AI应用的爆发式增长使得算力需求呈指数级攀升，正推动着算力产业的重构。从需求侧而言，AI的广泛普及致使Token消耗急剧增加。以字节跳动豆包大模型为例，到2025年12月，其日均Token使用量突破50万亿，相较于刚推出时增长了417倍。并且，推理算力需求远超训练，中国AI推理算力需求已是训练的8倍，这表明算力需求核心正从“造模型”向“用模型”转变。
供给端则凸显出硬件短缺问题，高端AI芯片受到限制。然而，不能因为Meta开放闲置算力租赁就判定行业算力过剩。Meta的闲置是因其自身扩张和业务属性导致的结构性闲置，且出租的多为上一代存量算力。
面对当前的算力供需状况，我们需深入探寻应对之策。在需求侧，企业要合理规划算力使用，避免盲目扩张。可依据业务实际需求，精准评估不同阶段所需的算力规模，提升Token使用效率，降低不必要的消耗。同时，加强对推理算力的研究与优化，提高其利用效能，以契合“用模型”的算力需求核心转变。
从供给端来看，解决硬件短缺问题刻不容缓。一方面，国内企业要加大对高端AI芯片的研发投入，突破技术壁垒，减少对国外芯片的依赖，政府也应给予政策支持，鼓励创新，推动芯片产业发展。另一方面，要更科学合理地利用闲置算力。除企业出租闲置算力外，还可构建行业内的算力共享平台，实现算力资源的优化配置。
此外，随着AI应用的持续拓展，新兴的算力技术值得关注，如量子计算，其强大的计算能力或许能为解决未来算力难题提供新思路。总之，应对AI应用带来的算力需求，需供需两端协同发力，促进算力产业健康可持续发展，让AI更好地服务社会。