英偉達(dá)首席執(zhí)行官黃仁勛在2026年的GTC演講中指出，全球計(jì)算需求正在經(jīng)歷一場基礎(chǔ)性的重構(gòu)。他預(yù)測，到2027年，AI芯片的累計(jì)需求將達(dá)到1萬億美元。這種需求并非來自傳統(tǒng)的數(shù)據(jù)處理，而是來自“代詞工廠”對Token的持續(xù)生產(chǎn)。算力的生產(chǎn)受限于物理世界的原子法則，任何數(shù)據(jù)中心或算力工廠本質(zhì)上都是受限于電力的。黃仁勛強(qiáng)調(diào)，在固定功耗水平下的“每瓦吞吐量”成為衡量競爭力的關(guān)鍵。這種對效率的極致追求促使算力架構(gòu)從單一的訓(xùn)練加速轉(zhuǎn)向全生命周期的推理優(yōu)化。

在全球競爭的語境下，算力主權(quán)正成為國家戰(zhàn)略的核心協(xié)同點(diǎn)。它不僅關(guān)系到數(shù)字經(jīng)濟(jì)的規(guī)劃與建設(shè)，更關(guān)系到數(shù)據(jù)時(shí)代的全球競爭力。未來的進(jìn)步依賴于“算力、算法、數(shù)據(jù)”三要素的深度協(xié)同。為了保障數(shù)據(jù)安全，可信計(jì)算平臺通過聯(lián)邦學(xué)習(xí)、AI靶場等技術(shù)實(shí)現(xiàn)在保障隱私前提下的聯(lián)動(dòng)訓(xùn)練，打破了隱私保護(hù)與數(shù)據(jù)挖掘相悖的困局。對于中國而言，統(tǒng)籌推進(jìn)數(shù)字中國建設(shè)意味著需要建立分工明確、協(xié)同推進(jìn)的算力工作機(jī)制，集中力量辦大事，形成高效的算力生態(tài)。

如果說TFlops是生產(chǎn)智能的燃油，那么Token（詞元）就是3T時(shí)代的成品與通用經(jīng)濟(jì)單元。在AIGC（生成式人工智能）的語境下，Token是文本、代碼、圖像被拆解后的最小處理單位，是模型理解和生成內(nèi)容的基礎(chǔ)邏輯塊。3T時(shí)代所指的Token是計(jì)算損耗的度量單位，是智能輸出的物理載體，其核心價(jià)值在于承載知識與推理邏輯。這種Token具有三個(gè)顯著特征：收入隨調(diào)用量指數(shù)增長、數(shù)據(jù)深度綁定、邊際成本極低。Token是由底層算力的物理功耗和模型的認(rèn)知密度決定其內(nèi)在價(jià)值。

OpenAI首席執(zhí)行官薩姆·奧特曼觀察到，給定智能水平的使用成本每12個(gè)月下降約10倍。從2023年初的GPT-4到2024年中的GPT-4o，每Token的價(jià)格下降了約150倍。相比之下，摩爾定律僅實(shí)現(xiàn)了每18個(gè)月2倍的提升。這種“奧特曼定律”意味著智能正在變得像空氣一樣無處不在，甚至達(dá)到“由于過于廉價(jià)而無法計(jì)量”的程度。AI模型的智能程度與其投入的資源（訓(xùn)練算力、數(shù)據(jù)、推理算力）的對數(shù)成正比。這種超線性的社會經(jīng)濟(jì)價(jià)值使得指數(shù)級增加的投資在可見的未來不會停止。