当人工智能应用从模型训练阶段大规模转向实际部署阶段，一场围绕算力资源的暗中争夺，正在中国AI产业内部悄然升级。表面上,这看似只是一个技术优化问题——如何让国产芯片更好地承担AI推理任务，但其背后折射出的,却是中国科技企业在美国出口管制阴影下，被迫展开的一场艰难资源腾挪。
从训练到推理:一场悄然转移的算力压力
AI模型的生命周期通常分为两个阶段:训练与推理。训练阶段依赖高端芯片完成海量数据的学习过程，而推理阶段则是模型将已学到的知识应用于实际场景，生成具体回答与处理结果的环节。
相较于训练环节,推理任务理论上更容易适配国产硬件。但行业人士指出,像编程这类复杂任务，仍然高度依赖英伟达芯片,这意味着当AI应用从模型开发迈入大规模部署阶段时，整个行业正面临着极为严峻的算力瓶颈。
推理优化初创公司Approaching.AI副总裁关佳伟指出,当前需求端正呈现出明显的"两极分化"态势。他表示,对高质量token(即模型处理与生成内容的基本数据单元)的需求，已经远远超出了供给能力。
关佳伟解释称,高阶任务对性能指标的要求极为严苛，而国产处理器目前尚无法稳定满足这些要求。他补充说,先进的中国大模型对芯片性能提出了很高的要求,尤其是在编程这类场景中，用户愿意为更好的性能支付溢价。
"如果我们仅依靠国产芯片来完成推理任务,它们只能处理低质量层级的需求——也就是需求疲弱、变现能力也疲弱的那部分市场,"关佳伟坦言。他强调，这使得企业很难找到一条可行的商业化路径,这也正是为什么高质量token的生成,至今仍离不开英伟达芯片。
重庆证券配资网需求呈千倍暴涨,租赁价格一路飙升
随着AI应用日益走向"智能体化"——即执行真实世界的具体任务，而不仅仅是回答问题——token使用量呈现出爆炸式增长，进一步加剧了算力供给的紧张局面。据中国国家数据局统计，今年3月，全国日均token调用量已突破140万亿次，相较2024年初增长超过1000倍。
这种算力压力，同样清晰地反映在芯片价格走势上。据Approaching.AI提供的数据显示,英伟达H200芯片的月租金价格，今年早些时候已飙升至超过10万元人民币，而去年第三季度末，这一价格区间还仅在5万至8万元人民币之间。
关佳伟指出,如果继续依赖现有的推理技术路径,token需求的持续增长，将要求一个几乎不可能实现的算力规模。按照这一测算逻辑,中国在2026年可能需要约30万块高端芯片用于推理任务,而到2030年这一数字或将高达3亿块——他直言，这显然是不现实的。
混合调度与技术创新:中国厂商的突围路径
面对这一近乎不可能完成的算力缺口,中国AI企业不得不跳出常规思路,寻找替代性技术方案。月之暗面(Moonshot AI)便是其中一个典型案例。
该公司专门设计了一套用于异构推理场景的数据传输系统，让不同类型的芯片能够协同工作。根据项目官方介绍,这套系统能够在英伟达H20芯片与华为昇腾910B芯片之间实现高效的数据交换。
与月之暗面的思路类似,Approaching.AI则采用了一种被称为"异构PD分离"的技术方案，允许不同芯片分别处理同一AI任务中的不同环节。具体而言,华为昇腾910B芯片负责处理请求的初始阶段,而英伟达H20芯片则负责生成最终响应,软件系统在两者之间完成信息传递与调度。
Approaching.AI还表示，其自主研发的推理引擎KTransformers，已成功实现在单块英伟达RTX 4090显卡上,结合中央处理器与大容量内存，完整运行DeepSeek的全尺寸模型。该公司称，这种方案能够将模型运行成本降低10到20倍。
元股证券:ygzq.hk这一系列技术探索，似乎正在逐步显现成效。据该初创公司透露,其今年6月单月营收，已超过去年全年营收总和。
不过题材股，这些技术层面的巧妙腾挪，终究只是权宜之计，而非彻底解决方案。只要美国出口管制持续限制中国获取最先进的英伟达芯片，中国AI企业就仍将被迫在"低成本国产替代"与"高性能海外芯片"之间反复权衡取舍，而这种被迫的资源腾挪与技术创新，也从侧面折射出全球AI产业链在地缘政治压力下,正被重塑成一种更加复杂、更加碎片化的竞争格局。
炒股多空网提示：本文来自互联网，不代表本网站观点。
