算力竞争正从训练规模转向带宽与推理效率
主要观点
AI硬件竞争正在出现方向切换：预训练占比下降，后训练、强化学习和推理的资源需求上升，内存带宽可能成为下一轮竞争焦点。与此同时，TMT拥挤度升至71%分位，市场情绪尚未全面过热，却已呈现国产算力芯片、晶圆代工等细分方向的明显分化。技术趋势与资金拥挤之间的错位，构成了这段信息最值得继续追踪的部分。
关键要点
- 预训练算力占比被描述为从67%降至7%，显示计算资源结构发生显著迁移。
- 后训练与RL占比从5%升至55%，说明模型能力提升越来越依赖训练后阶段及强化学习环节。
- 推理工作负载达到38%，使部署效率、响应速度与持续服务能力成为硬件竞争的新约束。
- “比内存带宽”这一判断，把AI芯片竞争从单纯追求算力峰值引向数据搬运效率。
- TMT拥挤度升至71%分位但整体情绪尚未过热，意味着指数层面与细分行业内部可能存在不同步；国产算力芯片、晶圆代工的具体分化仍需结合后续信息判断。
建议带着这些问题阅读
- 如果推理和带宽需求继续上升，哪些硬件环节会获得相对优势？
- TMT拥挤度达到71%分位时，国产算力芯片与晶圆代工的分化依据是什么？
- 技术工作负载的变化，是否已经被市场价格充分反映？