AI時代，你提的每一個問題，“龍蝦”為你做的每一件事情，都是詞元在背后“跑腿”。

　　AI工具每生成一個詞元，都需要調用數據中心的算力，並伴隨著電力消耗。

　　越來越多人用上AI工具，首先迎來的是詞元調用量的激增，同步增長的，還有對算力的消耗。

　　設想一下：如果你正在使用AI工具，但半天沒有收到AI的回復，你會作何感受？

　　當我們看到新聞中不斷傳出消息，詞元調用量又增加了多少，相信不少人跟筆者有一樣的擔憂：照這個速度發展下去，我們的算力還夠用嗎？

　　就像高速公路上的車流量——車多了，道路會擁堵。詞元調用量大了，算力也會面臨壓力。

　　最近，雲廠商密集提價，紛紛調高AI算力租賃價格。背后的原因很明顯——需求激增，供給偏緊，價格跟著上漲。

　　市場對GPU算力的需求持續強勁。市面上，有GPU芯片的租賃價格自2025年10月的每小時1.7美元上漲至今年3月的每小時2.35美元，漲幅近40%。

　　算力的需求曲線突然陡峭起來，算力供給還沒來得及完全跟上。更聰明的AI智能體模型能執行更復雜的任務，但對算力的消耗量明顯增大，如果算力不夠，一個問題丟進去半天沒有響應，一切體驗都是空談。

　　既然這樣，如何破解？

　　其實，市場也已經在給出回應了。

　　先說開源。

　　以前，我們用的GPU芯片，許多依賴進口，也就是說，我們算力的“命門”掌握在別人手中。而現在，華為昇騰910B等國產AI芯片逐步量產，且產能不斷提升，算力硬件供給走向多元化，避免了對單一外資芯片的過度依賴。

　　從這一點上看，因為硬件導致算力短缺的可能性正在慢慢降低。

　　不僅是硬件在不斷突破，數據中心REITs等金融創新正在將算力資產証券化，吸引更多資本進入算力建設領域，也就是說，未來將有越來越多的算力設施能為大家服務。

　　說完開源，再看節流。

　　提升詞元的轉化效率，其實也是提高算力的使用效率，也是從另一個角度擴容算力“池子”。

　　最近，就有人提出，要構建更高效、標准化的“詞元工廠”，提供持續穩定、規模化的詞元服務，讓頂尖模型能力高效賦能海量下游場景，盡可能提升每一個詞元的轉化效率，讓算力“花得值”。

　　近期，也有不少企業加快了高性能算力的創新布局，其中以超節點為代表的架構創新，成為提升算力效率的重要路徑。

　　如果再往遠一點看，未來，算力設施的智能化水平也會不斷提升，算法和算力系統之間的協同配合也會更默契，算力使用將更加高效。

　　算力緊張的確存在，但在筆者看來，這是階段性的。就像剛開始普及3G的時候，大家感覺手機的流量總是不夠用，而現在，大家可以隨便刷視頻。相信隨著技術迭代、產能擴張和商業模式創新，算力的供需關系會逐步走向平衡。

　　而當下，除了關注算力的規模本身，我們也要更多關注如何更高效、更公平地調度和使用算力。