個AI訓(xùn)練地點的電力需求或高達(dá)8GW（約相當(dāng)于8座大型核反應(yīng)堆）。與此同時，全球主要經(jīng)濟(jì)體（除中國外）電網(wǎng)修建緩慢、電力產(chǎn)出停滯，算力需求卻指數(shù)級增長，供需錯配。

基于第一性原理，將算力中心推向太空成為解法：太空無晝夜循環(huán)、無大氣衰減，太陽能板效率約為地面的5倍；且提供天然深空熱沉，僅靠輻射散熱即可支撐兆瓦級負(fù)載，徹底解決地面AIDC的能耗與冷卻痛點，未來太空將成為生成式AI算力成本最低的樞紐。

2026年，星鏈等技術(shù)的成熟，標(biāo)志著太空算力未來可以工程落地。SpaceX正為年發(fā)射1萬次、遠(yuǎn)期2-3萬次做準(zhǔn)備，計劃五年內(nèi)向軌道輸送100吉瓦太陽能與算力載荷，目標(biāo)讓太空AI算力規(guī)模超越地球。低軌算力網(wǎng)未來進(jìn)入工程化階段。

太空算力正成為大國主權(quán)競爭的新賽道，核心博弈聚焦于軌道位置、頻譜資源與算力配額。對中國而言，依托能源供給側(cè)體系優(yōu)勢，提前布局天算體系是構(gòu)建全球算力競爭力、奠定未來數(shù)字文明戰(zhàn)略基礎(chǔ)的關(guān)鍵舉措。