猜你想问
这份研报主要分析了什么内容？
这份研报主要分析了客户需求变化、算力需求结构变化、训练与推理算力差异以及推理侧竞争壁垒与挑战。客户需求正从追求超大集群规模转向关注弹性调度、混部能力、时延指标和性价比，每Token成本成为核心考核指标。MoE架构和AIAgent成为行业迭代主线，推理算力需求爆发。训练与推理算力在架构、性能需求上存在显著差异。竞争壁垒在于集群调优、混部调度等能力，但技术落地存在不确定性。
AI算力赛道目前的发展趋势是什么？
AI算力赛道正经历从追求规模到关注效率的转变。MoE架构和AIAgent成为行业迭代主线，推理算力需求爆发式增长。客户对单Token成本敏感度提升，推动算力服务商提供整体解决方案。垂直行业私有化部署需求增多，采购主体扩展至行业客户。算力优化技术降低单位Token算力消耗，但新应用场景拓展可能抵消单任务算力下降影响。国内日均Token调用量高速增长，但AI应用落地不及预期存在阶段性算力过剩风险。
研报重点分析了哪些方向？
研报重点分析了客户需求变化、算力需求结构变化、训练与推理算力差异以及推理侧竞争壁垒与挑战。在客户需求方面，关注弹性调度、混部能力、时延指标和性价比，以及单Token成本。算力需求结构上，强调推理算力需求爆发，规模已超过训练算力。训练与推理算力在架构、性能需求上存在显著差异。竞争壁垒在于集群调优、混部调度等能力，但技术落地存在不确定性。
目前AI算力市场的情况如何？
目前AI算力市场呈现推理算力需求爆发式增长的趋势，规模已超过训练算力。客户对单Token成本敏感度提升，推动算力服务商提供整体解决方案。垂直行业私有化部署需求增多，采购主体扩展至行业客户。国内日均Token调用量高速增长，但AI应用落地不及预期存在阶段性算力过剩风险。同时，MoE架构和AIAgent成为行业迭代主线，算力优化技术降低单位Token算力消耗，但新应用场景拓展可能抵消单任务算力下降影响。
研报中提到了哪些风险提示？
研报提醒投资者关注推理侧竞争壁垒与挑战。竞争壁垒在于集群调优、混部调度等能力，但KV-Cache复用、PD分离技术落地复杂度高，存在技术迭代不确定性和丧失竞争优势风险。此外，业务推进存在不确定性，若AI应用落地不及预期，仍存在阶段性算力过剩风险。公司建议投资者关注相关业务和技术的潜在风险，审慎评估投资决策。