Token量井喷导致算力荒，国产算力在推理端加速突围

摘要： 本报告分析了 AI Agent 和多模态应用的爆发如何驱动 Token 调用量剧增，从而引发国内算力资源紧缺（算力荒），并探讨了国产算力芯片在推理端加速替代的机遇。

行业主线：

1. 需求端爆发：Agent 常态化运行（如 OpenClaw 等）和多模态 AI 应用（如字节 Seedance）导致单次交互 Token 消耗量呈数量级增长，驱动算力需求陡峭上升。
2. 供给端受限：国内外出现严重的算力荒，表现为模型涨价、高峰限额、B 端算力租赁价格走高以及消费级显卡缺货。
3. 国产替代逻辑：推理端对综合性能要求低于训练端，国产算力芯片通过与互联网厂商深度合作定制化优化，在推理环节的适配和放量节奏将快于训练端。

关键变化与分歧：

1. Token 消耗量激增：OpenRouter 平台周度 Token 消耗量较一年前提升 7-8 倍，且国产大模型成为主要驱动力。
2. 国产化率提升预期：预计国内 AI 芯片市场国产化率将从当前的 30%~40% 提升至 2030 年的 60%~70%。

受益方向与风险：

1. 受益方向：AI 芯片设计公司、晶圆代工与先进封装、先进存储及相关配套产业链。
2. 核心风险：AI 需求及国产大模型/推理芯片发展不及预期，产业链发展受阻，技术迭代及地缘政治风险。