文章核心观点 - 实现算力基建的商业价值闭环，关键在于提供“方便、易用、便宜”的算力，并推动AI应用在具体场景中落地，帮助客户盈利或节省成本[1][12] - AI推理市场正处于爆发前夜，其全面爆发依赖于多模态应用效果的稳定和成本的显著下降，预计将带来Token消耗量的百倍级增长[5][25][30] - 2025年算力行业的关键里程碑包括DeepSeek的崛起推动AI全民化、国产超节点方案突破以及AI眼镜等硬件催生数据爆发，为2026年国产化与液冷技术普及奠定基础[31][34][36] 算力基建如何实现商业闭环 - 行业现状与痛点：当前智算中心算力平均利用率不足40%，算力消纳是行业通病，大模型训练需求退潮后，增量需求转向分散零碎的推理场景[4] - 发展阶段转变：算力建设从过去“重建设、轻消纳”转向“建即用、用更好”的实用导向，需从应用场景与客户需求倒推建设方案[9] - 价值闭环的核心标志：算力价值体现在“方便、易用、便宜”三大核心点，其闭环核心是AI方案能在业务场景落地并帮助客户盈利或解决核心痛点[12][13] - 实现路径与案例： - 节流模式：通过算力卡回收等业务，帮助客户极致节省采购与硬件成本，有被投企业在该业务上实现数亿元营收[5][13][14] - 开源模式：例如为房地产销售公司提供基于大模型的客户意向分析工具，直接帮助提升成交量，使开发商愿意付费[12] - 技术优化：通过浸没式液冷方案将GPU满载温度从80-90℃降至50-60℃，有望将万卡集群平均MFU从30%提升至50%以上，降低故障率和维保成本[6][7] - 关键举措与全链路优化：AI模型落地需极致的全链路优化，例如通过联合优化，曾将某图片生成产品的单张图片生成耗时从30秒大幅提升5-6倍性能[20][21] - 避免价值陷阱：算力选型核心是“由应用场景及模型倒推”，而非盲目采购服务器或仅关注算力参数，需结合具体模型需求（如显存）和业务场景进行精细配置[15][16][17] 推理需求爆发与产业增长节奏 - 市场阶段判断：2025年AI推理市场已步入爆发前夜，上半年中国MaaS市场规模已实现4-5倍增长，部分大厂预判明年增速有望达10倍[5][25] - 爆发前提条件：全面爆发依赖大模型能力的进一步突破，尤其是多模态（视觉、图片、视频）应用效果的稳定化和成本的大幅下降[25][26] - 成本壁垒：当前多模态应用成本过高形成显著壁垒，例如图片、视频生成因效果不确定需“抽卡”，单次任务成本负担重[26] - 技术迭代速度：图片领域技术迭代速度显著快于文本领域，几乎每几个月就有新模型引发热议，未来潜力值得关注[5][27] - 增长预测与规模：孙正义预测到2035年AI将渗透全球5%的GDP，形成每年9万亿美元市场，倒推未来数年推理算力需求可能保持每年十倍以上高速增长[27] - 中小企业突破口：中小企业应聚焦垂类场景与边缘侧算力服务，例如为医院、工厂提供本地化部署的软硬件一体化方案，或融入垂类应用生态[28] - 对行业的影响与成本趋势：AI普及需成本实现一个数量级下降，每百万Token价格需再降低10倍以上，预计未来半年至一年具备较高可行性，行业价格每6-12个月可能腰斩[29] 算力、算法、数据协同与未来展望 - 2025年关键里程碑事件： - 模型领域：DeepSeek的爆火重塑了大众与行业对AI的认知，推动AI从行业层面向全民应用普及，其开源也凸显了AI Infra软件的核心价值[31][32] - 算力领域：国内华为、阿里、百度、曙光等企业推出国产化超节点方案，逐步追平国际水平，结合浸没式液冷等技术有望实现反超[34] - 数据领域：小米、阿里等大厂入局AI眼镜，这类低功耗可全天佩戴的设备能实时抓取物理世界数据，将极大加速世界模型的训练进程[34] - Token消耗增长预测：若AI眼镜等产品在未来两三年内实现数亿副普及，每人日均Token消耗量有望从当前约1万提升至十万甚至几十万量级，整体Token消耗规模或将实现百倍乃至更高倍数增长[5][35] - 2025年总结：国内AI从训练走向推理趋势明显，MaaS市场进展迅速，可总结为“推理”之年[35][36] - 2026年展望：关键词为“国产”与“液冷”，预计更多大厂及央国企将加速转向国产芯片，同时为满足新建智算中心PUE低于1.3的要求，液冷技术将迎来爆发[36][37]