推理算力“正在耗尽”？百万Token时代来临 产业打响新一轮竞逐

在AI浪潮中，模型参数增长和算力堆叠一度成为竞逐焦点。不过站在当下时点，当生成式AI开启规模化落地，战场已经转向推理：真实场景中海量数据的瞬间调用、百万Token的连续推理、长上下文的高效处理，在提升了算力需求的同时，也重新定义了算力基建的价值链。

在日前的AI基础设施峰会上，英伟达发布了全新Rubin CPX GPU。据官方介绍，这颗芯片专为长上下文推理负载设计，是英伟达首颗专为需要一次性处理大量知识（数百万级别Tokens）并进行AI推理的模型构建的芯片。

英伟达称，这颗芯片可以为客户带来“前所未有的投资回报率”——每部署价值1亿美元的新芯片，将带来50亿美元收入，投资回报率约50倍，远超GB200 NVL72的约10倍回报率。此外，公司宣布GB300 NVL72机架级系统在最新MLPerf推理基准测试中创造了新推理基准记录。

花旗研究指出，在ASIC竞争加剧的环境下，英伟达曾经一年一度的产品发布脚步开始提速，Rubin CPX在产品路线图中“插队”，标志着“推理时代”已经到来。

分析师进一步指出，Rubin CPX的发布和MLPerf新纪录都展现了英伟达在AI基建领域的持续创新能力。随着AI推理需求、特别是长语境推理需求爆发，英伟达的新品组合有望带动收入显著增长。

值得注意的是。本周引发全球市场瞩目的甲骨文，也提到了推理市场需求的爆发。

在业绩会上，公司创始人Larry Ellison明确指出，AI正从根本上改变甲骨文，AI推理市场将“远大于”AI训练市场，而市场上的推理算力正在被耗尽。

虽说甲骨文指数级别的订单爆炸性增长，以及随之而来对OpenAI依赖性的质疑，让其股价在飙升之后连跌两天。但摩根大通也表示，承认甲骨文在获取OCI业务方面取得了“令人印象深刻的成就”，并认可其在AI领域的长期潜力。

▌算力基础设施进入长上下文推理新阶段

实际上拉长时间线就能发现，海内外大厂Token调用量已出现明显加速拐点，推理端算力需求快速增长。

今年5月Google I/O大会的数据显示，Google的Token月均调用量从去年4月的9.7万亿增长至今年4月的480万亿，增长50倍。根据微软三季度电话会数据，Azure AI基础设施在今年一季度处理了超100万亿Token，较去年同期增长5倍，其中3月份单月Token调用量达50万亿。国内互联网大厂来看，今年5月字节火山引擎Token日均调用量为16.4万亿（月均508T），是去年5月的137倍。

过去一年，随着生成式AI进入规模化落地阶段，行业对“长上下文”的需求快速上升。无论是企业级知识库问答、代码生成，还是多模态长视频生成，均需要模型在极大输入序列下保持推理准确性与计算效率。然而，现有GPU在应对超长上下文时普遍存在内存带宽瓶颈与计算冗余，导致算力利用率不足。

东吴证券指出，从产业角度来看，Rubin CPX的推出不仅是英伟达产品线的升级，更意味着海外算力基础设施进入“上下文与生成分工协作”的新阶段。随着百万Token推理与长视频生成成为AI应用的标配需求，硬件和软件的耦合度显著提高，算力产业链的价值量同步上升。无论是GPU、存储、网络，还是配套的高速PCB、光模块与封装工艺，相关厂商都有望深度受益。