AI 越聪明，算力反而越不够用。不少人在用 Kimi 执行任务时，系统常提示忙不过来，甚至升级会员后，VIP 通道也变成预约排队。
Jimmy K3 的横空出世让市场反馈大好，却导致算力紧缺。这不是行业第一次因效率模型提升引发算力紧张，去年 DeepSeek V2 问世时，市场以为 AI 将迎来降本时代，没过多久算力照样全线告急。
算力需求的爆发源于两条指数曲线。国家数据局今年 3 月数据显示，中国日均 token 调用量已突破 140 万亿，较 2024 年初的 1000 亿，2 年涨了 1000 多倍；仅 2025 年底到 2026 年 3 月这 3 个月，又涨了四成以上。
同时，单次计算量也在指数增长，过去是人问一句 AI 答一句，现在智能体需要反复对话几十上百次，甚至执行代码操作，从单次问答变成完整工作流。
这使得模型看似只回答一句话，背后算力账单却翻着跟头涨。英伟达 CEO 黄仁勋判断，未来推理算力需求将暴增十亿倍，在统计计算全面转向 AI 之前，算力过剩概率几乎为零。
平移到 AI 领域，优质模型变便宜后，开发者和企业会部署更多应用、处理更多 token，最终算力消耗反而上升。
微软 CEO 纳德拉也认为，AI 普及提效会带来使用量飙升，技术省下来的算力，最终会转化为更庞大的调用次数，这就是越算越缺的真相。
需求猛增，供给端却难以跟上。硬件方面，芯片、存储等原材料成紧俏货，部分产能排期已到 2 年后。
电力方面，高盛统计美国数据中心用电需求从 2025 年的 31 吉瓦涨到 2026 年的 41 吉瓦，2027 年将冲至 95 吉瓦，2 年翻番，而建变电站、并网需要 3-5 年周期，远慢于 AI 模型几个月一次的迭代速度。
商业博弈层面，Anthropic CEO 指出，行业砸钱建算力赌的是需求爆发时间点，若收入预测偏差 1 年，或赚钱速度不及预期，几十亿建的数据中心会从印钞机变吸血鬼，因此大厂不敢过度扩产，只能边试探边挤牙膏。
面对算力短缺，行业积极破局。模型瘦身方面，工程师通过混合专家模型、知识蒸馏、量化技术等方式，在保持智能的同时降低算力消耗，比如量化技术可将模型体积压缩至 1/4。
算电协同方面，将数据中心建在风电光伏丰富地区，阿里云、华为云已验证跨省调度可行性；微软、谷歌等巨头找电买发电机、签核电站长约，甚至探讨太空数据中心。
算力短缺是行业常态。历史上每类颠覆性基础设施早期都经历过类似阶段，电力普及初期电网跟不上，互联网兴起时宽带不足，但这些窘迫并未阻止它们成为必需品。
AI 也一样，技术走进千家万户前，必然有一段难熬的追赶期，这正是它即将改变世界的信号。
热门跟贴