算力的下半场，拼的不是更多卡，而是三张效率底牌

很多人对算力行业的印象，还停留在"堆卡"这个词上。

好像谁的GPU多、谁的集群大，谁就是这个行业的赢家。早些年确实如此。训练大模型是头等大事，算力缺口巨大，有卡就是硬道理。你有一万张卡，我只有一千张，那咱们根本不在一个量级上对话。

但WAIC 2026传递出来的信号很明确：那个时代正在翻篇。

雷峰网采访了8位AI Infra公司的决策者，从算力运营商到云服务商，从推理引擎公司到调度平台创业者，背景各不相同，却不约而同地提到了同一个关键词：效率。

行业的下半场，拼的不再是谁的卡多，而是谁的效率高。

而效率这张牌，其实有三层。每一层都是一道门槛，跨过去了就是一片新天地，跨不过去就只能在红海里挣扎。

一、第一张底牌：计算效率

最容易理解的一层，是计算效率。

什么是计算效率？简单说就是，同样一张GPU，你能让它产出多少Token。这有点像汽车的发动机——同样排量的发动机，有的动力强、油耗低，有的就费油又没劲。差别在哪里？在技术。

PPIO创始人兼CEO姚欣有一个五层拆解，很有穿透力。从底层往上数：第一层是能源成本，第二层是调度效率，第三层是模型服务层的推理加速，优化潜力同样高达百分之七八十，第四层是Token的实际用途——用于长上下文Agent应用还是简单问答，两者价值能差出10倍。

推理加速这一层，就是计算效率的核心战场。

清程极智联合创始人师天麾说得很直接：硬件性能并不会自动转化为推理效率。跨芯片、跨模型的适配与优化，需要专业的系统软件来做。芯片再强，如果推理引擎优化跟不上，那就是高射炮打蚊子——有劲使不出来。

趋境科技创始人兼CEO艾智远也有类似的判断。他说，追求把模型列表做得更长并非目标，真正有价值的是对有生产需求的模型做深度优化。因为企业客户最终关心的不是接入了多少模型，而是这些模型能否在实际业务中稳定、低成本、高效率地运行。

计算效率的优化，不是一招鲜的事情，而是系统工程。从算子融合到显存管理，从KV缓存到批处理调度，从模型量化到分布式推理——每一个环节都有优化空间，每一个百分点的提升都来之不易。但积少成多，几十上百个优化点叠加起来，可能就是几倍的性能差距。

这让我想起工业设计中的结构优化。同样的材料、同样的工艺，不同的结构设计，产品的强度、重量、成本可能天差地别。一个优秀的结构工程师，能在保证性能的前提下，把重量减30%、成本降20%。靠的是什么？靠的是对材料力学的深刻理解，对每个受力点的精确计算，对工艺边界的精准把握。

计算效率的优化也是同样的道理。不是简单地"让代码跑快点"，而是深入理解硬件架构、模型结构、计算模式，在每一个层面找到最优解。这是硬功夫，没有捷径可走。

创品的"专业力"说的就是这件事。专业不是喊口号喊出来的，是在一个领域深耕多年、把每一个细节都琢磨透了之后自然形成的能力。做设计如此，做算力基础设施也是如此。

二、第二张底牌：资源效率

如果说计算效率是"让每一张卡跑得更快"，那资源效率就是"让每一张卡都跑起来"。

这个问题有多大？九章云极的陈庶给出了一个数字——行业平均利用率不足30%。

30%是什么概念？就是你买了100张卡，真正在干活的只有30张，剩下70张要么在闲置、要么在等待、要么在做无意义的空转。大量的算力投入没有被有效转化，真金白银就这么浪费了。

为什么会这样？原因很多。

有的是因为需求波动大。白天高峰期算力不够用，晚上低谷期又大量闲置。潮汐效应明显，峰谷差可能有好几倍。

有的是因为资源碎片化。不同的任务需要不同型号的GPU，有的任务占显存大、有的占显存小，分配不均匀，结果就是到处都是"边角料"算力，用不上也放不下。

有的是因为调度效率低。任务排队、资源抢占、数据搬运——这些非计算时间消耗了大量的算力资源，真正用于计算的时间反而不多。

所以资源效率的优化，核心就是解决这些问题。

共绩科技创始人兼CEO付智的思路很有代表性。他们做的是"电网式算力调度"，一端连接不同的算力供给——IDC、企业园区闲置算力、网吧GPU、车载算力，另一端连接各种需求——模型训练、推理、Agent，进行跨区域、跨集群调度。

