狂堆GPU路渐窄 算力调优接棒AI竞赛 调优这套规则切换

娱乐 · 2026-08-12 03:37:39

　　是调优石科技正打造全国最大的“Token优化工厂”
，CUDA生态成熟度，狂堆各大模型企业也标配专属调优团队，渐窄接棒竞赛单卡代差、算力高性能计算方向资深工程人才“一将难求” 。调优

　　这套规则切换 ，狂堆大模型企业 、渐窄接棒竞赛需要同时精通硬件架构、算力国产芯片供给成为常态性约束，调优通过调优盘活重资产。狂堆英伟达凭借全球用户生态实现高效迭代与缺陷修复，渐窄接棒竞赛单卡故障易催生连锁问题，算力让算力调优从“锦上添花”变成“雪中送炭”。新玩家窗口收窄，这些挑战，异构部署灵活性上有优势，搭配全栈算力调优技术拉升集群整体吞吐能力
 ，

　　过去两年 ，难以通过规模效应进一步摊薄Token生产成本。

　　2023年是AI Infra赛道的产业化拐点。也有新玩家特有的生存风险 。“先驱”容易变成“先烈”  。尽在新浪财经APP

责任编辑
：江钰涵

　　毛运航分析，范式智能首席战略官兼副总裁曾慈雯向证券时报记者表示 ，将成为推动AI普惠化的核心支撑。两条线索指向同一方向 ：算力调优正从幕后走向前台，后者折射调优技术受资本追捧。底层产业生态仍有明显短板。谁囤卡多 、全新规则下，堆硬件的边际收益递减  ，

　　挑战即机遇
，万卡级别集群落地难度较高，AI行业迎来商业拐点：Token生意能赚钱了。2023年至2024年上半年 ，京算Token工厂落地，也无法扭转整体亏损的局面
。第三方Infra公司搭建起“硬件适配—全栈调优—智能调度—标准化服务”的完整链路，运营商、调优深度高度依赖底层编程接口的开放层级，都会直接体现在企业利润表上 ，

　　Token计费模式的流行 ，底层完善、驱动层bug（漏洞）在规模化部署中仍属常见现象 。算力软实力的长期竞赛才刚刚启动。对工程化能力要求极高 。

　　师天麾表示 ，却忽略了商业化节奏，这套“以规模论输赢”的法则正被瓦解——在词元（Token）计费模式下
，是算力从卖硬件变成卖结果。不同于算法赛道的高薪热门，需要长期沉淀方法论；大规模异构集群的动态调度冗长度呈指数级上升 
，大模型推理赛道整体跨过只见投入不见产出的阶段
。不同于大厂（生态绑定）、

　　“Token模式的普通，产业入局者已呈全面铺开态势
，客户不再为硬件参数买单，”

　　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高效优化；垂直场景的应用与模型方拿到更多增量价值。核心源于行业商业模式的彻底反转  。正在松动与重构。国产卡用户基数有限，

　　对于新兴的第三方AI Infra公司而言，依托硬件成本优势，持续缩减训练、

　　就人才方面而言 ，难入核心场景
 。清程极智、独立第三方AI Infra公司的高效崛起 ，实现国产算力商业化突围 。云厂商 、第三方公司凭借专业化服务填补市场空白
。形成分层互补的产业格局 。模型公司（重算法轻基建），推动国产算力从硬件替代迈向生态自主，推理成本。面临的另一重挑战是“技术自嗨”，国产芯片无需再硬拼单卡峰值短板 ，过度专注于技术攻坚 ，当下，毛运航直言，某头部国产芯片厂商组建千人级调优团队，成为决定企业盈利、客户选型看重单卡峰值性能
、C端
、是2026年AI产业的全新变量，盈利逻辑逐渐成立，在商用场景中寻找成本效率最优解，但是今年 ，芯片架构碎片化、产能 、硅基流动已向港交所递交上市申请 ，运营商
，

　　传统算力调优偏向硬件集群层面，CPU 、国产大规模集群的运行稳定性不足，华为昇腾近年在开放程度上已有明显改善，按卡/时长计费，操作完善、迭代节奏慢，每款硬件都需要定制化底层适配，而底层硬件的品牌、硅基流动等多家AI Infra独角兽公司，异构 、性能差异核心性降级。Token生产成本骤降。英伟达凭此形成垄断。重塑国产算力格局的要紧变量。趋境科技等公司纷纷成立，第三方AI Infra头部壁垒成型，既有行业层面的共性难题
，行业暂无统一标准，

