来源：新浪财经
文 丨 新浪财经 周文猛
当前，国内AI算力市场正上演割裂现实：各地算力中心持续建设，却也出现大量资产闲置；与此同时，大模型企业饱受高端算力紧缺困扰。
2026可持续全球领导者大会期间，壁仞科技战略规划高级副总裁魏明出席《拥抱Token新经济：激活存量算力，筑牢AI产业根基》论坛分享了自己对于盘活存量算力的最新洞察。
在会后与新浪财经的沟通中，魏明指出，国内芯片算力行业虽然存在“结构性闲置”情况，但高端算力需求同样“真实存在”。
在他看来，随着开源生态、AI Agent不断成熟，软硬协同正在打开国产芯片的成长空间。而Token经济跳出传统云租赁包月包年的资源售卖逻辑，以精细化计费催生出大厂、小团队多元的Token工厂业态，为国产算力芯片开辟全新商业化窗口。
以下为访谈全文（有删减）：
“算力闲置是事实，但高端算力也很缺”
新浪财经：作为行业人士，您觉得当前存在的算力闲置矛盾，究竟是算力资源没有充分释放能力，还是AI有效应用需求疲软？
魏明：壁仞已经成立七年，国产芯片经历了从“能用”走向“好用”的发展阶段。算力闲置并不是单纯需求疲软，背后有多重现实原因。
早期各地算力中心建设缺乏统筹规划。算力中心建成后，运维能力未能跟上，软硬件协同不足制约了算力效能的释放。受摩尔定律等因素驱动，芯片快速迭代，早期产品在算力密度、互联速率和内存带宽等方面存在短板，难以满足不断升级的应用需求，也在一定程度上造成了算力闲置。不过当下已经出现向好改变。过去国产芯片需要逐一适配众多模型，耗时漫长；如今模型生态趋于聚焦。而AI Agent的兴起，则进一步压缩了芯片适配的时间成本。
当下，市场呈现非常割裂的现状：一边存在算力闲置，另一边高端算力极度紧缺。现阶段大模型公司面临的头号难题就是高端算力供给不足。可喜的是国产高端芯片能力已经崛起，可以承接这类业务。技术层面也有解法，依靠PD分离等技术方案，把算力强但显存偏弱的国产卡，搭配高显存的硬件协同调度，盘活存量闲置算力。算力闲置问题有望逐步改善，我们对国产芯片规模化落地很有信心。
从行业整体看，国产芯片硬实力持续进步，完成从无到有、由弱到强的演进。软件生态也在修复，开源模型降低适配工作量，配套软件栈日趋成熟。AI Coding工具进一步缩短工程落地周期，把节省下来的成本反哺AI服务，跑通商业闭环。
需求端的真实爆发有实际数据佐证，部分大模型企业短短一两个月API调用量和营收就超过往年全年，付费用户持续增长。旺盛的市场需求，为国产芯片带来宝贵发展窗口，国产产业链持续成长，算力资源体系也会进一步规范化。
新浪财经：国内芯片推理场景已经接近甚至部分超越国外，那训练场景我们主要差在哪些地方？
魏明： 要分开看：推理场景，国产芯片已经接近国外水平，部分指标、性价比还能反超。但训练场景差距还比较明显。做大模型训练需要高端训练卡，受制程、供应链等多重条件限制，国内训练卡产品还需要时间持续迭代，慢慢缩小差距。
“硬件决定上限，但软件生态决定释放多少性能”
新浪财经：你提到国产芯片性能的不足，也需要靠软硬结合、完善软件生态来缩小差距，具体会怎么做？
魏明：第一，芯片设计阶段就做软硬件协同设计。在芯片设计之初就将硬件与软件纳入统一规划，从源头上平衡两者。
第二，软件层面拥抱开源社区，加大开源力度。借助社区力量，让软件迭代速度变得更快。
第三，打造先进工具链，提升软件适配效率，更快响应客户的实际需求。
第四，联合多方合作伙伴一起推进。不能只靠芯片厂商自己，要联动服务器厂商、大模型公司等生态伙伴。出现新的商业机会时，多方协同，第一时间把方案落地。
新浪财经：软硬+生态协同，目标是算力可持续供给，追求成本、效率最优。那当前国产芯片的性价比和国外对比大概是什么水平？
魏明： 性价比是动态的，不同模型、不同应用场景，结果都不一样。
现在国产芯片已经在不少行业实现商业落地。客户选择国产，一方面有国家政策导向，另一方面国产芯片已经跑出性价比，有真实商业案例，这是非常关键的。 硬件设计决定了系统性能的上限，但软件生态，决定你能把硬件性能释放到多少。我们现在核心工作之一就是打磨软件生态，把硬件的潜能充分释放出来。
海外厂商软件生态不是一蹴而就，英伟达的CUDA是常年积累，海量开发者持续调优堆出来的。我们也要做同样扎实的工作，把芯片硬件打磨好，同时把软件栈做好。联合服务器、上下游伙伴满足客户需求，这件事需要时间沉淀。
今年壁仞会在生态上投入大量精力，搭建开发者社区，我们在官网提供工具包下载，开放云端环境，让开发者可以直接在线测试芯片能力。通过这些方式，让客户更快了解、上手我们的产品，逐步缩小和海外头部企业的差距。
“传统云服务包月包年，Token模式颗粒度更细”
新浪财经：现在大家都在谈Token经济模式，它和传统云租赁模式核心区别是什么？云本身也有弹性、按需计费，Token是换壳新概念还是确有本质差异？
魏明：传统云租赁卖的是硬件资源：服务器、存储、机器使用时长。很多时候是按月、按年整台机器租给客户。机器租给你之后，白天业务忙满负荷跑，晚上闲置，算力就大量浪费。
Token模式卖的是AI输出能力，按输入、输出token量计费，颗粒度更细，灵活性更高。第一，计费粒度差异。传统云租赁很难做到一两分钟这种极短周期租用，大多是包月包年；Token按照实际调用量，输入多少钱、输出多少钱算得明明白白，用多少付多少。
第二，降低使用门槛。传统租用服务器，企业得有IT人员，要装驱动、调试环境，上手门槛高。Token/API模式，你直接调用接口付费就能拿到结果，把底层复杂技术门槛给屏蔽掉了。
第三，可以做分层定价。根据业务的时延、质量要求区分价格。比如对响应速度要求极高，就付高价；如果可以接受慢一点、晚一点返回结果，就可以用更低的价格。背后会调度不同性能的算力卡，面向不同客户提供差异化商业模式。
新浪财经：市场上有大厂做的Token工厂，也有小团队自己买机器、部署开源模型做的Token工厂，这两类业态有什么差异？对芯片行业意味着什么？
魏明：现在很多开源模型，既可以大厂搭建Token工厂对外售卖服务，也有不少小团队自己采购几台机器，下载开源模型就对外提供Token服务。两者差距主要有三点： 1、价格：小团队的报价往往会比大厂低，靠价格吸引客户。
模型迭代：基础是开源模型，但后续模型迭代升级，大厂官方版本会持续更新迭代；小团队不一定能跟进最新版本。3、算力规模与服务质量：小团队算力规模有限，还可能为了压缩成本，在模型效果上做裁剪，最终输出质量参差不齐。
所以市场会分层：追求稳定高质量服务，可以选择大厂Token工厂；追求极致性价比，可以选择小团队方案。对我们芯片厂商来说是利好，市场客户变多了，不管大小服务商，都需要优质算力芯片，我们可以给不同类型客户提供硬件，帮助他们实现业务价值。
天顺优配提示：文章来自网络，不代表本站观点。
