算力荒，會把中國 AI 燒成一場泡沫嗎？

## 算力荒，會把中國 AI 燒成一場泡沫嗎？

2026年6月，中國AI產業迎來了一個頗具諷刺意味的場景——智譜開源了代碼能力全球第二的GLM-5.2，Kimi端出K2.7 Code，MiniMax推出主打智能體的M3。模型越做越強，但這幾家公司卻同時在做一件相反的事：限制用戶購買。智譜的套餐天天得搶、一年漲三次價；Kimi和MiniMax的接口接連過載，開發者排隊「等Token」。最該以無限供給支撐市值的東西，變成了「憑票供應」——這個信號，值得整個產業警惕。

**算力荒不是單點斷貨，而是整條鏈一起見底。**

所謂算力荒，早已不只是「某個零件缺貨」的問題。業內判斷，晶片、存儲、封裝、網路、數據中心——整條供應鏈一起吃緊的狀態，至少還要持續兩年。2026年第一季，中國AI算力需求同比暴漲417%，但供給增速只有128%。供需缺口不是在收窄，是在擴大。

中國AI產業在訓練端尤其吃緊。目前中國最強模型DeepSeek V4 Pro的總參數量為1.6萬億，與美國Anthropic十萬億級的模型相差約6倍，能力落後約8個月。而僅Meta一家就計劃2026年底部署超120萬張高端GPU，年投入超過1450億美元。美國四大科技巨頭今年的資本開支高達7250億美元——這個數字，是中國計劃未來五年投入AI算力建設總額（約2萬億人民幣）的兩倍以上。

**泡沫論並非危言聳聽，但泡沫的邏輯需要釐清。**

被稱為「AI教父」之一的楊立昆近期在CNBC訪談中提出一個簡明經濟賬：高端AI產品價格一直在漲，但運行它們的Token成本降得太慢，慢到幾乎所有公司都在用投資人的錢替用戶買單。如果Token的成本賬本始終無法改善，超級估值與收入增長的閉環就走不通。xAI一個季度虧掉25億、收入僅8億出頭；Anthropic每月掏12.5億美元租算力；連OpenAI的奧特曼也承認成本是「一個巨大的問題」。

中華經濟研究院第一所所長劉孟俊則指出，中國AI產業最大問題在於政策與資本投入過快，與實際需求出現落差——部分技術尚未成熟就被推向市場，形成無效供給。中國長期偏重供給端政策，透過補貼、園區建設與引導基金堆疊產業規模，相對需求端刺激不足。換句話說：算力基建蓋了很多，但真正能穩定付費的應用場景還沒跟上。

**然而，泡沫的另一面是「算力地產化」的金融風險，這才是最危險的信號。**

2026年的中國算力市場正經歷劇烈分化：頭部企業訂單排期至2028年、淨利潤暴漲超800%；西部大量中小玩家卻在利用率不足70%的虧損線上掙扎，部分智算中心甚至爛尾。蕪湖市大數據建設投資運營有限公司董事長胡蓉直言，當前算力市場最大的泡沫在於「供需錯配下的非理性溢價」與「重資產金融化」——部分企業甚至將GPU作為抵押物進行高槓桿融資，形成類似「貸款炒房」的算力地產模式。

最危險的信號是「技術迭代推遲引發的資產貶值風險」與「下游商業化變現受阻」。一旦新一代晶片延遲交付，或AI應用無法實現規模化盈利，高價囤積的舊款GPU將面臨租金暴跌和流動性枯竭的雙重打擊。

**國產晶片正在追趕，但從推理到訓練的鴻溝仍需跨越。**

好消息是，國產算力確實在前進。IDC數據顯示，2025年中國市場AI加速卡總交付量達400萬片，國產廠商交付165萬片，市場份額一舉躍升至41%。2026年5月，國家首次在安全可靠測評中設立AI晶片品類，華為海思、平頭哥、海光信息、壁仞科技等9款國產晶片獲評安全可靠等級Ⅰ級。摩根士丹利預測，到2030年中國AI晶片市場規模將達670億美元，國產晶片有望滿足約76%的市場需求。

