

> 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。

 高盛预测2030年AI算力消耗暴增24倍背后的基建红利与马太效应



> 凭借底层架构优化与本土算力基建红利，MiniMax M2.5以仅为海外竞品十分之一的成本优势，连续五周霸榜全球调用量，深刻改变着全球AI商业化竞争格局。

## 底层架构重构释放算力价值
国产大模型正在全球算力市场上演一场基于极致性价比的降维打击。最新行业监测数据显示，MiniMax M2.5在调用频次上持续压制国际顶尖竞品，稳居榜首长达五周。支撑这一惊艳数据的核心，在于其同等能力水平下远低于海外模型的计费标准。研发团队通过对底层架构的根本性重构，大幅压降了模型推理阶段的资源消耗。算法效率的跃升意味着系统能够用更少的Token消耗，完成同样复杂的逻辑推理与文本生成任务，从技术源头直接稀释了开发者的算力成本。

![32.png](https://static.downly.cn/images/4c52e2b455f8eda6fc8f69d7b8bce981.png)

<center>图源备注：图片由AI生成</center>

## 能源红利筑牢成本护城河
除了软件层面的算法精进，宏观层面的基建优势同样是不可忽视的战略支撑。在百万级显卡并行运算的超大规模AI集群中，电费在整体算力成本中的占比高达七成至八成。中国庞大且稳定的能源供应网络，以及相对低廉的工业用电价格，为本土AI企业构建了一道难以逾越的成本防火墙。

## 智力产出时代的商业新规
技术迭代与成本控制的双重优势，正在帮助国产力量快速收割全球市场份额。当前的AI行业正逐步褪去概念炒作的外衣，进入比拼工程落地和投资回报率的下半场。这种高智商与低价格并存的发展模式，不仅证明了中国AI产业链的综合韧性，更有望彻底重塑全球大模型的商业化定价权。

国产大模型性价比突围 MiniMax连续五周领跑全球调用量


> 黄仁勋定调智能体AI迎来历史拐点，开源黑马OpenClaw引爆的巨大算力真空正重塑产业格局。英伟达正加速迭代Vera Rubin架构，以长上下文处理能力重新定义硬件商业价值。

## 智能体催生千倍算力真空

英伟达首席执行官黄仁勋在近期的摩根士丹利会议上作出重要战略研判，指出智能体AI正处于爆发的历史节点。他对近期引发行业震动的开源项目OpenClaw给予了极高评价。这款软件仅用三周时间便打破了Linux操作系统耗时三十年才达成的普及纪录，成为史上下载量最大的开源项目。

更深远的影响在于，这类前沿智能体能够精准复制并替代人类工作负载。为维持其高效运作，长上下文处理需求使得Token消耗量激增约一千倍。这种指数级的资源消耗直接在行业内撕开了一个巨大的算力真空。

![12.png](https://static.downly.cn/images/f66e32668533241f44bd626ca160ce39.png) <center>图源备注：图片由AI生成</center>

## 五层架构与应用层红利

在剖析产业生态时，黄仁勋系统性地提出了AI产业的五层架构理论 能源层、芯片与计算基础设施层、云数据中心层、AI模型层以及应用层。他明确指出，能够为超大规模云厂商创造最大商业回报的核心驱动力正是处于金字塔顶端的应用层。智能体应用的大爆发不仅印证了这一判断，更在加速顶层商业变现的进程。

## Vera Rubin架构重塑底层硬件

面对由于应用爆发带来的严峻硬件瓶颈，英伟达已经开始大举调整研发重心。公司即将推出的Vera Rubin架构将专门针对长上下文处理进行深度优化。通过大幅提升板载内存元件的性能指标并整合先进的ICMS平台，英伟达试图从底层逻辑端彻底破除现有计算平台在处理复杂应用时的性能桎梏。

英伟达重塑算力版图 智能体AI引爆下一代架构革命




> 导语：本期AI资讯聚焦多项重大进展，从全面开源的多模态模型LLaVA-OneVision-1.5，到阿里为开发者推出的高效命令行编程工具Qoder CLI，再到微软将Copilot深度集成至Windows 11核心，以及Anthropic的Claude模型与Microsoft 365的无缝对接，AI技术正以前所未有的深度和广度融入各个领域，重塑我们的工作与生活方式。

