“龍蝦”揮鉗，算力吃緊

　　“龍蝦”揮舞的雙鉗下，是一個深不見底的算力黑洞。

　　有機構算了一筆賬：相比傳統聊天機器人，智能體的Token（詞元）消耗動輒放大數十倍，一個稍微復雜一點的任務，背后吃掉的算力，甚至可能是普通對話的百倍、千倍。有科技博主實測，如果真把“龍蝦”當成生產工具放開用，一周下來，費用接近萬元。

　　數據是最直觀的注腳。“養蝦”火起來之后，模型調用量極速攀升。全球API聚合平臺OpenRouter的數據顯示：3月16日至22日，全球大模型調用量已經達到20.4萬億Token，一周漲了兩成多。其中，中國大模型的周調用量漲幅更是超過五成，并且已經連續第三周超過美國。當周全球調用量排名前四的模型，也全部是“中國造”。

　　國家數據局公布的數據顯示，今年3月，中國日均Token調用量已突破140萬億，兩年增長了上千倍。

　　在不少業內人士看來，這樣的增長既令人興奮，也暗含隱憂。

　　3月27日中關村論壇年會的一場AI主題論壇上，算力缺口幾乎成了繞不開的話題。“OpenClaw帶來算力需求的暴增。”無問芯穹CEO夏立雪觀察到，“上次見到這樣的增速，還是當年3G手機剛普及，手機流量不夠用的時候。以后我們的手機里可能會有兩張卡，一張是SIM卡，一張就是‘Token卡’。”

　　問題在于，需求的曲線已經陡峭起來，供給卻還沒完全跟上。“讓更聰明的模型執行更復雜的任務，資源消耗極大。如果算力不夠，一個問題丟進去半天沒有響應，一切體驗都是空談。”智譜華章CEO張鵬說得直白。在他看來，推理需求正以百倍級別爆發，算力很可能成為制約行業發展的核心瓶頸。

　　夏立雪認為，當前階段，與其單純擴張算力規模，不如把已有資源用到極致。圍繞這個目標，他提出，應加快構建更高效、標準化的“Token工廠”，提供持續穩定、規模化的Token服務，使頂尖模型能力高效賦能海量下游場景，盡可能提升每一個Token的轉化效率，讓算力“花得值”。

　　再往遠一點看，未來的基礎設施本身也會走向智能化，可以自我調度、自主優化，甚至內置Agent來充當“管理者”，讓算法與算力系統形成更緊密的深度協同。

　　面對“算力焦慮”，也有人重申架構創新的價值。

　　小米MiMo大模型負責人羅福莉回憶，兩年前，在算力受限的情況下，中國團隊依然通過模型架構創新，“逼出”更高效率，比如DeepSeek的探索，“這給了我們勇氣和信心”。

　　如今，雖然硬件條件已經改善，國產芯片不再受限，但這種對更低推理成本、更高算力效率的探索，依然會在智能體時代成為未來競爭的關鍵。（記者 崔 爽）