这个思路很有意思。电网的逻辑是什么？是把分散的、波动的电力供给，和分散的、波动的电力需求，通过一个智能调度网络匹配起来，让每一度电都去到它最该去的地方。算力调度也是一样的逻辑——把分散的、异构的算力资源，通过智能调度匹配到最合适的任务上，实现整体利用率的最大化。

陈庶说得更具体：算力治理能力是三层竞争的第一层。能不能让算力资源被充分调度、不被闲置，谁先把这部分效率释放出来，谁就有成本优势。

从工业设计的角度看，这和产品设计中的"空间利用率"问题异曲同工。做一台冰箱，内部空间就那么大，怎么布局搁架、怎么设计抽屉、怎么安排不同温区，才能让用户放得东西最多、拿取最方便？这就是空间利用率的问题。优秀的设计和普通的设计，相同容积下的实际可用空间可能差20%以上。

算力的资源效率也是这个道理。同样的100张卡，调度系统做得好，利用率能到70%、80%；做得不好，可能只有20%、30%。差出来的那几十张卡的产能，全都是纯利润。

创品讲"成本维"，说的不只是采购成本，更是全生命周期的使用成本和运营成本。一个产品如果用起来效率低、浪费大，即使买的时候便宜，从长期看反而是贵的。算力基础设施也一样，初始投资只是一方面，运营效率才是决定长期成本的关键。

三、第三张底牌：能源效率

最底层、也最容易被忽略的一层，是能源效率。

为什么能源效率重要？因为电是算力最大的成本项之一。一个万卡级的算力集群，一年的电费可能是几亿甚至十几亿。电价差几分钱，算下来都是天文数字。

姚欣的拆解里，第一层就是能源成本。他说，中国东西部电价相差近三倍，算力中心的选址直接决定成本基线。三倍——这个数字很惊人，但想想也合理。东部经济发达、人口密集、电价高；西部新能源丰富、用电需求低、电价便宜。把算力中心建在西部，电费成本可能只是东部的三分之一。

但事情没有这么简单。西部电价便宜，可是离用户远，网络延迟高；东部离用户近，但是电价贵。这中间就有一个权衡——你的业务对延迟敏感吗？如果是训练任务，对延迟不敏感，放西部就很划算；如果是推理服务，特别是实时交互的推理服务，延迟很重要，那可能就需要在东部部署。

而且能源效率不只是电价问题，还有PUE（电源使用效率）的问题。PUE是数据中心总能耗与IT设备能耗的比值，越接近1越好。同样的计算负载，PUE 1.1的数据中心比PUE 1.5的数据中心，能省将近三分之一的电。

还有一个更前沿的方向：算力与电网的协同。付智提到，算力任务如何与能源条件进行匹配，会越来越影响最终的Token成本。什么意思？就是让算力任务跟着电价走——电价低的时候多算，电价高的时候少算；新能源出力多的时候多算，火电比例高的时候少算。

这和产品设计中的"能效设计"是一个道理。做家电设计的时候，能效等级是一个核心指标。一级能效和三级能效的产品，用户使用十年下来，电费差可能比产品本身的价格还高。所以优秀的设计，不只是让产品功能强、外观美，还要让它足够省电，为用户创造长期价值。

创品的五维评估里虽然没有单独列"能效维"，但成本维和量产维里其实都包含了能源效率的考量。一个产品如果能耗高，不仅增加用户的使用成本，也增加生产制造的难度和成本。能效设计，是设计专业力的重要组成部分。

四、三张底牌的化学反应

计算效率、资源效率、能源效率——这三张牌，单独拿出来每张都有价值，但真正的威力在于三者叠加的化学反应。

我们可以算一笔账。假设你有100张GPU，初始状态下计算效率是行业平均水平，资源利用率是30%，能源成本是东部工业电价。

现在，你通过推理引擎优化，把计算效率提升了50%——同样的时间能产出1.5倍的Token。这是第一层增益。

然后，你通过智能调度，把资源利用率从30%提升到60%——相当于可用的卡从30张变成了60张。这是第二层增益。

再然后，你把算力中心从东部迁到西部，电价降到原来的三分之一——每度电的成本只剩三分之一。这是第三层增益。

三层叠加之后呢？产出变成了原来的1.5乘以2，也就是3倍；成本变成了原来的三分之一。两者一除，单位Token的成本就变成了原来的九分之一。

九倍的差距——这就是为什么陈健说，头部玩家和中小玩家的Token吞吐能拉开10倍差距。不是某一项技术强了10倍，而是多层优化叠加之后，整体效率差出了数量级。

这就是系统的力量。也是为什么行业的竞争正在从单点性能走向系统能力。

博大数据董事长余武旺的观察很到位。他说，AI基础设施正在进入系统级竞争的新阶段。大家关注的不再只是单张芯片性能，而是如何通过高速互联、系统集成和软硬协同，让更多GPU高效协同工作。

