华为谈 AI 算力瓶颈：Token 调用暴增后，“运力”比单芯片制程更关键

据来源显示，7 月 24 日下午，华为中国政企互联网系统部近日在互联网行业媒体沟通会上，围绕互联网 AI 算力产业痛点、算存网一体化底座、昇腾开源生态、分层算力落地路径等议题进行了说明。华为中国政企互联网行业总经理黄健在交流中表示，AI 大模型正从技术验证走向规模化商用，AI Agent 逐渐成为互联网业务增长的重要引擎，但 Token 用量的快速增长正在放大算力、存储、网络与工程适配方面的压力。其中，华为判断“运力”已成为当前 AI 算力体系中最突出的瓶颈，行业不应只盯住单芯片制程，而应通过网、算、存协同提升整体效率。

Token 经济加速到来，互联网业务进入高并发 AI 阶段

黄健提到，与传统电器时代相对渐进的产业迭代不同，AI 领域 Token 消耗的增长速度已明显超过社会与行业的适配节奏，并由此带来普遍的 AI 转型焦虑。其援引机构数据称，过去半年内 Token 消耗量增长了 6 倍，模型调用次数增加约 50 至 100 倍。按照他的判断，2027 年至 2030 年间，Token 经济将全面影响作业行为和工作框架，短时间内完成如此大的生产方式变化，将给产业带来显著压力。

这一变化对互联网行业尤其明显。搜索、内容生成、智能客服、推荐系统、代码助手、办公自动化以及各类 AI Agent 应用，都在从“偶发调用”走向“持续调用”。当更多业务环节由模型参与决策或生成结果时，企业需要面对的不只是单次推理成本，还包括高并发、低时延、稳定性和跨场景部署等系统性问题。

• Token 消耗增长会直接推高训练、推理和缓存等环节的资源需求；
• 模型调用次数激增，会让网络互联、任务调度和集群通信成为关键约束；
• AI Agent 普及后，业务流量更具波动性，对弹性算力和运维能力提出更高要求；
• 开源框架适配、模型迁移和版本迭代，会持续影响企业落地效率。

华为强调“算存网一体化”：把高速公路修得更宽

在黄健看来，AI 基础设施不能只讨论单颗芯片的先进制程。随着大模型训练和推理对通信时延、集群互联和分布式协同的要求不断提升，算力、存力、运力三者必须作为一个整体来设计。他用“高速公路修得更宽”来概括这一思路：与其单点追求芯片参数，不如通过网络、计算和存储协同，降低大规模集群中的通信损耗和资源等待。

据介绍，华为已将 NPO 带宽提升八倍以上，Token 产生效率提升五倍。华为还提到，其依托星河 AI 数据中心网络和昇腾超节点，从硬件、软件、调度、生态四个层面协同，以降低分布式通信损耗，并通过弹性调度适配业务波峰波谷和多并发场景。对中文科技产业而言，这一表述释放出一个信号：AI 基础设施竞争正在从“单卡性能”扩展到集群级效率与工程化交付能力。

面向不同规模互联网企业，华为推进分层服务与开源适配

针对互联网行业高并发、高稳定的特点，华为介绍了三层专属服务体系，覆盖不同规模企业的交付与运维需求。对于头部互联网企业，华为称会搭建专属服务团队，配备研发与行业复合型工程师，提供贴身服务；对于中小互联网企业，则联合生态伙伴提供标准化服务，覆盖前期算力架构规划、网络优化部署，以及日常远程和现场运维等环节。

来源还显示，面向互联网与云厂商等高要求客户，华为不仅提供昇腾超节点、灵渠、高可靠等产品，也投入大量人员进行主流开源软件适配和联合创新，并与主流开源社区协同，参与社区贡献、治理和路标规划，将部分优质特性上传社区。其目标是降低大模型训练、推理、迁移和落地门槛，为开发者提供更易用的算力底座与工具链。

影响解读：AI 基建竞争进入“系统工程”阶段

从这次沟通会释放的信息看，华为希望把外界对 AI 算力的关注点从芯片单点，进一步引向数据中心网络、分布式调度、开源生态和行业服务能力。对企业用户来说，真正决定 AI 应用能否规模化落地的，往往不是“有没有模型”，而是能否在可控成本下稳定处理海量请求，并持续完成模型迭代和业务集成。

随着 AI Agent 成为互联网业务的重要入口，Token 调用量和模型交互频次还可能继续上升。未来一段时间，算力供给、网络互联、存储架构和软件生态将共同决定大模型产业的落地速度。华为此次强调“运力”瓶颈，也意味着 AI 基础设施的竞争重心正在从硬件参数比拼，转向更复杂的全栈协同与产业生态建设。