中经记者秦枭北京报道

　　寒武纪（688256.SH）于2025年6月4日晚间提交的49.8亿元定增申请已获上交所受理，这是其上市五年以来金额最大的一次再融资，也是继2022年定增后的又一次资本运作。此次募资将重点投向面向大模型的推理芯片及软件平台研发。随着AI技术革新，从OpenAI推出O1推理模型，到各大公司跟进上线依赖推理能力的功能，再到各类推理模型的面市，AI应用的核心战场正从模型训练转向推理实践。据Gartner预测，到2028年，全球推理算力需求与训练算力需求之比将达3∶1，中国市场这一差距甚至会突破4∶1。

　　多位业内人士在接受《中国经营报》记者采访时表示，推理能力作为衡量AI模型能否准确理解和响应现实世界复杂情境的关键指标，正逐渐成为衡量AI应用成功与否的重要因素。在此背景下，传统的以GPU为核心的算力架构面临挑战。GPU在模型训练阶段发挥不可替代的作用，但在推理阶段，其高昂的成本和能耗比成为制约AI应用广泛普及的瓶颈。因此，业界开始积极寻找能够替代或补充GPU算力解决方案，如FPGA、ASIC等专用芯片，以及更加高效的算法和模型优化技术。

　　推理能力将主导未来

　　在人工智能的发展过程中，训练阶段一直是构建强大模型的基石。然而，随着AI技术的日益成熟与广泛应用，一个新的趋势正逐渐显现——AI推理能力正迈向舞台中央，成为未来AI发展的主导力量。

　　华为辽宁产业发展与生态部总经理黄涛对记者表示：“长期使用算力是动态的过程，随着人工智能产业的发展，拥抱人工智能的企业越来越多，使用训练的越来越多，2022年、2023年算力使用的主要群体从高校与科研机构向ISV（AI解决方案提供商）转变。2023年~2024年，尤其是自Deepseek面市以来，大部分需求都在用推理，而且这个推理需求不仅限于ISV，其最终客户也有大量推理需求。”

　　Gartner的预测也清晰地展现了这一趋势。从Gartner的相关数据图表来看，推理应用在未来呈现出快速上升的态势，而训练应用在2024年~2027年期间基本保持稳定且仅有小幅上涨，到2027年之后甚至会出现一定程度的下降。

　　Gartner高级研究总监曾劭清分析指出，基础模型提供商的数量会逐渐稳定，他们虽需持续使用算力对模型进行更新或升级训练，但增长幅度有限。此外，企业大多只是基于基础模型进行数据微调，不会占用过多训练算力。反观推理应用，由于在线应用服务与网络结构紧密相关，推理应用对算力的需求不断攀升。

　　而从市场需求的角度来看，AI应用已广泛渗透到社会生活的各个角落。无论是智能手机中的语音助手，还是自动驾驶汽车，抑或是智能客服系统，这些应用场景的共性在于，它们绝大多数依赖于模型推理而非训练。据麦肯锡预测，到2025年，推理将占AI总算力消耗的80%以上。

　　“从预训练阶段转到推理阶段，我们也看到了同样的趋势。”Akamai亚太区云计算专家团队负责人李文涛对记者表示，“行业研究预测，未来客户在AI推理方面的投入将比训练投入高出10倍之多。”

　　芯片需求已变

　　Gartner把AI芯片分为两类：一类是GPU，英伟达大概占84%的份额，AMD大概占6%的份额；另一类是非GPU的AI加速器，如华为的昇腾910，海光信息、寒武纪等。随着AI从训练向推理的重心转移，芯片需求也发生了变化，GPU不再是满足所有AI需求的唯一选择。曾劭清表示：“大概到2027年左右，支持AI推理应用的芯片中，AI加速器的数量会超越GPU的出货量。”

　　实际上，长期以来，GPU凭借其强大的并行处理能力，在训练和运行大AI模型方面占据主导地位。但在AI推理场景中，尤其是在对功耗和成本敏感的领域，GPU的局限性逐渐显现。高昂的价格使得许多企业在大规模部署推理应用时面临成本压力。而随着从训练向推理的转移，GPU的利用率也在降低。曾劭清直言：“在顶级的公有云提供商里面，用GPU去支持AI推理应用及训练应用的话，GPU的有效利用率基本上在70%左右，而其他企业的利用率就更低了。而AI加速器则能显著地提高利用率。”

　　其中，微软、谷歌等企业正加速自研ASIC芯片，以降低对GPU的依赖。与此同时，国内的AI芯片正以差异化技术路线实现突围。日前，华为推出了AI算力集群解决方案CloudMatrix 384，其性能接近英伟达系统的两倍。英伟达首席执行官黄仁勋承认，华为正在研发的人工智能芯片和集群系统性能水平已与英伟达的高端产品不相上下。

　　值得注意的是，除头部厂商外，众多新兴创新公司也纷纷投身AI加速器的研发中，国内诸如摩尔线程、壁仞科技、寒武纪等企业，在AI推理芯片领域积极布局，与传统巨头形成竞争之势。

（文章来源：中国经营网）