上个月，我写过一条微头条，标题只有六个字：3500亿亿，你没看错。
那条被110 万人点开过。
今天不说那六个字了。今天说它后面的账——这个词元，为什么突然涨成这样，以及，谁接得住。
一、两年，一千倍先看一组国家数据局的数。
全国日均词元调用量：2024 年初1000 亿，2025 年底100 万亿，2026 年 3 月140 万亿。
两年，涨了超 1000 倍。
这不是"增长快"的问题。1000 倍的意思是：如果 2024 年初每天消耗一个单位的算力，现在要用一千个。
再往细处看，还有更具体的。豆包大模型截至今年 6 月，日均词元调用量突破180 万亿，月活 3.82 亿。国内大模型的词元调用量，已经占到全球的68%。
最反常的一条是智谱。它家 MaaS 平台的 API 在 2026 年一季度涨价83%，调用量不降，反涨400%。
涨价还买，而且买得更多——这是需求端最硬的一种信号。经济学上它有名字，叫刚需。
也正因为它这么硬，才会有下面这张对不上的账。
二、供给那头，一年只跟了 88%需求涨一千倍。那供给呢？
IDC 与浪潮信息在 9 月 21 日发布《2026 年中国人工智能计算力发展评估报告》，给出了两条并排的数字：
中国词元消耗量的复合增长率：3499.3%。
中国智能算力规模的同比增速：87.9%。
翻成人话：按增长倍率算，词元这一边一年涨约 35 倍，算力那一边一年只涨不到 1 倍。
这里必须标清口径——3499.3% 是 2026 到 2030 年的复合增速，87.9% 是 2026 年单年的同比。两者并不完全等价，放在一起看的是量级差，不是精确比值。但量级差本身，已经够说明问题了。
绝对值上也对得上。中国智能算力规模，2026 年预计达到2576.5 EFLOPS，2030 年10524.3 EFLOPS。
更值得注意的是一个动作：IDC 把 2025 到 2030 年的复合增速，从上一版报告的46.2%上修到了50.3%。
机构不会平白改预测。它是被需求推着改的。
把中国放进全球坐标里看，这组数会更清楚。
同一份报告里，全球词元消耗量的复合增长率是4822.6%，比中国的 3499.3% 还高。全球活跃智能体的数量，会从 2026 年的7940 万个涨到 2030 年的22.16 亿个。
也就是说，这不是中国一家的账。全球都在同一条曲线上，只是斜率不同——而斜率最陡的那一段，谁都还没走完。
三、缺口不是"会不会来"，是已经到了再看第三个数。
全球 AI 算力需求的满足率：2024 年是79%，2027 年掉到谷底71%，2030 年也只回升到77%。
对应的缺口绝对值，从 2024 年的389 亿美元，扩大到 2030 年的3809 亿美元。
近十倍。
算力走廊：需求那头跑得比供给快，机房还在加班加点

纸面上的缺口，现实中长什么样？看一个价格就够了。
英伟达 B200 芯片的租赁价格，2026 年 7 月已经升到5.0 到 5.2 美元每 GPU·小时。从 2025 年 8 月有统计以来，累计涨了25% 到 30%。
更关键的是后半句：新订单基本停止受理，交付排期普遍延到 2027 年上半年。
一个人排队，说明他着急。一群人排到两年之后，说明的是另一件事——供给那头，短期确实加不出来。
原因很物理：算力芯片扩一轮产能，要3 到 5 年；数据中心底下的电力配套，从审批到并网，往往要5 到 10 年。
钱可以一年砸下去。厂房和电网不行。
缺口有多大，市场就有多大。IDC 测算，中国 AI 算力市场规模 2026 年将达515 亿美元，同比增长 37%；到 2030 年达到1501 亿美元。
但规模这个数，只是结果。真正要看的是它背后的单价——一张卡每小时值多少钱，一个词元值多少钱。这些价格往上走的每一天，都有人在为"算力不够"付钱。
四、真正变的，是"用算力的方式"那为什么这次涨得跟以前不一样？
因为用算力的方式，换了。
过去的 AI，是你问一句、它答一句。现在的智能体（Agent），是你给它一个目标，它自己拆步骤、调工具、来回纠错，最后把结果交给你。
先看一个比值，它把原因指得很清楚。
全球词元消耗量的复合增速是4822.6%，全球活跃智能体数量的复合增速是129.8%。两者一除：词元的增速，是智能体数量增速的约37 倍。
中国的账一样：智能体数量增速151.2%，词元消耗增速3499.3%，差出20 多倍。
这条落差说明一件事——词元暴涨的主因，不是用的人变多了，是每一次用得重了。
差别全在消耗量上。单次智能体任务消耗的词元，是传统问答的数倍到数十倍，复杂任务可以到十万至百万级。行业的通俗说法更直接：一次多智能体协作任务，消耗量相当于从"发一条短信"，变成"写一篇论文"。
结构也跟着变了。
