为什么全球AI的算力需求，突然像雪崩一样爆发？

过去两年，好像全世界都在疯狂地建数据中心、买显卡、囤算力。你有没有想过，这股需求到底是从哪儿冒出来的？今天就把它拆开看。

第一个推动力，是"百模大战"。各家公司都在训练自己的大模型，训练一个模型，要喂海量数据、跑上千次实验，每一次都是巨大的算力消耗。模型越做越大，算力需求就跟着指数级往上翻。科技巨头和创业公司一拥而上，高性能芯片、智算中心的需求一下就爆了。

第二个推动力，可能比训练还猛，那就是"用的人越来越多"。大模型不能只训练完放着，要上线给亿万人用。用户每一次提问、每一次生成，后台都在真金白银地烧算力。截至今年3月，咱们国内每天的Token调用量已经突破140万亿，比去年同期翻了好几倍，到年中又涨了一大截。调用量涨成这样，算力消耗自然水涨船高，这已经不是训练的事，是海量普通人日常使用撑起来的。

第三个推动力，是单台设备自己"越吃越多"。以前一台服务器机柜，功率大概几千瓦；现在AI智算的机柜，直接飙到一百千瓦往上，未来还可能冲到一千千瓦，单颗芯片的功率就上千瓦。也就是说，同样一台设备，它自己吃掉的电和算力资源，是以前的好几十倍。

第四个，也是最硬的约束，是电力。Gartner预计今年全球数据中心的用电量会达到565太瓦时，比去年还涨26%；国际能源署更判断，到2030年全球数据中心用电量会比现在翻一番。算力要扩张，先说清楚电从哪来，这已经成了比显卡更先卡脖子的问题。

所以把这几条串起来，你就能看懂这场算力爆发不是某一个原因，而是四股力量叠在一起：训练在烧钱、应用在人人都用、单台设备越吃越多、电力成了天花板。需求端爆发、供给端拼了命加码，两头同时踩油门，全球AI的算力需求和它背后的电、芯片、数据中心的争夺，就这么被推到了现在的量级。

最后问你一句，这几年AI在你生活里，最明显"变贵"或者"变频繁"的一次使用是在哪？评论区聊聊。

（数据来源：Gartner、国际能源署、新浪财经。以上为产业与技术公开信息分析，不构成任何投资建议。）
全球AI算力需求增长的原因有哪些作者加速成长计划