AI基建开启“拼效率”新阶段

长期以来，AI基础设施的能力多以算力规模、芯片数量为核心衡量标准。在词元经济时代，研发焦点正全面转向提高单位瓦特下的词元产出率，行业赛道标尺从“拼算力”转为“拼效率”。

算力发展硕果累累，“效率”成为新阶段关键词

中国信息通信研究院认为，AI基础设施是以算力要素能力、数据要素能力、算法要素能力构成的基础能力平台为底座，以应用开放平台等为主要载体，以赋能制造、医疗、交通等重点行业和领域智能化转型为目标，为实现壮大智能经济、构建智能社会的专有服务设施能力体系。

其中，算力扮演重要角色。算力即大型语言模型（LLM）进行词元（Token）处理、数学运算和生成预测所依赖的计算能力。

据国际半导体产业协会预测，2026年全球AI基础设施支出将达到4500亿美元，其中推理算力占比首次超过70%，拉动了图形处理器（GPU）、高带宽内存（HBM）及高速网络芯片的强劲需求。

近年来，我国算力产业蓬勃发展并取得显著突破。截至2026年6月底，全国智能算力规模同比增长177%，达到每秒可执行2185百亿亿次浮点运算。7月，位于郑州的国家超算互联网核心节点，采用首个全国产10万卡算力集群，为新材料、创新药等26个领域提供融合算力支持。

迈向词元经济时代，“效率”成为发展关键词，行业赛道标尺从“拼算力”转为“拼效率”。

趋境科技指出，行业发展初期，产业更多关注基础资源能力，聚焦算力供给规模、模型接入数量等。但当AI深度融入核心生产链路，行业需求已然跳出了单纯堆砌算力资源、叠加模型数量的建设思路，行业真正需要的是能够长期、稳定、高效支撑业务落地的高品质AI Token服务能力。

这意味着，A I 基础设施的核心价值正在从“算力供给总量”转向“高品质AI Token产能供给”。

中科曙光（603019.SH）认为，全球算力基础设施产业链的研发焦点，正全面转向提高单位瓦特下的词元产出率。支撑海量并发推理任务的高密度算力集群、支持海量数据吞吐和读写能力的高性能存储、缩短AI服务落地周期的AI训推一体机，成为头部算力基础设施厂商的集中发力方向。

提效“剧场”开幕，花式合作正酣

现阶段，一批上市公司已迈入“拼效率”的新舞台。

中科曙光拟投资25亿元用于下一代高性能AI训推一体机项目。该项目通过自主研发“芯片+算法+整机”全栈方案，可打通国产AI硬件与上层应用的协同链路，推动形成“芯片—整机—场景”的产业闭环，有助于提升AI算力应用效率。

浪潮信息（000977.SZ）通过对算法、算力、数据、互联等方面进行全局优化，打造词元生成速度更快、成本更低的AI算力系统，为数字经济的高质量发展提供核心支撑，加速“人工智能+”落地千行百业。

浪潮信息发布的“源”Yuan3.0 Flash多模态基础大模型，创新性地提出和采用了强化学习训练方法（RAPO），通过反思抑制奖励机制（RIRM），从训练层面引导模型减少无效反思，在提升推理准确性的同时，大幅压缩了推理过程的词元消耗，显著降低算力成本。

摩尔线程（688795.SH）在原有“AI工厂”的基础上，进一步提出并构建“三个工厂”能力体系，即模型训练工厂、词元生产工厂、智能体生产工厂。其中词元生产工厂通过更低推理延迟提供更高质量的词元服务，通过更高系统吞吐提升算力利用效率，持续降低单位词元成本。

通过“三个工厂”能力建设，摩尔线程将从底层GPU算力、集群互联、基础软件到行业应用场景形成更加完整的AI基础设施闭环。

文远知行（00800.HK）推出物理人工智能认知基础大模型WeRide WITT。相较于动辄数以千亿级参数的通用人工智能模型，WeRideWITT在同类任务中可节省多达98%的词元成本，使得单片GPU单日可处理多达1万分钟车辆运行视频，最高实现200倍数据处理效率提升。

与此同时，一批公司官宣战略合作。

亚信安全（688225.SH）与中国移动研究院联合发布AI原生RAN基站，以“一体设施+智能编排”拓展RAN能力边界，助力网络能力升级。

该产品基于中国移动智能协作无线接入网（CIS-RAN）架构和通算智融合技术体系全新打造，可实现基站算力动态共享、内生边缘大模型服务、无线网络内生智能。其通过一体化供给通信、感知、算力与AI能力，助力通信运营商进一步增强5G网络架构。

网宿科技（300017.SZ）与趋境科技签署战略合作协议，双方将从算力资源到网络、推理以及调度进行全链路优化，旨在提升算力转化为有效词元的效率，提升企业级AI推理服务品质。

此外，网宿科技还与深度动力联合发布“绿电—电网—芯片—算力—Token”全链路效率优化解决方案。该方案以网宿科技边缘AI网关和深度动力AI自适应电力与算力协同调度系统为核心，打通从绿色电力供给到词元产出的关键环节，持续提升生产力，让每一度绿电产出更多词元。

从预期效果来看，方案落地后将作用于模型客户、智算资产方和能源系统多个层面。面向大模型客户与AI Agent，推理成本预计最多可降低30%，模型接入周期缩短至天级；面向智算资产方，GPU利用率可提升至70%以上，成熟期有望达到85%以上；面向能源系统，绿电消纳率有望达到80%以上，电源使用效率（PUE）低至1. 2以下，综合用电成本进一步下降。