AI算力重心转向推理：2027年占比将超70%

在2026年6月25日举行的IDC中国ICT市场趋势论坛上，IDC中国副总裁周震刚指出，到2027年，推理任务将占据智能算力需求的70%以上，边缘基础设施的增长速度将超过核心数据中心。他还预测，全球加速计算服务器市场规模将在2029年突破1万亿美元，年复合增长率超过30%。这一判断标志着AI产业竞争逻辑正在发生根本性转变：企业优势不再单纯依赖峰值算力规模，而在于能否以最低的Token成本将人工智能能力转化为可持续的商业价值。

推理主导：智能算力需求结构的根本性迁移

然而，随着主流大模型架构趋于稳定、开源模型生态成熟，以及企业级AI应用从“技术验证”迈向“规模化部署”，算力消耗重心正快速向推理端倾斜。

推理任务具有高频次、低延迟、分布广的特征，其算力需求与用户活跃度直接挂钩。一旦模型上线服务，每一次用户交互（如搜索、对话、图像生成）都会触发一次或多次推理运算。相较之下，训练属于阶段性、集中式的资源投入。因此，当AI产品进入商业化运营阶段，推理算力的总消耗量自然会迅速超越训练。

IDC预测到2027年推理占比超70%，意味着当前以训练为中心的算力建设范式已不可持续。这将倒逼芯片设计、服务器架构、软件栈优化乃至云服务定价模式全面重构。例如，专为推理优化的低功耗AI芯片（如NPU、TPU变体）可能获得更大市场份额；混合精度计算、模型量化、动态批处理等推理加速技术将成为基础设施标配。

边缘崛起：算力部署从中心化向分布式演进

与推理需求激增同步发生的，是边缘基础设施增速将超过核心数据中心。这一趋势背后有三重驱动力：

其一，实时性要求。自动驾驶、工业质检、AR/VR等场景无法容忍云端往返延迟，必须在终端或近端完成推理。其二，数据合规与隐私。医疗、金融等领域倾向于在本地处理敏感数据，避免上传至公有云。其三，带宽成本。

因此，未来三年，边缘AI服务器、智能网关、车载计算单元等设备将迎来爆发式增长。产业链上游的芯片厂商（如英伟达、AMD、寒武纪、地平线）需调整产品路线图，强化边缘推理芯片的能效比与软件支持；中游的服务器制造商（如浪潮、戴尔、HPE）则需开发模块化、可扩展的边缘机柜方案；下游的电信运营商和云服务商（如中国移动、AWS、Azure）正加速部署边缘节点，构建“云-边-端”协同的算力网络。

值得注意的是，边缘并非完全取代中心云，而是形成分层架构：复杂模型训练与版本迭代仍在中心完成，轻量化模型部署至边缘执行高频推理。这种分工将重塑数据中心资本开支结构——超大规模数据中心建设放缓，而分布式微型数据中心（micro data center）投资加速。

成本效率成为新竞争壁垒：Token经济学驱动商业闭环

周震刚强调，“关键不再是拥有最强的算力，而是如何以最低的Token成本将AI转化为可持续的业务能力”。这一观点揭示了AI产业从“军备竞赛”转向“精益运营”的拐点。

Token成本涵盖模型调用所需的计算资源、电力、网络及软件许可费用。因此，企业开始系统性优化全栈效率：从选择更小但高效的模型（如Mistral、Phi系列），到采用缓存机制减少重复计算，再到利用批处理合并请求以提升GPU利用率。

这一逻辑正在影响资本市场对AI公司的估值框架。具备高效推理引擎和垂直场景优化能力的企业（如提供行业专用AI助手的公司）可能获得更高估值溢价。

同时，云厂商的定价策略也在调整。AWS、阿里云等已推出按Token计费的推理服务，而非传统的按GPU小时收费。这种模式将成本透明化，促使客户主动优化模型使用效率，也倒逼云服务商持续降低底层基础设施成本。

资产配置启示：关注推理芯片、边缘硬件与能效软件

对全球投资者而言，这一结构性转变带来三条明确的投资主线：

第一，推理专用芯片与加速卡。尽管训练芯片仍具战略价值，但推理市场的规模效应和多样化需求将催生更多细分机会。

第二，边缘计算基础设施。电信设备商与IT硬件厂商的跨界合作项目值得跟踪。

第三，AI编译器与推理优化软件。模型压缩、量化、编译工具链（如TensorRT、OpenVINO）虽不直接产生营收，却是降低Token成本的关键使能层。拥有自主软件栈的公司将在长期竞争中建立护城河。

需警惕的是，若全球AI应用落地不及预期，推理需求增长可能放缓，导致边缘投资过热。此外，各国对AI芯片出口管制政策若进一步收紧，可能扰乱供应链，推高硬件成本，抵消部分效率 gains。

综上，IDC的预测不仅是一个技术趋势判断，更是对AI产业价值链重心迁移的确认。未来三年，谁能以更低的Token成本、更快的响应速度、更广的部署覆盖将AI嵌入真实业务流程，谁就将主导下一阶段的市场格局。这一转变对硬件、软件、云服务及终端应用企业均构成深远影响，值得跨市场投资者系统性重估相关资产的长期价值。