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）