“龙虾”挥钳，算力吃紧

　      “龙虾”挥舞的双钳下，是一个深不见底的算力黑洞。

　　有机构算了一笔账：相比传统聊天机器人，智能体的Token（词元）消耗动辄放大数十倍，一个稍微复杂一点的任务，背后吃掉的算力，甚至可能是普通对话的百倍、千倍。有科技博主实测，如果真把“龙虾”当成生产工具放开用，一周下来，费用接近万元。

　　数据是最直观的注脚。“养虾”火起来之后，模型调用量极速攀升。全球API聚合平台OpenRouter的数据显示：3月16日至22日，全球大模型调用量已经达到20.4万亿Token，一周涨了两成多。其中，中国大模型的周调用量涨幅更是超过五成，并且已经连续第三周超过美国。当周全球调用量排名前四的模型，也全部是“中国造”。

　　国家数据局公布的数据显示，今年3月，中国日均Token调用量已突破140万亿，两年增长了上千倍。

　　在不少业内人士看来，这样的增长既令人兴奋，也暗含隐忧。

　　3月27日中关村论坛年会的一场AI主题论坛上，算力缺口几乎成了绕不开的话题。“OpenClaw带来算力需求的暴增。”无问芯穹CEO夏立雪观察到，“上次见到这样的增速，还是当年3G手机刚普及，手机流量不够用的时候。以后我们的手机里可能会有两张卡，一张是SIM卡，一张就是‘Token卡’。”

　　问题在于，需求的曲线已经陡峭起来，供给却还没完全跟上。“让更聪明的模型执行更复杂的任务，资源消耗极大。如果算力不够，一个问题丢进去半天没有响应，一切体验都是空谈。”智谱华章CEO张鹏说得直白。在他看来，推理需求正以百倍级别爆发，算力很可能成为制约行业发展的核心瓶颈。

　　夏立雪认为，当前阶段，与其单纯扩张算力规模，不如把已有资源用到极致。围绕这个目标，他提出，应加快构建更高效、标准化的“Token工厂”，提供持续稳定、规模化的Token服务，使顶尖模型能力高效赋能海量下游场景，尽可能提升每一个Token的转化效率，让算力“花得值”。

　　再往远一点看，未来的基础设施本身也会走向智能化，可以自我调度、自主优化，甚至内置Agent来充当“管理者”，让算法与算力系统形成更紧密的深度协同。

　　面对“算力焦虑”，也有人重申架构创新的价值。

　　小米MiMo大模型负责人罗福莉回忆，两年前，在算力受限的情况下，中国团队依然通过模型架构创新，“逼出”更高效率，比如DeepSeek的探索，“这给了我们勇气和信心”。

　　如今，虽然硬件条件已经改善，国产芯片不再受限，但这种对更低推理成本、更高算力效率的探索，依然会在智能体时代成为未来竞争的关键。