## LLaVA-OneVision-1.5 全面开源，视觉语言模型开启新篇章

备受瞩目的多模态模型LLaVA-OneVision-1.5现已全面开源。该模型历经两年研发，从最初的图文对齐技术，已升级为能够综合处理图像和视频的强大框架。更重要的是，项目方提供了一套开放且高效的可复现训练架构，让广大开发者和研究人员可以便捷地构建属于自己的高质量视觉语言模型。其训练过程分为三个阶段，为多模态技术的发展开辟了新的道路。

![image.png](https://static.downly.cn/images/734063e378213ed36de67b019cc50774.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## 阿里Qoder CLI发布，命令行编程迎来AI新纪元

阿里巴巴为其开发者社区带来了一款创新的AI编程工具——Qoder CLI。这款工具通过命令行接口，实现了强大的代码生成与理解能力。它的核心优势在于，能够在显著提升开发效率的同时，将内存占用降低70%，并大幅加快响应速度。对于习惯在终端工作的开发者而言，Qoder CLI的发布标志着命令行编程正式迈入了AI辅助的新纪元。

![image.png](https://static.downly.cn/images/75195f8dd49143ecb400000873f0c83a.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## Windows 11 迎来 Copilot 原生集成，语音操控PC成现实

微软正在将其AI战略推向新的高度，宣布将生成式AI助手Copilot深度集成到Windows 11的核心系统中。用户将能够通过语音直接唤醒Copilot，并让它分析屏幕上的内容，执行本地自动化操作。这一举措旨在将Copilot打造成为用户与个人电脑互动的主要界面，彻底改变我们使用PC的方式，让智能交互无处不在。

![image.png](https://static.downly.cn/images/d565f98d7cb69f75da7abd7bcd24c09f.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## Anthropic推出Claude“技能”系统，复杂任务处理模块化

Anthropic公司为其Claude模型推出了创新的“技能”（Skills）模块系统。该系统能将复杂的提示工程分解为一个个可堆叠、可移植的独立模块。开发者可以通过主题文件夹整合任务说明、脚本和相关资源，从而让Claude在处理例如自动生成Excel表格和PPT等复杂任务时，效率和实用性得到大幅提升。

![image.png](https://static.downly.cn/images/820ecb6a5acb104dd0eb83a2fa85b342.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## Claude携手Microsoft 365，企业办公效率再升级

Anthropic进一步深化了与微软的合作，推出了全新的Microsoft 365连接器。这一功能使得企业用户可以在SharePoint、OneDrive、Outlook和Teams等日常使用的微软应用中，直接调用Claude AI的强大能力。通过接入用户账户信息，Claude能够提供更加个性化和上下文感知的服务，无缝融入企业工作流，提升信息获取和沟通效率。

![image.png](https://static.downly.cn/images/ef46847900b13dc355ad543d1c811e76.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## 字节跳动发布豆包1.6，国产大模型首创“思考深度”可调

火山引擎正式发布了豆包大模型1.6版本，带来了一项国内首创的创新功能——支持分档调节思考长度。用户可以根据任务的复杂度，在四档不同的思考深度中进行选择。这种灵活性不仅能让模型在处理复杂问题时输出更高质量的答案，也能在执行简单任务时选择较低档位，从而大幅减少token消耗，实现了性能与成本的动态平衡。

![image.png](https://static.downly.cn/images/c4f7f506f741c75931da815b4e74e92d.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## Kayak上线AI模式，用聊天规划你的下一次旅行

著名旅游搜索引擎Kayak正式推出了集成ChatGPT技术的“AI模式”。现在，用户可以通过内置的AI聊天机器人，用自然语言咨询各种旅行问题，并让AI帮助比较和预订机票、酒店及租车服务。这项功能已经同步在Kayak的网页版和移动端上线，标志着AI驱动的个性化行程规划服务正成为主流。

![image.png](https://static.downly.cn/images/e872379a86da66cd6f83297f40bdcf23.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>



每日AI资讯1017：多模态模型开源与AI助手全面融入操作系统及办公软件



> 随着中国生成式AI硬件支出的激增，网络瓶颈问题日益凸显。与此同时，Meta开源的DINOv3模型正引领AI视觉进入“无标注”时代，而Anthropic的Claude模型则在AI安全领域迈出了重要一步，学会了主动终止不当对话。

