华为预警：Token调用量激增6倍，运力成AI算力新瓶颈，单芯片制程非唯一解

在人工智能算力需求持续爆发的背景下，华为近日指出，算力生态正面临一个被低估的瓶颈——运力。根据公开信息，华为方面观察到Token调用量已增长6倍，并强调当前不应执着于单一芯片制程的竞赛，需更关注系统级的运力与架构优化。这一观点在AI、芯片和半导体产业中引发广泛讨论。

Token调用量激增，揭示算力新痛点

Token调用量的快速增长，直接反映了AI大模型应用普及带来的海量数据交互需求。据本次新闻确认，华为监测到的Token调用量增长了6倍，这并非某个单一应用的表现，而是整体生态演进的缩影。运力，即数据在计算节点之间传输的效率和带宽，正从“辅助角色”跃升为制约整体AI系统性能的核心要素。 当前，行业普遍将注意力集中在提升单芯片的算力密度，如通过追求更先进的制程节点来增加晶体管数量。然而，当模型规模不断膨胀，单卡算力提升带来的内存墙、通信墙问题愈发突出。即便拥有顶级算力芯片，若数据搬运速度跟不上计算速度，实际系统效率将大打折扣。华为此次明确点出运力瓶颈，意味着产业可能需要重新审视基础设施的平衡点。

不执着单芯片制程，暗合系统级优化趋势

华为发言中“不该执着单芯片制程”的判断，虽然未直接点名具体制程参数，但显然指向了当前半导体行业在5nm、3nm甚至更先进制程上的激烈竞争。这一观点与近期多个产业研究机构的预测趋势相吻合。例如，据Gartner 2025年的预测，到2027年全球AI芯片市场中，系统级封装（SiP）和芯粒（Chiplet）技术的占比可能超过25%，这说明通过互连架构实现异构集成，正成为突破单芯片物理极限的重要路径。 从产业影响来看，这一论调可能利好国内先进封装、高速互联和分布式计算相关厂商。传统上，芯片性能的提升主要依赖制程微缩，但如今微缩的成本和难度指数级上升。华为的提法暗示，通过优化芯片之间的互联效率（即提升运力），以及采用多芯粒组合的架构，可以在不依赖最先进制程的情况下获得接近甚至超越的性能表现。这为国内在成熟制程基础上进行系统创新提供了理论支撑。

运力瓶颈如何重塑AI基础设施投资？

运力瓶颈的暴露，将直接改变数据中心和云计算的硬件投资逻辑。据SEMI 2025年发布的报告，全球数据中心在光模块和连接器上的资本支出到2026年预计将增长至150亿美元（该数据为行业背景参考，非本次新闻公布）。如果算力与运力的不平衡加剧，这笔投资可能会进一步上调，以匹配Token调用量的爆发式增长。 同时，这波变化也将影响算力租赁市场的定价模式。此前，算力租赁价格主要依据GPU型号（如H100、A100）进行锚定。若运力成为新的稀缺资源，未来租赁服务可能转向“算力+运力”打包计费，或者将网络带宽质量作为关键服务等级协议（SLA）指标。这对于IDC厂商中具备高速网络服务能力的公司，值得密切关注，因为这意味着他们可能获得新的溢价空间。 当然，华为的本次发言是基于其自身观测到的Token调用量数据和产业调研，是否代表整个行业的通用判断，尚有待更多厂商和独立机构的进一步确认。不过，将运力视为与算力并列的核心要素，注定将成为未来几年AI基础设施设计的核心议题。

数据参考

• 本次新闻已确认数据：Token调用量增长6倍。来源：news.17173.com 华为发言，2026年7月24日。
• 行业背景参考数据：据Gartner 2025年预测，到2027年全球AI芯片市场中系统级封装（SiP）和芯粒（Chiplet）技术的占比可能超过25%。来源：Gartner，2025年。
• 行业背景参考数据：据SEMI 2025年报告，全球数据中心在光模块和连接器上的资本支出到2026年预计增长至150亿美元。来源：SEMI，2025年。
• 其他说明：关于H100、A100等GPU的具体租赁价格变化趋势、以及IDC厂商具体财务影响，目前暂缺可核验的公开数据。本文未使用任何未经批露的公司内部数据或编造的精确数字。 #AI #半导体 #算力生态 #华为