芯耀
与非AI
18
11月12日，英伟达股价在美股盘后交易中大跌逾8%。媒体报道，英伟达董事会正在讨论首席执行官黄仁勋的去留问题。同时，华尔街对英伟达的态度也开始转变。Baird下调英伟达评级，摩根士丹利将其移出首选股票名单。除了管理层的不确定性，市场对未来AI数据中心投资规模和需求增长持续性的担忧也在加深。
市场正在重新评估AI产业的增长前景。当前，AI基础设施投资仍在扩大，应用需求持续增长，但商业回报尚未充分兑现。随着投资规模不断增加，哪些需求能够形成持续收入？哪些算力投资能够获得合理回报？未来AI产业真正的增长机会又在哪里？
一、AI市场发展态势
1 市场需求：Token消耗持续增长
随着AI应用场景扩大、使用频率提高，Token消耗量持续暴涨。据信通院数据，国内2026年6月日均Token消耗量已达500万亿，是2025年12月的近4倍。我们预计2026年10月已经达到千万级别。
预计2026年全球Token消耗量将达到51亿亿，较2025年增长约12倍；从2025到2030年，预计全球Token消耗量将增长4800倍。
2 商业化进展：整体收入增长，不同AI应用开始分化
在Token需求的推动下，2026年第三季度，微软Azure收入同比增长48%，亚马逊AWS增长39.3%，谷歌云增长103%。云服务市场保持强劲增长，但AI应用的商业化并非一帆顺风。Gartner在2026年10月发布的调查显示，仅13%的受访CIO表示所在企业已从AI获得显著或变革性价值。随着企业更加重视投入回报，能够改善业务效率、形成稳定收入的AI应用将获得更多市场机会。
3 资本投入：扩张持续，回报压力上升
2026年，全球科技巨头持续扩大AI基础设施投资。亚马逊预计投入约2200亿美元，Alphabet预计1950亿-2050亿美元，微软预计约1700亿美元，Meta预计1350亿-1450亿美元，四家公司合计超过7000亿美元。随着投资规模持续扩大，设备折旧、融资和运营成本也将相应增加，对算力利用率和商业回报提出更高要求。未来，资本将更加重视市场真实需求、设备利用率和项目经营收益。
4 算力供给：规模扩大，结构性矛盾突出
全球数据中心建设加快，GPU、ASIC等算力产品持续迭代。国内市场则面临先进算力不足与部分存量算力闲置并存的问题。大模型训练和高性能推理仍需要更多先进算力，但部分早期建设的智算中心存在设备性能落后、软件适配不足等问题，导致利用率偏低。国内算力市场的核心矛盾是有效算力供给不足。提高算力利用率、改善供给结构，将成为市场发展的重要方向。
二、AI市场的主要增长机会
1 AI应用：商业化落地创造持续需求
AI正加快进入软件开发、企业办公、客户服务等业务场景，帮助企业降低成本、提高效率。其中，使用频率高、业务收益明确的应用，更容易获得客户持续付费。随着客户规模扩大，模型调用需求也将增加，进一步带动推理服务、服务器和芯片市场发展。具备稳定收入和持续使用需求的AI应用，将成为产业长期增长的重要基础。
2 推理算力：成本下降打开更大市场
推理需求快速增长，企业对计算成本和服务质量越来越敏感。高并发、长上下文和Agent应用持续消耗计算、存储和网络资源，要求算力产品同时提高吞吐、降低时延与成本。降低单位Token成本，可以改善AI服务的盈利能力，并降低应用部署门槛。这为NPU、ASIC等专用加速芯片创造了市场机会，也将推动存储带宽、KV-Cache管理和计算调度等技术持续优化。推理成本越低，能够实现商业化的AI应用就越多，算力市场也将获得更大的增长空间。
3 有效算力：供给调整带来新的市场需求
国内算力市场的供需矛盾，将推动先进算力建设和存量资源优化。高性能训练和复杂推理仍需要更多先进芯片、服务器和集群设施。对于现有智算中心，可以通过模型适配、推理框架优化和资源调度，提高设备利用率。同时，根据不同应用的性能和成本要求配置算力，有助于减少资源浪费。这将带动高性能芯片、专用推理系统、异构算力管理和存量设备升级等市场发展。
4 软硬件协同：系统优化提升产品价值
模型和芯片持续迭代，对软硬件适配提出了更高要求。不同模型对计算、存储和通信的需求不同。即使使用相同芯片，软件适配水平也会明显影响实际性能。通过模型适配、算子优化和系统调优，可以提高芯片利用率，降低运营成本。未来，芯片企业需要更加重视真实业务场景中的系统表现。应用、软件与芯片企业的联合优化，将成为提升产品竞争力的重要途径。
三、如何把握AI市场增长机会
1 聚焦真实需求
重点研究AI应用的付费能力、使用频率和业务收益，识别能够持续增长的应用场景。随着产业重心逐步从上游供给瓶颈转向下游商业化落地，上游和下游企业应加强交流，从实际业务负载和算力需求推导未来产品规划。
2 提升算力效率
围绕高并发、长上下文和Agent等推理需求，优化计算、存储和互联架构。重点关注单位Token成本、系统吞吐、响应延迟和资源利用率。通过降低运行成本、提高系统效率，增强算力产品的市场竞争力。
3 加强产业协同
应用、软件与芯片企业开展联合验证，通过模型适配、算子优化和系统调优，提高软硬件匹配效率，降低部署和迁移成本。加快技术落地，使产品能够更好地满足客户的实际需求。
结语
AI产业将迎来更加严格的市场检验。技术创新可以吸引客户尝试，但持续付费和扩大使用规模，才是市场需求得到验证的关键。未来，企业需要争取的不只是客户的第一次采购，更是客户下一轮、下下一轮的持续投入。这种长期需求，决定了企业能否建立真正的市场竞争力。