## IDC预测中国生成式AI硬件投入五年内将突破330亿

根据国际数据公司（IDC）的最新报告，中国在生成式AI领域的硬件支出正迎来爆发式增长。预计到2028年，相关支出将达到惊人的330亿元人民币，年均复合增长率高达38.5%。

这一增长的背后，是日均Token消耗量的急剧攀升，使得网络基础设施逐渐成为AI发展的瓶颈。为了应对数据洪流，高端以太网端口的需求将大幅增加，预计到2029年，其出货量将超过4300万个。这不仅预示着技术的飞跃，也为整个网络硬件产业带来了前所未有的发展机遇。

![image.png](https://static.downly.cn/images/c592f70b9e0c1362792b8f9995b0773d.png)

## Meta开源DINOv3，AI视觉迎来“无标注”新时代

Meta AI近日发布并开源了其最新一代的通用图像识别模型 DINOv3，堪称AI视觉领域的“神器”。该模型最大的突破在于采用了自监督学习技术，使其能够在没有人工标注的情况下，精准提取图像的全局和局部特征。

DINOv3在多项基准测试中表现卓越，其强大的能力可广泛应用于环境监测、自动驾驶、医疗影像分析和安防监控等多个关键领域。这一技术不仅极大地降低了AI视觉的应用门槛，也推动了相关生态的繁荣。然而，技术的进步也伴随着新的挑战，如何解决可能出现的隐私和偏见等伦理问题，成为了下一步需要关注的焦点。

![image.png](https://static.downly.cn/images/b32e4a2deee82f0af31dbb509fce27b2.png)

## AI学会自我保护，Anthropic的Claude模型能主动终止恶意对话

在AI安全领域，Anthropic公司取得了新的进展。据称，其最新的部分Claude模型现在具备了一项新能力：当检测到对话内容变得“有害或辱骂性”时，模型可以主动选择结束这次交流。

这项功能赋予了AI一定的自我保护能力，是提升AI系统自主性和安全性的重要一步。它标志着AI不再只是被动的信息接收者，而是能够在一个更安全、更健康的环境中与人类进行交互的参与者，这对于构建负责任和可信赖的AI系统至关重要。

![image.png](https://static.downly.cn/images/a565213eccd0a3835f113153248c2505.png)



每日AI资讯0817：硬件狂飙、视觉革命与AI自我觉醒

去年，在我第一次使用`Bolt.new`的时候体验到了它非常强大的"一键式开发+部署能力"，只需要简单的提示词或者一张截图就能生成漂亮的前端页面（默认支持多端自适应）。 但是缺点也非常明显，那就是在开发一个稍微大一点的项目（5-10个页面，一个页面500行左右）的时候Token非常不够用，我粗略的计算了下，只要稍微给点强度，三天之内就可以把1000w Token用完。

那个时候我还没意识到"Bolt.new"的Token究竟会跑的有多快，只是认为这一切可能都是正常的情况，毕竟它1000W Token摆在那儿，看起来已经很"良心"了。那段时间我用"Bolt.new"给我优化了多个前端页面，整体效果还是非常不错的也的确给我带来了较大的效率提升。

简单的展示一下我去年开发的一个"网络空间测绘平台"，前端使用了"Bolt.new"优化，整体效果如下：

![20250525012344.png](https://static.downly.cn/images/20250524172439.478551638.png)

还有一个花了一晚上使用`Bolt.new`开发的小破站：https://resonant-seahorse-bf278a.netlify.app/。

我在Taobao买了2次 `Bolt.new`才勉强把几个页面优化完，后来实在感觉太贵了改用WindSurf后就不再续费了。 ![20250525010749.png](https://static.downly.cn/images/20250524170902.404523006.png)

## 再次尝试 - Token消耗之谜揭晓

时隔半年，我再次登录`Bolt.new`，发现居然还是Pro（有点莫名其妙），既然如此，何不再次尝试一下呢？ 不知道是从什么时候开始，`Bolt.new`已经支持了从Github导入项目，正好我Github上有一个基于Next.js的前端项目：[downly.cn](https://www.downly.cn/)，于是我就开始了今天的"AI编程体验"。

