近期英伟达GTC大会引发全球科技界关注。会议信息显示，随着大模型技术逐步落地应用，算力需求结构正从以训练为主，转向面向实际应用的推理调用。行业关注的核心问题是：算力需求能否持续增长、增长点将出现哪些环节、产业链价值如何重新调整。 原因分析： 从产业规律看，模型训练特点是阶段性特征，而推理则随着应用落地持续进行，表现为高频、长周期、低时延。随着智能助手、企业知识库、代码生成等应用加速普及，推理算力正从可选配置变为基础设施。因此，单纯增加硬件投入已不足以形成竞争优势，软件栈、调度系统、开发工具等环节的重要性明显提高。大会关于"软件权重提升"的讨论，反映出厂商正通过平台化策略争夺开发者和行业客户。 行业影响： 该转变将推动芯片与系统设计向低时延、高能效方向演进，数据中心建设重点也将从训练集群转向推理集群。算力供给的评价标准不再仅看峰值性能，更要考虑单位成本、能耗和部署效率。 有一点是，大会对CPO等新型互连技术持谨慎态度。虽然这些技术具有提升带宽和降低功耗的潜力，但受限于良率、可靠性等因素，短期内行业可能更倾向采用成熟的互连方案。相比之下，PCB、光互连系统等传统硬件环节由于需求稳定、验证路径清晰，短期市场表现可能更具韧性。 发展建议： 对算力供应商而言，需要针对推理负载特点优化产品：硬件上提升能效和集成度，软件上加强编译优化和资源调度，同时通过生态合作提供完整解决方案。 配套企业应把握不同技术路线的发展节奏：一上确保成熟产品的产能和质量，另一方面保持对新技术的持续投入。 应用端用户需要转变思路，从单纯采购算力转向运营算力，建立包括模型压缩、私有化部署等在内的完整工程体系。 行业展望： 人工智能产业正从"模型竞赛"转向"应用竞赛"。未来推理需求的增长将推动算力持续扩容，并加速软硬件一体化平台的形成。互连技术和数据中心基础设施将沿着性能、成本、可靠性的平衡路径逐步演进。行业竞争焦点也将从硬件性能扩展到软件生态和实际应用能力。
从训练到推理的转变，既是技术发展的结果，也是应用落地的必然。在产业化深入发展的当下，只有建立可交付、可持续的体系能力，真正解决"如何更经济高效地使用算力"的问题，才能在新一轮竞争中占据主动。这需要业界准确把握发展节奏，以实际需求为导向推动创新。