狂堆GPU路渐窄 算力调优接棒AI竞赛

ai算力的竞争逻辑，正在松动与重构。

过去两年，行业深陷gpu军备竞赛，谁囤卡多、集群大，谁就占先机。当下，这套“以规模论输赢”的法则正被瓦解——在词元（token）计费模式下，规则从“卖硬件”变为“卖token”，堆硬件的边际收益递减，效率由此成为新战场。

7月初，京算token工厂落地，同时，趋境科技半年累计融资超10亿元。前者标志算力供给走向标准化，后者折射调优技术受资本追捧。两条线索指向同一方向：算力调优正从幕后走向前台，成为决定企业盈利、重塑国产算力格局的关键变量。

然而，芯片架构碎片化、全栈人才匮乏、集群稳定性不足等问题依然严峻，行业尚未形成标准化体系，算力软实力的长期竞赛才刚刚开始。

规则重构：

调优碾压堆卡

国内算力市场长期由海外主导，按卡/时长计费，客户选型看重单卡峰值性能、cuda生态成熟度，英伟达凭此形成垄断。作为企业级ai平台公司，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，国产芯片虽在成本、供给、异构部署灵活性上有优势，但因生态短板沦为备选，难入核心场景。

token计费模式的普及，正在改变这套固化多年的评价体系。

“token模式的本质，是算力从卖硬件变成卖结果。”曾慈雯直言，全新规则下，客户不再为硬件参数买单，核心考核指标变成单token交付成本、有效产出效率、服务稳定性，而底层硬件的品牌、性能差异重要性降级。

这套规则切换，直接盘活国产算力的差异化优势。

曾慈雯表示，国产芯片无需再硬拼单卡峰值短板，依托硬件成本优势，搭配全栈算力调优技术拉升集群整体吞吐能力，就能跑出优于海外产品的性价比，顺利进入此前无法触及的核心使用场景。

曾慈雯告诉证券时报记者，这场变革为国产算力解锁机遇：跳出海外定义的硬件“内卷”赛道、倒逼国产软硬件生态体系化成熟；降低中小企业算力使用门槛；解锁海量下沉市场增量。而ai产业发展的下一阶段，在于推动ai能力走向普惠化。算力调优和基础设施能力的成熟，将成为推动ai普惠化的重要支撑。

国产芯片的成本优势向token生产优势转化，关键在算力调优而非硬件参数，市场给出了最直接的回应。

2026年，ai行业迎来商业拐点：token生意能赚钱了。

是石科技正打造全国最大的“token优化工厂”，公司联合创始人毛运航告诉证券时报记者：去年算力调优只是小众技术探索，哪怕优化10%的效率，也无法扭转整体亏损的局面。但是今年，c端、b端ai推理应用集中爆发，api付费模式跑通，大模型推理赛道整体跨过只见投入不见产出的阶段。

在毛运航看来，盈利逻辑逐渐成立，让算力调优从“锦上添花”变成“雪中送炭”。每一次效率提升、每一分成本压降，都会直接体现在企业利润表上，这也是当下全行业愿为优化技术重金买单的主因。

毛运航分析，国产芯片存在工艺、产能、单卡代差、技术路线分散及生态碎片化等短板，适配难度高，要靠技术盘活算力，在商用场景中寻找成本效率最优解，实现国产算力商业化突围。

格局重塑：

第三方aiinfra崛起

头部芯片厂商软件架构师告诉证券时报记者，市场普遍存在误区，认为算力调优仅针对显卡算子，而实际产业中的专业调优是端到端、全层级的系统工程，覆盖npu/gpu、cpu、存储、网络、操作系统、算子算法等全链路。

随着算力调优赛道价值爆发，产业入局者已呈全面铺开态势，芯片厂商、云厂商、运营商、大模型企业、第三方aiinfra（人工智能基础设施）同台竞技，形成分层互补的产业格局。

