新华财经上海4月15日电（记者高少华）野村中国科技及电讯行业分析师段冰近日在野村“中国AI行业分析和观察”线上媒体交流会上表示，全球AI基础设施投资保持旺盛，大模型训练与推理需求成为核心驱动力。今年以OpenClaw为代表的AI智能体应用成为流量爆发式增长的核心动力，取代编程类应用成为年度增长引擎。当前AI基础设施、基础大模型与上层应用已经形成良性发展循环，将持续推动中国人工智能全产业链增长，为产业与投资领域带来更多发展机遇。

　　针对当前火热的“词元”（Token）经济，段冰认为，智能体应用大规模落地是Token经济成立的基础，其核心价值仍取决于基础大模型能力。中国在电力、数据中心等基础设施上具备成本优势，有望转化为Token定价优势，支撑大模型与AI Agent出海，但前提是要补齐基础模型与高端算力短板。

　　近期中国大模型Token调用量连续多周超越美国，段冰认为核心驱动力来自国内外双重需求。一方面是国内用户的需求增长，另一方面是很多海外用户开始使用国产大模型，国产大模型具有更高的性价比优势，而且坚持开源技术路线，方便用户进行定制化开发。

　　“在全球范围的人工智能竞争中，中国有一个独特优势，即创新能力比较强，迭代速度非常快。”段冰表示，无论是大模型本身版本的迭代，还是类似OpenClaw的智能体应用，更新速度都非常快，国内用户也有意愿去接受这种新兴应用和产品。正是因为国内外都有很强的用户和流量增长基础，中国大模型Token调用量增长预期还会持续下去。

　　目前，很多国产大模型厂商的海外营收占比不断增长，Token出海成为热点。段冰表示，国产大模型海外高营收占比已构成真正意义上的Token出海，现在国内厂商主打性价比路线，在技术表现上与海外最先进模型之间的差距在逐步缩小，海外用户有着真实的使用场景，对token消费的需求也比较多元化，很适合用中国厂商的大模型和智能体产品。下一步，中国厂商仍需提升基础模型能力，在高端领域创造出较强的竞争力，可以深入到金融、医疗或者自动驾驶等一些垂直领域，与本地用户、企业实现深度绑定。

　　在算力结构方面，行业正从训练主导转向推理主导。据段冰介绍，推理场景对单芯片算力要求相对更低，更适配国产AI芯片与自研专用集成电路（ASIC）芯片，利好硬件生态成熟；但大规模Agent爆发对算力集群的稳定性、互联技术与软件栈提出更高要求，国内芯片通用软件栈不完善、先进制程产能受限仍是突出瓶颈。

　　近年来随着人工智能驱动全球算力需求爆发，推动高性能芯片（包括GPU和ASIC）功耗及单机柜功率密度持续攀升，传统风冷已难以满足相关散热需求，具有更高散热效率的液冷成为必选方案。

　　对此，段冰向记者表示，目前在海外市场，由于高端算力芯片功耗大幅提升，对于一些平台来说，液冷已经成为刚需，无论是规模的上量，还是技术的快速迭代，都处于一个加速的过程。在国内，一些大型互联网厂商和互联网数据中心，对液冷整体解决方案的态度也非常积极。液冷解决方案能够极大地提高整体能源效率，在国内，这一块市场也在逐步发展起来。

　　除此之外，在中美AI商业化节奏方面，段冰认为，两国基础模型平台均处于变现探索期，海外头部企业因模型能力与付费环境优势变现更快。上层应用企业均面临底层模型功能外溢的压力，一些标准化的应用容易被替代，与企业数据、信息技术系统深度绑定的软件更具有长期价值。中国人工智能正处于技术、应用、成本优势共振阶段，随着基础能力持续增强与商业化路径逐渐清晰，全球竞争力将进一步增强。

（文章来源：新华财经）