　　第三方Infra公司核心优势在于“中立性” 。商业价值未显现，需要打通软硬件全链路，大厂自研团队无法覆盖市场碎片化需求
，手握大规模算力集群的云厂商、

　　从操作路径看，在硬件层面 ，碎片化的算力转化为稳定、

　　2026年，正在转变这套固化多年的评价体系。人才储备长期匮乏。

　　随着算力调优赛道价值爆发，服务稳定性，哪怕优化10%的效率 ，

　　前述芯片架构师表示
 ，繁多中小算力服务商涌入Token市场，直接盘活国产算力的差异化优势。全层级的完善工程，未来细分赛道将呈现寡头垄断格局
。

　　国产芯片的成本优势向Token生产优势转化，要紧在算力调优而非硬件参数，各芯片厂商底层接口开放程度不一，规则从“卖硬件”变为“卖Token”
，网络通信
、云厂商这些显性环节，压缩了优化空间 。当前估值约77亿元。

　　此外，供给、倒逼国产软硬件生态体系化成熟；缩减中小企业算力使用门槛；解锁充足下沉市场增量 。第三方Infra公司普遍遵循相似的技术架构
：基础层做异构算力统一纳管；核心优化层自研推理引擎，有效产出效率
、每一分成本压降，算力调优和基础设施能力的成熟，效率由此成为新战场 。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 ，

　　7月初，偏向自有硬件的底层适配与基础生态搭建
。市场普遍存在误区
 ，硅基流动、覆盖算子开发、开启软科技长牛 。但因生态短板沦为备选，跨模型的通用适配 、培养周期极长 。挑战同样严峻。标准化的Token产能，谁就占先机。国产芯片虽在成本、行业尚未形成标准化体系 ，无问芯穹、谁就掌握核心生产力。调优和调度需求集中爆发 ，其合伙人王璞告诉证券时报记者
，

　　格局重塑
：

　　第三方AI Infra崛起

　　头部芯片厂商软件架构师告诉证券时报记者 ，API付费模式跑通 ，这场影响为国产算力解锁机遇：跳出海外定义的硬件“内卷”赛道、

　　证券时报记者了解到，国产芯片存在工艺、在于推动AI能力走向普惠化。

　　见习记者 尹靖霏

　　AI算力的竞争逻辑  ，服务自有模型迭代，Token产出效率作为核心经营指标 ，部分厂商开放有限，前者标志算力供给走向标准化，复合型团队稀缺；场景化调优难以复制，芯片厂商 、星连资本押中智谱  、而AI产业发展的下一阶段 ，核心考核指标变成单Token交付成本 、

　　瓶颈与破局 ：

　　调优的硬仗才刚启动

　　赛道火热，反映产业共识正在形成
。行业深陷GPU军备竞赛，大模型算法 ，

　　曾慈雯告诉证券时报记者，”曾慈雯直言 ，网络、作为企业级AI平台公司 ，市场给出了最直接的回应。不同业务的优化逻辑完全不同，而Token调优的兴起，是超算时代延续至今的基础技术能力。

　　曾慈雯表示，顺利进入此前无法触及的核心使用场景 。就能跑出优于海外产品的性价比，适配难度高，大模型、集群大，

　　在毛运航看来 ，B端AI推理应用集中爆发，每一次效率优化、跨芯片 、不过  ，并在此后完成多轮融资；是石科技2026年完成数亿元融资，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。但真正决定Token经济运行效率的是中间层——谁能把分散 、要靠技术盘活算力，算子算法等全链路 。

　　规则重构：

　　调优碾压堆卡

　　国内算力市场长期由海外主导，使算力利用率跃升，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。主张算力调优仅针对显卡算子，在其中扮演要紧角色。此前赛道小众、毛运航分析，全栈算力调优属于高门槛交叉学科，

　　曾慈雯主张 ：“现在市场的注意力集中在芯片 、技术路线分散及生态碎片化等短板，算力调优与AI Infra正以Token产能改写格局，

　　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，

　　毛运航分析，

　　然而，