华泰 | 计算机：AI推理范式变化带来算力需求增长

摘要：8月27-28日我们组织了2025年秋季策略会，在AI论坛《Token加速的AI时代》上，嘉宾分享了Agent在投研场景下的应用案例，包含业绩点评撰写、公司研究和调研大纲生成，强调Agent相对Chatbot在能力层面的优势。我们看到不同应用场景下Token调

8月27-28日我们组织了2025年秋季策略会，在AI论坛《Token加速的AI时代》上，嘉宾分享了Agent在投研场景下的应用案例，包含业绩点评撰写、公司研究和调研大纲生成，强调Agent相对Chatbot在能力层面的优势。我们看到不同应用场景下Token调用的加速，认为算力需求有望加速增长。

核心亮点：

1、全球AI算力需求呈现上升趋势。通过云厂商数据可以跟踪AI算力趋势：Token量体现当前AI算力需求，资本开支情况体现未来AI算力预期。从Token来看，Google的Token数从25年5月到7月实现翻倍，达到每月960万亿，25年6月底国内日均Token量较24年初增长300多倍达到30万亿，反映了当前全球算力需求的持续增长。25Q2海外云厂商资本开支均呈现高速增长趋势，资本开支指引乐观，未来算力需求有望持续增长。

2、Agent加速落地带来算力需求增长。我们看到AI Agent在不同应用场景的落地探索，我们认为与Chatbot相比，Agent在执行任务时会进行任务的分解与编码，将带来交互次数、任务复杂度、使用频率的提升，整体Token消耗或提升十倍以上。以嘉宾分享的投研场景为例，在业绩点评撰写环节投研Agent需要获取数据、提取并计算数据、阅读并学习框架，最后生成点评，相较普通对话形式更加复杂。从应用效果来看，多Agent和多工具调用能有效提升模型效果，我们认为Agent分解任务并使用工具是AI对人类解决问题过程的模仿，带来的额外算力需求是提升AI能力的必要消耗，未来有望看到算力需求的持续提升。

3、推理范式变化打开算力需求的广阔空间。随着推理范式变化，Agent加速落地，我们认为未来算力需求中存在两个倍数关系，共同决定了算力需求的广阔空间：1）推理和Token调用量之间不是线性关系，这是因为多Agent协作和多工具调用会带来Token消耗量加速增长；2）算力需求与Token的增长之间不是线性关系，这是因为随着推理过程更加复杂，同样算力条件下计算时间也将增长，实时性和交互性带来对计算速度的要求。我们认为，随着Agent的不断渗透，Token调用量将增长十倍以上，而对应的算力需求将增长百倍以上，我们长期看好算力需求的持续快速增长。

风险提示：宏观经济波动；技术落地不及预期；本研报中涉及到未上市公司和未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。

全球AI算力需求呈现上升趋势

我们观察到，全球AI算力需求仍然保持上升趋势。通过Token消耗量和大厂资本开支数据可以跟踪 AI算力趋势：Token量体现当前AI算力需求，资本开支情况是对未来AI算力预判。我们认为，推理范式的变化正在推动AI算力需求持续增长。

当前AI算力需求：持续增长

Token持续增长，推理需求正在加速。Google 在25Q2业绩会表示月处理Token数相较于25年5月I/O大会公布的480万亿翻了一倍，达到每月960万亿。我们认为Google的Token消耗主要来自搜索相关的AI功能AI Overview和AI Mode以及Gemini模型，预计随着AI Mode渗透率的增长以及Agent功能的深入，Google Token消耗会在未来继续加速。根据中国国家数据局，截至25年6月底，中国日均Token消耗量突破30万亿，相较24年初的日均1千亿增长300多倍。Token量的增长反映了国内外推理需求的加速。

未来AI算力需求：有望高速增长

海外大型云厂商资本开支均呈现高速增长趋势。25Q2海外大厂资本开支合计950亿美元，同比+66%，环比+24%。Microsoft/Google/Meta/Amazon 的资本开支分别达到242/224/170/314亿美元，均呈现高速增长趋势，同比+27%/+70%/+100%/+92%，环比+13%/+30%/+24%/+29%。三大资本开支需求——训练、云、应用进入高速增长周期，资本开支投入有望持续扩大。

资本开支指引乐观，未来算力需求有望持续增长。海外大厂均给出乐观的资本开支指引，25/26年资本开支预计将继续增长，从投入方向来看，资本开支主要投入算力芯片和数据中心建设，主要满足AI工作需求。大厂算力建设投入体现对未来算力需求的乐观判断，算力需求有望持续增长。

推理范式变化是算力需求增长的重要动力

我们观察到，AI应用厂商正在不同场景探索Agent的落地，从而实现AI产品从Chatbot到Agent的升级。Agent带来任务分解与工具调用，有望带来Token调用量十倍以上的提升，从而带动算力需求加速增长。

Agent加速落地带来算力需求增长

Agent需求的快速增长或将带来Token十倍以上的提升。据Artificial Analysis统计，在Scaling Law初期，模型的发展方向是更大参数，能够带来约5倍的算力提升。随着模型进入后训练和推理时代，模型输出的Token数将有约10倍的提升。而Agent时代，每个Agent在处理单任务时所需的请求数（request）有约20倍的提升，且Agent基本都是由推理模型驱动的，因此整体Token增长十倍以上。

大量的工具调用与信息交互带来Token消耗量数量级的提升。Agent在执行任务时会进行任务分解与编码，复杂任务常常涉及几十个不同的任务，这些与Chatbot阶段不同的任务流程将大大提升Token的消耗。同时，未来多Agent互联的场景下，不同Agent间的通讯合作将再度加大算力的需求。我们认为，Agent的落地带来交互次数、任务复杂度、使用频率的提升，同时多模态的场景进一步加大Token的消耗。以嘉宾分享的投研场景为例，对于让Agent完成业绩点评的任务，Agent需要模仿人类研究员的行为，先后获取数据、提取并计算数据、阅读并学习框架，最后生成点评。根据讯兔科技披露，从25年1月到8月，公司产品中Agent渗透率持续提升，带动公司产品单月Token消耗量翻了5.5倍。

多Agent和多工具调用能有效提升模型应用效果，是提升AI能力推动应用的必要过程。根据xAI官网，Grok 4在HLE测试中，Grok 4本身的得分为25.4%，但如果使用工具（例如代码执行或如Web搜索的外部辅助）得分会达到38.6%。使用工具并通过多个AI Agent分解任务的Grok 4 Heavy得分进一步跃升至 44.4%。我们认为Agent分解任务并使用工具是AI对人类解决问题过程的模仿，带来的额外算力需求是提升AI能力的必要消耗。