证券时报记者了解到，某头部国产芯片厂商组建千人级调优团队，聚焦自有硬件的底层适配与基础生态搭建。各大模型企业也标配专属调优团队，服务自有模型迭代，持续降低训练、推理成本。手握大规模算力集群的云厂商、运营商，将算力利用率、token产出效率作为核心经营指标，通过调优盘活重资产。

传统算力调优聚焦硬件集群层面，是超算时代延续至今的基础技术能力。而token调优的兴起，是2026年ai产业的全新变量，核心源于行业商业模式的彻底反转。独立第三方aiinfra公司的快速崛起，在其中扮演关键角色。2023年至2024年上半年，清程极智、硅基流动、无问芯穹、趋境科技等公司纷纷成立，并在此后完成多轮融资；是石科技2026年完成数亿元融资，硅基流动已向港交所递交上市申请，当前估值约77亿元。

从操作路径看，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，覆盖算子开发、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。

2023年是aiinfra赛道的产业化拐点。星连资本押中智谱、硅基流动等多家aiinfra独角兽公司，其合伙人王璞告诉证券时报记者，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，国产芯片供给成为常态性约束，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。

第三方infra公司核心优势在于“中立性”。王璞表示，大厂自研团队无法覆盖市场碎片化需求，大量中小算力服务商涌入token市场，跨芯片、跨模型的通用适配、调优和调度需求集中爆发，第三方公司凭借专业化服务填补市场空白。

毛运航分析，不同于大厂（生态绑定）、模型公司（重算法轻基建），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，使算力利用率跃升，token生产成本骤降。

曾慈雯认为：“现在市场的注意力集中在芯片、大模型、云厂商这些显性环节，但真正决定token经济运行效率的是中间层——谁能把分散、异构、碎片化的算力转化为稳定、标准化的token产能，谁就掌握核心生产力。”

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快速提升；垂直场景的应用与模型方拿到更多增量价值。毛运航判断，第三方aiinfra头部壁垒成型，新玩家窗口收窄，未来细分赛道将呈现寡头垄断格局。

瓶颈与破局：

调优的硬仗才刚开始

赛道火热，挑战同样严峻。这些挑战，既有行业层面的共性难题，也有新玩家特有的生存风险。

对于新兴的第三方aiinfra公司而言，面临的另一重挑战是“技术自嗨”，毛运航直言，过度专注于技术攻坚，却忽略了商业化节奏，“先驱”容易变成“先烈”。

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，每款硬件都需要定制化底层适配，踩坑成本极高；全栈优化门槛高，需要打通软硬件全链路，复合型团队稀缺；场景化调优难以复制，不同业务的优化逻辑完全不同，需要长期沉淀方法论；大规模异构集群的动态调度复杂度呈指数级上升，对工程化能力要求极高。

就人才方面而言，清程极智联合创始人师天麾告诉证券时报记者，全栈算力调优属于高门槛交叉学科，需要同时精通硬件架构、底层系统、网络通信、大模型算法，培养周期极长。此前赛道小众、商业价值未显现，人才储备长期匮乏。不同于算法赛道的高薪热门，高性能计算方向资深工程人才“一将难求”。

此外，底层产业生态仍有明显短板。

前述芯片架构师表示，英伟达凭借全球用户生态实现快速迭代与缺陷修复，国产卡用户基数有限，迭代节奏慢，驱动层bug（漏洞）在规模化部署中仍属常见现象。

师天麾表示，各芯片厂商底层接口开放程度不一，行业暂无统一标准，调优深度高度依赖底层编程接口的开放层级，部分厂商开放有限，压缩了优化空间。不过，华为昇腾近年在开放程度上已有明显改善，反映产业共识正在形成。在硬件层面，国产大规模集群的运行稳定性不足，单卡故障易引发连锁问题，万卡级别集群落地难度较高，难以通过规模效应进一步摊薄token生产成本。

挑战即机遇，算力调优与aiinfra正以token产能改写格局，推动国产算力从硬件替代迈向生态自主，开启软科技长牛。