先说结果，`Bolt.new`的操作还是比较丝滑的（相比[Lovable](https://lovable.dev/)基本没有任何优势）。但是这并不能掩盖它致命的缺陷"慢"、"疯狂消耗Token"！ 下面请看我现在的Token使用情况： 
![Description](https://static.downly.cn/covers/20250524170755.907352209.png)

是的，没错，1000W Token，它已经被我用完了。我甚至只提了一个需求（Build错误的时候自动修复了大约3次）！ ![20250525015144.png](https://static.downly.cn/images/20250524175853.187847850.png) 

这就有点离谱了，我审计了它修改的代码（Bolt.new每次修改都会提交到Github），终于明白了问题所在。 `Bolt.new`总计给我修改了4次，其中有3次都是在修改Build错误，下面是它的Github提交记录： 
![20250525020436.png](https://static.downly.cn/images/20250524180455.439267920.png)

具体修改的代码如下： 

![20250525020339.png](https://static.downly.cn/images/20250524180645.069161353.png)



## Token消耗的根本原因

是的，它只是修改了5行代码！然而，它为了修改这5行代码，它把整个页面都原封不动的重写了一遍，而我就一直盯着它一直在哪儿哗啦啦的输出，1000W Token如流水一般瞬间就没了.... 事实上，这样的问题也是可以理解的，因为Claude本身就会这么干，只不过它一般会使用偷懒的写法（只输出需要修改的部分）。但是让人无法忍受的是这不是在浪费Token吗？

对比[Lovable](https://lovable.dev/)、Cursor、WindSurf的一次对话，不管修改多少代码都只记一次Prompt credits消耗（以前WindSurf是基于ActionFolw计算的，也明显感觉每次都是积分消耗远远高于`User Prompt credits`），显然`Bolt.new`不再具有任何的优势。



## 更具性价比的替代方案

相比`Bolt.new`，更具性价比且设计的效果非常Nice的AI编程工具则更推荐[Lovable](https://lovable.dev/)和[蓝湖AI](https://lanhuapp.com/)。 例如，[Downly.cn](https://monica.im/home/chat/Monica/Downly.cn)的首页就是我基于Lovable开发的前端页面，第一次使用Lovable的时候，我只是想让它Copy一个类似小红书的网站，而它生成出来的效果非常不错（自适应、带动效）： 
![20250525022846.png](https://static.downly.cn/images/20250524182905.752626374.png)

后来，我又让Lovable帮我开发了几个AI导航页面，整体体验非常不错，效果如下： 

![20250525025852.png](https://static.downly.cn/images/20250524185916.602780614.png)

![20250525025225.png](https://static.downly.cn/images/20250524185340.769286000.png)

除此之外，我还用canva给我设计了Logo、蓝湖给我设计了App，仿佛间AI已经替我完成了非常多的开发和设计任务，在庆幸之余，更多的是"焦虑🍌🟢"。

基于canva设计的Logo：
![image.png](https://static.downly.cn/images/20250524190544.915637063.png)

基于蓝湖开发的App客户端： ![20250525024651.png](https://static.downly.cn/images/20250524185029.608222084.png) App最终效果（基于Tauri+Next.js开发）： ![20250525025115.png](https://static.downly.cn/images/20250524185124.997215875.png)



## 关于Downly.cn

[Downly.cn](https://www.downly.cn/)是我正在建设中的一个集AI文章、教程、应用、导航于一体的综合类门户网站。虽然目前还处于建设阶段，但它的开发过程恰好成为了我测试各种AI编程工具的绝佳案例。

通过这次的对比实验，我更加确信：在AI辅助开发领域，工具的选择不仅关乎效率，更直接影响项目成本。对于大多数开发者而言，像Lovable这样的工具可能是更明智的选择——它们提供了合理的计费模式，避免了不必要的资源浪费，同时保持了高质量的开发体验。

随着AI技术的不断进步，我相信会有更多优秀的工具涌现。而Downly.cn的目标之一，就是帮助开发者在这个日新月异的领域中找到最适合自己的工具和方法。欢迎关注Downly.cn的建设进展，一起探索AI赋能开发的无限可能！

搜索结果: Token消耗