GPU堆积策略式微，算力优化引领AI新赛局

实习记者 尹靖霏

人工智能算力的角逐逻辑，正经历松动与变革。

此前两年，行业陷入GPU囤积竞赛，谁持卡多、集群规模大，谁便能抢占优势。如今，这套“以量取胜”的规则逐渐失效——在词元（Token）计费体系下，模式从“售卖硬件”转向“提供Token”，堆积硬件的边际收益递减，效率随之成为新竞技场。

7月初，京算Token工厂启动运营，同时，趋境科技半年内累计融资逾10亿元。前者标志着算力供给迈向规范化，后者反映出优化技术受资本青睐。两条线索指向同一趋势：算力优化正从边缘走向核心，成为左右企业盈利、重构国产算力版图的关键要素。

然而，芯片架构分散化、全栈人才短缺、集群稳定性不足等难题依然突出，行业尚未建立标准化体系，算力软实力的长久竞赛才刚拉开帷幕。

规则演变：

优化压倒堆卡

国内算力市场长期由海外势力主导，按卡/时长计费，客户选型侧重单卡峰值性能、CUDA生态完备度，英伟达借此构筑垄断。作为企业级AI平台企业，范式智能首席战略官兼副总裁曾慈雯向证券时报记者指出，国产芯片虽在成本、供应、异构部署灵活性上具优势，但因生态短板沦为备选项，难以切入核心领域。

Token计费模式的推广，正颠覆这套延续多年的评判标准。

“Token模式的实质，是算力从销售硬件转为交付结果。”曾慈雯坦承，全新规则下，客户不再为硬件指标付费，核心衡量标准变为单Token交付成本、有效产出效率、服务稳定性，而底层硬件的品牌、性能差异重要性下降。

这套规则转变，直接激活国产算力的独特优势。

曾慈雯表示，国产芯片无需再硬拼单卡峰值短板，凭借硬件成本优势，结合全栈算力优化技术提升集群整体吞吐力，便可实现优于海外产品的性价比，顺利进入此前无法触及的核心应用场景。

曾慈雯向证券时报记者透露，这场变革为国产算力开辟机遇：跳出海外定义的硬件“内耗”赛道、推动国产软硬件生态体系化成熟；降低中小企业算力使用门槛；挖掘海量下沉市场增量。而AI产业发展的下一阶段，在于促进AI能力迈向普适化。算力优化和基础设施能力的成熟，将成为驱动AI普适化的重要支柱。

国产芯片的成本优势向Token生产优势转化，关键在于算力优化而非硬件参数，市场已给出最直接反馈。

2026年，AI行业迎来商业转折点：Token业务开始盈利。

是石科技正打造全国最大的“Token优化工厂”，公司联合创始人毛运航向证券时报记者表示：去年算力优化仅为小众技术探索，即便提升10%的效率，也无法扭转总体亏损局面。但今年，C端、B端AI推理应用集中涌现，API付费模式打通，大模型推理赛道整体跨过只有投入未见产出的阶段。

在毛运航看来，盈利逻辑逐步确立，使算力优化从“锦上添花”变为“雪中送炭”。每一次效率提升、每一分成本缩减，都会直接反映在企业利润表上，这也是当前全行业愿为优化技术重金投入的主因。

毛运航分析，国产芯片存在工艺、产能、单卡代差、技术路线分散及生态碎片化等短板，适配难度高，需靠技术盘活算力，在商用场景中寻求成本效率最优方案，实现国产算力商业化突破。

格局重塑：

第三方AI Infra崛起

头部芯片厂商软件架构师向证券时报记者表示，市场普遍存在误解，认为算力优化仅针对显卡算子，而实际产业中的专业优化是端到端、全层级的系统工程，涵盖NPU/GPU、CPU、存储、网络、操作系统、算子算法等全链路。

随着算力优化赛道价值爆发，产业参与者已呈全面铺开态势，芯片厂商、云厂商、运营商、大模型企业、第三方AI Infra（人工智能基础设施）同台竞技，形成分层互补的产业格局。

证券时报记者获悉，某头部国产芯片厂商组建千人级优化团队，专注自有硬件的底层适配与基础生态建设。各大模型企业也标配专属优化团队，服务自有模型迭代，持续降低训练、推理成本。手握大规模算力集群的云厂商、运营商，将算力利用率、Token产出效率作为核心经营指标，通过优化盘活重资产。

