在近期舉辦的GTC（GPU技術大會）上，英偉達首席執行官黃仁勛宣布，全球人工智能（AI）競爭的焦點正從模型訓練轉向推理環節，標志著AI產業進入“推理時代”。他指出，隨著AI從簡單的對話工具升級為能夠自主執行復雜任務的智能體，持續生成海量Token（AI處理的最小數據單元）已成為行業核心需求。這場變革中，誰能以最低成本高效生成token，誰就能主導未來市場。
黃仁勛在演講中重申了“AI Token工廠”概念，強調數據中心的角色已從傳統“成本中心”轉變為“價值創造中心”。他比喻道：“過去工廠將水轉化為電，如今數據中心將數據和電力轉化為高價值的token。”基于這一邏輯，英偉達推出新一代Vera Rubin計算平臺，宣稱其每瓦特推理性能較前代提升10倍，可將token生成成本降低90%。該平臺通過整合Groq公司的低延遲處理器（LPU），采用GPU與LPU混合架構，分別處理高吞吐量任務與最終token生成，實現推理性能最高35倍的提升。
英偉達的野心不止于硬件創新。黃仁勛展示了一套覆蓋芯片、存儲、網絡到液冷系統的全棧解決方案，并推出數字孿生平臺NVIDIA DSX，幫助客戶在虛擬環境中模擬AI工廠運行，優化能源效率。他直言：“加速計算是系統級工程，必須垂直整合。”這一戰略旨在將英偉達從芯片供應商升級為AI基礎設施的“架構師”與“規則制定者”。
然而，就在英偉達描繪技術藍圖時，中國AI廠商已憑借成本優勢在全球推理市場占據主導地位。數據顯示，2026年2月以來，隨著智能體應用OpenClaw等引發token消耗量激增，中國大模型憑借僅為國外競品1/6至1/10的token價格，在全球最大AI API平臺OpenRouter上連續多周超越美國同行。例如，Minimax M2.5模型運行一輪測試成本僅125美元，而Claude Opus 4.6和GPT-5.2-Codex分別高達4970美元和3244美元。
中國廠商的性價比優勢源于兩方面：一是技術架構創新。DeepSeek等企業通過多頭潛在注意力（MLA）、專家混合（MoE）架構等技術壓縮計算資源需求，使模型在受限GPU環境下仍能保持高性能。二是電力成本優勢。據測算，使用中國數據中心電力，單張英偉達B200芯片每年可節省900美元電費，全球范圍內每年潛在節省空間達百億美元。
市場分析指出，推理環節更依賴用戶生態、電力效率與系統調度能力，而非單純追求芯片算力。這一趨勢正在縮小中美在AI基礎設施領域的差距。隨著全球token生成市場規模預計在2027年突破萬億美元，這場關于成本與效率的競爭將愈發激烈。
