算力双轮驱动：从训练到推理重塑云计算产业新格局

　　近期全球资本市场的一系列异动，持续印证着人工智能算力需求的爆发式热度。甲骨文财报发布后股价大幅攀升，顺势带动英伟达等上游算力芯片企业股价走高;AI 专用集成电路领军企业博通斩获 100 亿美元定制芯片大单，消息公布后股价应声上扬。这些市场信号清晰揭示，海外算力产业链正维持高景气度，全球科技巨头在未来较长周期内，将持续加码数据中心等基础设施投资，以承接不断激增的云计算与智能服务需求。

　　在人工智能产业链的演进进程中，硬件基础设施率先开启大规模投入。而 AI 对算力的需求，核心聚焦于模型训练与推理应用两大关键环节。这两大环节如同支撑 AI 产业运转的 “双引擎”，前者奠定技术根基，后者实现价值转化，二者共同推动算力从云计算产业的 “可选项”，升级为驱动行业发展的核心生产力要素，彻底改写云计算的产业逻辑。

　　模型训练环节呈现出项目制、阶段性集中爆发的鲜明特征。大模型参数规模每提升一个数量级，所需算力往往会呈现百倍级的指数级增长。以万亿级参数大模型的全流程训练为例，AWS 位于美国俄勒冈的超级算力集群单集群算力需达 25 EFLOPS 才能支撑相关工作。不过这种高强度算力需求具有临时性，一旦模型训练完成并趋于稳定，集中性算力投入便会显著回落。这一阶段的算力投入更像是为 AI 产业筑牢技术地基的阶段性攻坚，是各类复杂模型走向成熟的必要前提。

　　与训练环节的阶段性不同，推理市场构成了规模庞大且需求持续的核心增量市场。当 AI 模型投入实际生产场景后，每一次用户交互、每一份内容生成、每一条代码建议，都离不开实时算力的支撑。生成式 AI 催生的智能客服、自动驾驶、增强搜索等高并发场景，更对云服务的弹性伸缩、低延迟响应能力提出了严苛要求，直接推动云资源使用规模持续扩大。2025 年全球云厂商 AI 算力规模已达 273 EFLOPS，同比增长 62%，这一迅猛增速背后，推理场景的持续需求正是核心驱动力之一。

　　面对训练与推理的双重算力需求，全球科技巨头纷纷展开算力布局，形成了自建与合作并行的 “两条腿走路” 策略。海外方面，AWS 在全球 32 个区域部署 99 个可用区，微软联合英伟达打造搭载超 4.5 万块 H100 GPU 的 Azure AI 超级计算机，谷歌则聚焦 TPU 集群建设，其最新一代 TPU v5e 集群算力密度较前代提升 2 倍。国内厂商则深度绑定 “东数西算” 工程，阿里云在内蒙古、宁夏布局的两大超算集群合计算力达 45 EFLOPS，腾讯云贵州贵安数据中心集群服务器超 10 万台，华为云在甘肃落地的昇腾 AI 算力中心首期算力便达 16 EFLOPS。

　　巨头们的算力投入热情，在财报数据中体现得淋漓尽致。2025 年第三季度，亚马逊、微软、谷歌、Meta 四大云巨头合计资本开支接近 1200 亿美元，同比增速普遍超 50%。其中谷歌第二季度云收入同比增长 32%，资本开支升至 224.46 亿美元;微软 Azure 云业务增长 33%，AI 服务直接贡献 16 个百分点的增长;亚马逊更是计划 2025 年投入超 1000 亿美元用于 AI 与云业务扩张。与此同时，海内外头部云厂商还加速自研芯片量产落地，谷歌 TPU v5e、亚马逊 Graviton4、华为昇腾 910B 等芯片规模化商用，既提升了算力效率，也降低了成本，形成 “算力扩容 + 芯片自主” 的双轮驱动格局。

　　从训练到推理的全链条算力需求，不仅推动云计算产业规模持续扩张，更倒逼行业从传统资源租赁向算力基建与技术创新并重的方向转型。随着海内外厂商的持续加码与技术迭代，算力将进一步渗透云计算各个环节，推动整个产业迈入高质量发展的全新阶段。