算力重构：从模型训练迈向推理主导的新时代.docxVIP

算力重构：从模型训练迈向推理主导的新

算力重构：从模型训练迈向推理主导的新时代

核心观点

核心观点

l算力从训练走向推理，步入增长新周期。当前大模型训练数据量增长放缓、边际效益递减，训练算力逐步转向“精耕细作”。随着大模型能力全面超越人类基准，应用边界持续拓展，叠加推理成本因技术优化出现断崖式下跌，进一步刺激了推理需求爆发，算力结构已开始向推理侧倾斜。展望未来，多模态交互带来推理密度指数级提升，Agent的普及引发推理任务爆发增长，二者将成为推动推理算力非线性爆发的核心引擎，推理算力占比将持续攀升，成为算力增长的主要驱动力。

lAgent时代，底层算力架构与云服务模式迎来重塑。硬件层面，CPU迎来价值重估，逐步从幕后的调度角色转向前台核心承载，成为处理高度分支化任务、承载海量KV-Cache的最优载体，直接推动服务器向多核化、大内存规格迭代升级；与此同时，GPU的性能瓶颈已从算力峰值转向显存带宽。云服务层面，商业模式从传统的资源租赁模式，加速向“MaaS（模型即服务）与Agent编排”的全新范式跃迁；行业竞争核心也从单纯的算力规模比拼，转向工具链生态的综合构建。阿里云、百度云等头部厂商也纷纷开启涨价。云厂商正从基础资源提供商，加速转变为智能体生态的集成商与综合承包商。

l存储架构创新成为新趋势。在推理AI时代，算力中心核心挑战从之前的算力为主逐