过去算力的主角是训练——一次性的、集中的、有终点的。现在主角正在换成推理——持续的、分散的、没有终点的。
IDC 的判断是，到 2027 年，推理将占智能算力需求的70% 以上。Gartner 给的另一组数更陡：2027 年中国云上 AI 推理负载的占比，会从当前的20%跳到80%。
打个比方：训练是盖一栋楼，盖完就完事；推理是这栋楼盖好之后，每天都要开空调。
盖楼的成本是一次性的，开空调的成本是永远的。
再往细里看一层。训练可以跑满、可以集中调度、可以隔几个月再来一轮；推理是随时来、随时要，一天里的峰值和谷底能差出好几倍，系统还得为那个峰值留足余量。
余量本身也是钱。
这才是"词元暴涨"背后真正的那台机器。
满负荷的算力机柜：推理一起来，这张账单就没有停的时候

五、账单的另一半只算增长不算成本，那是宣传，不是账本。这几笔账，一样得摆出来。
第一笔，是资本开支。国内四大云厂商 2026 年的资本开支同比增速预计超 80%，总额7200 亿元；2027 年增速降到超 27%，但总额突破1.1 万亿。
增速在往下走，绝对值还在往上走。这说明前面那一轮砸下去的钱，还没看到回头。
第二笔，是"调用量"和"价值"之间的距离。
IDC 这份报告里有一组数，比前面所有数字都值得停一下：制造、医疗健康、能源电力这三个行业，真正进入核心业务、形成"执行—反馈—优化"闭环的比例，是0%。运营商好一些，有70%接入了部分业务流程，但真正进核心闭环的只有3.3%。
翻译成人话：词元调用量涨得很猛，但它大部分还停在试点和边缘业务里，没进主业。
蚂蚁集团副总裁韦韬在数博会上的说法更直接：词元调用规模，不等于实际业务价值。大模型的幻觉与逻辑偏差带来的履约风险、词元计量定价标准还没统一、流转过程中的数据安全——这些不解决，调用量再大，也只是账面数字。
第三笔，是效率。同样的算力，谁能产出更多有效词元，谁的成本就更低。这不是多买几张卡能解决的，得靠调度、靠模型适配、靠推理效率。
举个具体例子。一家做 AI 数字员工的公司，给酒店做后台运营——自动调房价、接客服、处理财税合规。单家酒店接入之后，日均词元消耗量达到数十万级。
一家酒店的量级是这样。把它乘以正在接入 AI 的行业数量，就是那 140 万亿的来路。
所以这盘账的重心，正在从"拥有多少算力"，换到"能多高效地持续产出智能"。
六、词元，是这张新电表上的度数回到开头那个数。
3500 亿亿也好，140 万亿也好，它们真正改变的，不是某一个行业，是度量这件事的那把尺子。
几十年前，衡量一个国家工业能力的是什么？是发电量。电表上转过的度数，背后是工厂、是铁路、是城市。
现在，词元调用量正在变成 AI 时代的那张电表。它量的不是"用了多少设备"，而是"产出了多少智能"。
但这里必须补一句。电表上的度数，从来不等于成果——一家工厂可以把电全浪费掉，也能把每一度电都用在刀刃上。
供给这边也确实在追。截至 2026 年 6 月底，全国八大算力枢纽的智算规模达到214 万 PFLOPS，比 2025 年底涨了54.2%，占了全国总量的近 90%。
需求那一侧的燃料也在同步加。截至 2026 年 8 月，全国累计建成的高质量数据集超过12.6 万个，数据总体量超过 1815 PB。这些被清洗、标注、校验过的数据，是词元能被加工出来的原料。
有了原料，有了算力，账面上看起来什么都齐了。唯一没齐的，是最后那一步的转化率。
但把两条速度放在一起看：供给是每年涨一倍，需求是每年涨三十五倍。
这道口子，短期内不可能靠堆算力填上。
它只能靠另一件事填——把每一个词元的产出效率提上来。谁先做到，谁就不用再跟数字赛跑。
所以真正的问题，不是"够不够算力"。
是每一度电、每一张卡，最后能换来多少有效的结果。
这个问题，现在还没有答案。
（说明：文中 3499.3%、87.9%、2576.5 EFLOPS、满足率与缺口等均为 IDC 报告的预测口径，不是既成事实；资本开支、租赁价格等为公司及机构测算；"180 万亿""68%"为第三方机构与媒体口径。文中不构成任何投资参考。）
关注【留点自由】，一个科技领域的深度观察者。别人看热闹，我们看门道。芯片、算力、AI、机器人，每天一条，把产业账算给你听。
#AI算力 #词元经济 #大模型 #数据中心 #东数西算 #上头条 聊热点
讨论区：补一个正文没展开的点——为什么"调用量涨"和"价值涨"是两件事。IDC 那组数据里，制造、医疗、能源真正进核心闭环的比例是 0%，运营商也才 3.3%。意思是现在的词元消耗，大头还花在"试着用"上，不是在"必须用"上。真正决定这盘账能不能持续的，不是调用量还能涨多少倍，而是有多少调用最后变成了离不开的业务。你觉得，最先跑通"离不开"的会是哪一行？