在今日举行的第二十六届“中国国际贸易投资洽谈会”上，愉悦资本创始及执行合伙人刘二海出席“两岸集成电路产业”交流活动，并进行了《算力基础设施：AI产业发展的制高点》的主题分享。刘二海分析了算力基础设施正在发生的四个变化，中国亦将在未来两年迎来算力基础设施建设的浪潮。
以下为演讲实录。
感谢主办方的邀请。今天我分享的题目是《算力基础设施：AI产业发展的制高点》，主要是我们对四个方面的观察和判断。
观察一，制高点的三次转移
判定模型的核心指标已经从最早的模型能力发展到单位智能成本，现阶段则是算力基础设施。具体而言，就是从比较谁的模型分数最高，到分数差异收敛到10分以内就看性价比，再到现在由电、内存、光互联、封装及机架效率等等组成的系统力量。
成为社会基础设施要具备四个条件：安全性、普遍性、可靠性和经济性。模型成为基础设施的前提是：能以基础设施的价格供应算力。今天，决定算力价格的不再是 GPU 单价，而是整条链上最慢的那一环。
OpenAI刚刚发布的GPT-6 Astra、Anthropic的Claude fable 5.1以及其他排名前十的领先模型，它们之间性能差距的分值已经缩小到10分以内。当能力差异不显著时，性价比就变得很关键，甚至还有观点认为，不仅要比token价格，还应该比较完成每个任务使用的token是多少。
英伟达最新一季财报及对下季财报的指引都体现了高速增长，这使得英伟达股票当日上涨8.7%，这是英伟达在市值达到5万亿美元之后，第一次获得如此之大的涨幅。算力成为收入，算力成为了社会基础设施。
观察二，推理正成为AI算力的主要增长点
谷歌月处理 token量从2025年5月份的480万亿，历经一年涨了近8倍，在2026年5月份达到3,200 万亿。IDC数据显示，当下算力需求里有60%来自推理。在这个过程中，agent和代码生成这类对速度要求更高的推理需求，离线分析、合成数据这类对数据规模要求更高的推理需求都在快速发展。
进一步，推理芯片大量涌现。微软的Maia 200、OpenAI 和博通合作自研的 Jalapeño、英伟达收购Groq发布新的LPU。自研专用芯片的适用性非常好，而通用芯片则能在更多场景使用，这两种路线都在快速发展。芯片的设计哲学从原来的堆算力，变成了内存以及数据的搬移非常重要。
推理芯片得以高速发展，除了coding成了最重要的应用，产业界也有Saleforce的例子。“AI吃掉软件”的说法导致今年年初，整个软件行业跌掉了30-40%的市值，而Saleforce在8月27日最新财报中发布的销售数据，使得股价大涨22.6%，这让行业有了新的看法——软件公司也可以利用AI为自己的客户提供AI服务。这个方向也促使了推理的大幅增加。
观察三，算力基础设施成为AI发展的瓶颈
算力基础设施是制高点，同时也是瓶颈。把AI产业链从上到下分为四层：应用与企业需求、模型层、算力基础设施AIDC和上游器件。当需求端打开后，芯片逐渐不再是瓶颈，物理世界的限制就凸显出来。
以电力为例，数据中心建立过程中，电力部分能不能顺利安装进去、运营起来成为关键指标。Bloom Energy主要是提供燃气用化学方法进行发电，从去年7月到今年，股价上涨10倍，即将纳入标普500成为成分股。再有，机架内部不是单个GPU、CPU的问题，而是需要形成一个体系，这就会出现光连接的制约、内存的制约，这些都是来自物理世界的制约，市场也给这些股票更高的定价。
这些“来自物理世界”的制约提升了厂商的采购成本，但由于终端需求的快速增加，厂商依旧有很高的产出，导致算力成本的增加并没有成为算力发展的制约。CoreWave体现了这样的情景：手握大量订单，但必须有产能兑现这些订单，才能实现收入、获得利润。于是，我们看到发债成为头部AI厂商的密集动作。
观察四，中国将迎来算力基础设施建设热潮，机会与卡点并存
中国将迎来算力基础设施的建设浪潮，这个过程比美国大约晚了两年的时间。中国算力基础设施的瓶颈不在电力。过去1-2年间，中国芯片产业有了非常大的发展，A股也产生了数家市值达到数千亿规模的公司。国产芯片的卡点已经不是能不能做出来，而是是否可以在 2027 到 2028 之间拿到产能。
最后做一个总结：算力基础设施是AI发展的制高点，推理变得越来越重要，算力是制高点也是瓶颈，未来两年中国将迎来算力基础设施建设的浪潮。
谢谢大家！
