

> 市场对大模型的关注正从“训练端”全面转向“推理端”，高盛的研报撕开了算力饥渴的底色，这不仅是一场算力军备竞赛，更是对底层能源与芯片供应链的一次彻底洗牌，重资产的基建玩家将成为最大赢家。

## 算力饥渴 市场预期的盲区与修正
长久以来，资本市场的目光始终聚焦于千亿参数大模型的“训练之战”，认为一旦模型训练完成并趋于收敛，算力开销将随之回落。然而高盛发布的最新研报无情地击碎了这一幻想。报告指出，随着AI渗透进全行业的业务流，到2030年，全球大模型运转过程中的Token消耗量将面临高达24倍的爆炸式增长。这一惊人数字背后，折射出当前华尔街与科技圈对“推理算力”需求的严重低估。

从本质上看，AI正在从一种“展示型技术”转变为“基础设施型服务”。每一封被AI起草的邮件、每一段被实时翻译的跨国会议记录、乃至每一个自动化Agent的后台轮询，都在无时无刻地消耗着海量的Token。这种高频、并发、24小时不间断的推理需求，正在将数据中心的负荷推向极限。市场的盲区在于，高估了AI应用普及的短期速度，却极大低估了应用一旦落地后，其长期运行所带来的天文数字级别的算力消耗。

![12.png](https://static.downly.cn/images/f250a8910de48bf5a76eb0830a12a218.png) <center>图源备注 图片由AI生成</center>

## 底层逻辑 从参数狂飙到Token泛滥
Token暴涨的背后隐藏着商业模式的深刻演变。当前的AI产品形态正在经历从“单次问答”向“多步长链条推理”的跃迁。以最新的推理型模型为例，为了给出一个高精确度的专业答案，模型往往需要在后台进行长达数十秒的内部思维链（Chain of Thought）运算，这意味着输出同样一个结果，其后台消耗的Token数可能是传统模型的数十倍甚至上百倍。

需求　这种算力饥渴将直接反馈到产业链的上游。首先受到冲击的是英伟达等GPU巨头，其产品迭代路线必须从单纯追求单卡算力，转向极致的互联带宽与推理能效比。其次，数据中心的拥有者和云服务提供商将迎来黄金时代，他们手中的机架资源和电力储备，将成为数字时代的“新石油”。更深层次的逻辑在于，当Token泛滥成为常态，如何将高昂的推理成本转嫁给终端客户，或者通过极其巧妙的商业模式实现收支平衡，将成为所有AI应用层企业面临的生死大考。

![13.png](https://static.downly.cn/images/26941df6b21170df134f016be0b8ac74.png) <center>图源备注 图片由AI生成</center>

## 资本洗牌 谁能吃透这波基建红利
面对24倍的预期增量，一场围绕“AI基建”的资本圈地运动已经打响。在这场博弈中，巨头们拥有无可比拟的优势。微软、谷歌和亚马逊不仅掌握着最底层的大模型，更控制着全球最大的云计算网络。他们能够通过自研推理芯片（如TPU、Trainium）来压低底层Token的生成成本，从而在应用端打出令创业公司绝望的价格战。

在这场算力霸权的角逐中，马太效应将演绎到极致。缺乏造血能力、高度依赖第三方API的中小初创企业，将在不断攀升的算力账单面前举步维艰；而掌握核心数据中心、能源网络甚至拥有核电站资源的超级巨头，则能稳稳吃下这波基建红利。这已不再是单纯的技术比拼，而是一场赤裸裸的资本厚度与资源调配能力的终极对决。

搜索结果: 高盛预测