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 。（刘发为）

《人民日报海外版》（2026年04月09日 第 09 版）