传统算力优化聚焦硬件集群层面，是超算时代延续至今的基础技术能力。而Token优化的兴起，是2026年AI产业的全新变量，核心源于行业商业模式的彻底反转。独立第三方AI Infra公司的快速崛起，在其中扮演关键角色。2023年至2024年上半年，清程极智、硅基流动、无问芯穹、趋境科技等公司相继成立，并在此后完成多轮融资；是石科技2026年完成数亿元融资，硅基流动已向港交所提交上市申请，当前估值约77亿元。

从操作路径看，第三方Infra公司普遍遵循类似的技术架构：基础层做异构算力统一管理；核心优化层自研推理引擎，覆盖算子开发、键值缓存等专项优化；调度层实现动态负载分配和集群混部；顶层提供标准化API和多模型统一接入。

2023年是AI Infra赛道的产业化转折点。星连资本押中智谱、硅基流动等多家AI Infra独角兽企业，其合伙人王璞向证券时报记者表示，这一创业潮发生在2023年10月美国对华芯片出口管制升级后，国产芯片供给成为常态性制约，如何用更少的芯片训练出更强的模型成为行业最紧迫命题。

第三方Infra公司核心优势在于“中立性”。王璞表示，大厂自研团队无法覆盖市场碎片化需求，大量中小算力服务商涌入Token市场，跨芯片、跨模型的通用适配、优化和调度需求集中爆发，第三方公司凭借专业化服务填补市场空白。

毛运航分析，不同于大厂（生态绑定）、模型公司（重算法轻基建），第三方Infra公司搭建起“硬件适配—全栈优化—智能调度—标准化服务”的完整链路，使算力利用率跃升，Token生产成本骤降。

曾慈雯认为：“现在市场的注意力集中在芯片、大模型、云厂商这些显性环节，但真正决定Token经济运行效率的是中间层——谁能把分散、异构、碎片化的算力转化为稳定、标准化的Token产能，谁就掌握核心生产力。”

王璞预判未来一两年将出现三个变化：上游纯硬件溢价逐步回落；中间转化层的价值占比快速提升；垂直场景的应用与模型方拿到更多增量价值。毛运航判断，第三方AI Infra头部壁垒成型，新玩家窗口收窄，未来细分赛道将呈现寡头垄断格局。

瓶颈与突破：

优化的硬仗才刚揭幕

赛道火热，挑战同样严峻。这些挑战，既有行业层面的共性难题，也有新玩家特有的生存风险。

对于新兴的第三方AI Infra公司而言，面临的另一重挑战是“技术自嗨”，毛运航直言，过度专注技术攻坚，却忽略商业化节奏，“先驱”容易变成“先烈”。

曾慈雯将行业普遍存在的挑战归纳为四大难题：国产芯片架构碎片化，每款硬件都需要定制化底层适配，试错成本极高；全栈优化门槛高，需要打通软硬件全链路，复合型团队稀缺；场景化优化难以复制，不同业务的优化逻辑完全不同，需要长期沉淀方法论；大规模异构集群的动态调度复杂度呈指数级上升，对工程化能力要求极高。

就人才方面而言，清程极智联合创始人师天麾向证券时报记者表示，全栈算力优化属于高门槛交叉学科，需要同时精通硬件架构、底层系统、网络通信、大模型算法，培养周期极长。此前赛道小众、商业价值未显现，人才储备长期匮乏。不同于算法赛道的高薪热门，高性能计算方向资深工程人才“一将难求”。

此外，底层产业生态仍有明显短板。

前述芯片架构师表示，英伟达凭借全球用户生态实现快速迭代与缺陷修复，国产卡用户基数有限，迭代节奏慢，驱动层bug（漏洞）在规模化部署中仍属常见现象。

师天麾表示，各芯片厂商底层接口开放程度不一，行业暂无统一标准，优化深度高度依赖底层编程接口的开放层级，部分厂商开放有限，压缩了优化空间。不过，华为昇腾近年在开放程度上已有明显改善，反映产业共识正在形成。在硬件层面，国产大规模集群的运行稳定性不足，单卡故障易引发连锁问题，万卡级别集群落地难度较高，难以通过规模效应进一步摊薄Token生产成本。

挑战即机遇，算力优化与AI Infra正以Token产能改写格局，推动国产算力从硬件替代迈向生态自主，开启软科技长牛。