AI时代，你提的每一个问题，“龙虾”为你做的每一件事情，都是词元在背后“跑腿”。

　　AI工具每生成一个词元，都需要调用数据中心的算力，并伴随着电力消耗。

　　越来越多人用上AI工具，首先迎来的是词元调用量的激增，同步增长的，还有对算力的消耗。

　　设想一下：如果你正在使用AI工具，但半天没有收到AI的回复，你会作何感受？

　　当我们看到新闻中不断传出消息，词元调用量又增加了多少，相信不少人跟笔者有一样的担忧：照这个速度发展下去，我们的算力还够用吗？

　　就像高速公路上的车流量——车多了，道路会拥堵。词元调用量大了，算力也会面临压力。

　　最近，云厂商密集提价，纷纷调高AI算力租赁价格。背后的原因很明显——需求激增，供给偏紧，价格跟着上涨。

　　市场对GPU算力的需求持续强劲。市面上，有GPU芯片的租赁价格自2025年10月的每小时1.7美元上涨至今年3月的每小时2.35美元，涨幅近40%。

　　算力的需求曲线突然陡峭起来，算力供给还没来得及完全跟上。更聪明的AI智能体模型能执行更复杂的任务，但对算力的消耗量明显增大，如果算力不够，一个问题丢进去半天没有响应，一切体验都是空谈。

　　既然这样，如何破解？

　　其实，市场也已经在给出回应了。

　　先说开源。

　　以前，我们用的GPU芯片，许多依赖进口，也就是说，我们算力的“命门”掌握在别人手中。而现在，华为昇腾910B等国产AI芯片逐步量产，且产能不断提升，算力硬件供给走向多元化，避免了对单一外资芯片的过度依赖。

　　从这一点上看，因为硬件导致算力短缺的可能性正在慢慢降低。

　　不仅是硬件在不断突破，数据中心REITs等金融创新正在将算力资产证券化，吸引更多资本进入算力建设领域，也就是说，未来将有越来越多的算力设施能为大家服务。

　　说完开源，再看节流。

　　提升词元的转化效率，其实也是提高算力的使用效率，也是从另一个角度扩容算力“池子”。

　　最近，就有人提出，要构建更高效、标准化的“词元工厂”，提供持续稳定、规模化的词元服务，让顶尖模型能力高效赋能海量下游场景，尽可能提升每一个词元的转化效率，让算力“花得值”。

　　近期，也有不少企业加快了高性能算力的创新布局，其中以超节点为代表的架构创新，成为提升算力效率的重要路径。

　　如果再往远一点看，未来，算力设施的智能化水平也会不断提升，算法和算力系统之间的协同配合也会更默契，算力使用将更加高效。

　　算力紧张的确存在，但在笔者看来，这是阶段性的。就像刚开始普及3G的时候，大家感觉手机的流量总是不够用，而现在，大家可以随便刷视频。相信随着技术迭代、产能扩张和商业模式创新，算力的供需关系会逐步走向平衡。

　　而当下，除了关注算力的规模本身，我们也要更多关注如何更高效、更公平地调度和使用算力。