但挑戰同樣明確。國產晶片目前主要集中在推理側，在AI訓練這個算力金字塔頂端，國產晶片仍只能參與邊緣「打雜」。訓練晶片要調用巨量數據來「餵養」十億、萬億級參數的動態更新，不僅要具備强悍算力，還需配置高效的帶寬和通信能力——這些恰恰是國產晶片與英偉達差距最大的地方。

**泡沫會不會破？關鍵在「算力成本」與「商業化變現」的賽跑。**

楊立昆的觀點很通透——泡沫不是AI沒有價值，而是太有價值了。如果AI的需求無法用足夠低的算力成本支撐，很多公司的營收就無法達到預期，市值崩塌就會引發泡沫。

但這場賽跑並非沒有變數。AI算力的主戰場正從訓練轉向推理——聯想集團董事長楊元慶指出，未來推理算力將佔到70%以上。推理不要求單卡算力登頂，它要的是成本、能效和規模化部署的可能性——這些恰好是國產晶片相對有機會突破的方向。IDC預測，到2029年推理算力佔比將接近八成。

**讀者可關注的後續方向：**

第一，算力租賃價格與GPU租賃市場的變化——2026年第一季國內算力租賃市場規模已達680億元，全年預計達2600億元。價格是否持續飆漲，將直接反映供需緊張程度。

第二，國產大模型廠商的Token成本與定價策略——智譜一年漲三次價、各家接口接連過載，這些「限購」信號是否緩解，是判斷算力荒是否惡化的直觀指標。

第三，國產訓練晶片的突破進展——9款國產晶片納入信創體系只是一個開始。當國產晶片真正能參與萬卡級預訓練集群時，才是算力自主的轉折點。

第四，各地智算中心的利用率與盈利狀況——「西部大量中小玩家在利用率不足70%的虧損線上掙扎」，這條線是否惡化，將決定算力基建的泡沫是否從局部擴散為系統性風險。

算力荒會不會把中國AI燒成泡沫？答案不在模型多聰明，而在算力成本能不能降到讓商業模式跑得通。這場賽跑的終點線，還很遙遠。

用户DEEP_SEARCH需要一篇关于中国AI算力短缺和潜在泡沫风险的原创分析文章。原文信息比较简略，需要补充更多背景和不同角度的观点。可以从算力短缺现状、国产替代进展、泡沫风险讨论以及全球对比这几个方面来搜集素材，这样文章会更扎实。FINISHED里有很多相关文章，覆盖了算力短缺、国产芯片进展、泡沫风险讨论等不同角度。其中几篇看起来比较有代表性，比如OFweek的深度分析、经济日报的报道、36氪的算力难题分析，还有关于国产芯片市场份额和泡沫信号的文章。先打开这些页面，获取详细信息和具体观点。FINISHEDFINISHEDFINISHEDFINISHEDFINISHEDFINISHED打开的几篇文章提供了不少关键信息，比如算力短缺的具体表现、国产芯片的市场份额、以及泡沫风险的警示。不过，关于更宏观的产业政策、全球算力竞争态势，以及一些具体的市场数据，可能还需要补充。再搜索一下相关话题，看看有没有更全面的分析或最新的动态。FINISHED到的资料涵盖了算力短缺的现状、国产芯片的进展、泡沫风险的警示以及全球竞争态势，信息比较具体。可以围绕“算力荒是否会导致泡沫”这个核心问题来组织文章。先描述算力短缺的具体表现和原因，再分析其对AI产业的影响，然后讨论泡沫风险的几种观点，接着介绍国产替代的进展和挑战，最后从供需、政策、全球竞争等角度给出一个综合判断和后续关注点。这样结构比较清晰，也能覆盖用户要求的几个方面。