从工业设计的视角看，这完全符合产品系统设计的基本规律。一个产品的整体性能，从来不等于各个零件性能的简单相加。系统的协同方式、接口设计、资源分配，往往比单个零件的性能更能决定整体表现。

创品做整案设计的时候，始终强调系统思维。不是冰箱归冰箱、洗衣机归洗衣机各做各的，而是从用户的整体生活动线出发，把每个产品放到系统中去定位、去设计。只有这样，才能做出1加1大于2的效果。

AI Infra也是一样。GPU数量只是基础，真正决定竞争力的，是这些GPU能不能高效协同、能不能被充分利用、能不能以最低的能源成本稳定产出。系统能力，才是真正的护城河。

五、效率时代的生存法则

既然效率成了下半场的核心命题，那不同的玩家该如何应对？

答案取决于你在哪一层、有什么牌。

对于有重资产和大规模集群的头部算力服务商来说，关键是把三张效率底牌全部打好。计算效率要跟上，资源效率要拉满，能源效率要优化。只有三层都做到极致，才能把规模优势真正转化为成本优势，形成别人追不上的壁垒。这就像头部制造企业，规模大只是表面，真正的竞争力是大规模之下仍然能保持高效率和低成本。

对于专注于推理优化的软件层公司来说，关键是把计算效率做到极致。你不需要有自己的算力中心，但你的优化技术必须是行业顶尖的。你的优化效果越好，就越容易获得头部算力服务商的合作机会，也就越能在生态中占据不可替代的位置。这有点像设计公司——不需要有自己的工厂，但设计能力必须过硬，才能和最好的制造商合作。

对于做调度平台和算力整合的公司来说，关键是资源效率。你的价值在于把分散的算力聚沙成塔，让闲置资源活起来，让算力供需实现最优匹配。这个方向的核心是平台能力和网络效应——接入的供给越多、需求越多，调度效率就越高，平台价值就越大。

对于中小玩家来说，现实可能比较残酷。10倍的效率差距摆在那里，正面硬刚是没有胜算的。但也不是没有机会。陈健也说了，中小型玩家体量小、决策灵活，可以承接定制化零散小单。关键是找到细分赛道，做深做透，在特定场景里建立自己的优势。

不管是哪一类玩家，有一点是共同的：必须有自己的核心效率优势。没有优势，就没有生存空间。

这和设计行业的格局也很像。大型综合设计公司靠全流程能力取胜，精品设计工作室靠特定领域的深度取胜，独立设计师靠个人风格和创意取胜。每种路径都有成功的可能，但前提是你必须在你选的那条路上做到足够好。

创品选择的路径，是"四力五维"的综合路线——不只是做外观设计，而是从创新力、专业力、控制力、保障力四个维度构建能力，从好看、专利、合规、成本、量产五个维度评估设计。因为我们相信，在越来越成熟的市场里，综合实力才是最可靠的竞争力。

六、效率不是终点

最后想说的是，效率很重要，但效率不是终点。

效率解决的是"同样的投入能产出多少"的问题，这是行业从粗放走向精细的必经之路。但效率之上，还有价值的问题——这些产出的Token，是不是用户真正需要的？能不能转化为真实的商业价值？

师天麾有一句话说得很好：竞争的关键不是谁拥有最多算力，而是谁能让单位算力、单位能耗和单位成本产生更多真正有用的Token。

"真正有用"这四个字，分量很重。Token不是越多越好，而是越有价值越好。一个Agent任务，如果消耗了大量Token但完成得一塌糊涂，那效率再高也没有意义。最终的衡量标准，还是任务能不能完成、用户愿不愿意付费、商业价值能不能兑现。

所以效率是基础，价值才是方向。先把效率提上去，让Token的成本打下来，然后再往上去做价值——把Token转化为具体的场景、具体的应用、具体的商业成果。

这和设计行业的演进路径也很像。早期比谁画得好看，后来比谁成本控制得好、量产落地好，再后来比谁能帮客户创造更大的商业价值。效率是过程，价值才是目的。

WAIC 2026的会场里，效率是主题词。但再过几年，当效率的问题基本解决之后，行业的主题词又会变成什么呢？

可能是价值，可能是场景，也可能是某种我们今天还想象不到的东西。

但无论如何，先把眼前的效率这一关过了再说。三张底牌都打好了，才有资格谈下一个阶段的事情。