今年以來，全球人工智能領(lǐng)域出現(xiàn)了一個(gè)新挑戰(zhàn)——“詞元短缺”。多家國際頂尖模型廠商與科技巨頭對人工智能服務(wù)實(shí)施了不同程度的限量供應(yīng)與調(diào)用限制。例如，Claude模型的開發(fā)者美國Anthropic公司調(diào)整了使用條款，以遏制高峰時(shí)段的過量使用；亞馬遜公司表示，“產(chǎn)能限制”已拖累其增長步伐；OpenAI公司甚至?xí)和；蚍啪徚祟愃埔曨l應(yīng)用Sora等非核心項(xiàng)目的資源投入，將寶貴的算力集中于可產(chǎn)生直接營收的業(yè)務(wù)板塊。

　　所謂詞元，通俗來講，就是大模型處理信息的最小單元。就像我們的閱讀以字為單位一樣，人工智能在處理文字、圖片或代碼時(shí)，會(huì)將信息拆解為一個(gè)個(gè)可計(jì)算的最小單位。大模型每處理一個(gè)詞元，都要消耗相應(yīng)的計(jì)算資源。因此，詞元短缺本質(zhì)上是算力短缺的一種具象表達(dá)，它直觀反映了智能時(shí)代算力資源的使用成本與供需矛盾。

　　當(dāng)前，全球部分國家和地區(qū)出現(xiàn)的算力緊張局面，一方面與芯片制造、電力供應(yīng)等物理層面的瓶頸有關(guān)，更關(guān)鍵的原因在于，人工智能需求的爆發(fā)式增長超出了現(xiàn)有供給的承載能力。全球人工智能模型聚合平臺(tái)OpenRouter公司的數(shù)據(jù)顯示，今年第一季度，每周詞元消耗量翻了兩番。這種需求的快速上升，主要源于人工智能應(yīng)用范式的深刻轉(zhuǎn)變。

　　一是人工智能正從“輔助工具”向“任務(wù)代理”跨越。過去，人工智能主要用于聊天問答、內(nèi)容生成等簡單場景。如今，一些新型人工智能代理已能直接操作電腦，完成代碼編寫、文件整理、跨軟件協(xié)作等復(fù)雜任務(wù)。這種從“動(dòng)嘴”到“動(dòng)手”的轉(zhuǎn)變，使得單次任務(wù)的算力消耗大幅增加，部分復(fù)雜任務(wù)甚至可提升數(shù)個(gè)數(shù)量級(jí)。

　　二是頂尖供應(yīng)商堅(jiān)持“以算力換智力”。為了提升人工智能完成任務(wù)的可靠性與準(zhǔn)確性，全球頂尖模型廣泛采用“推理時(shí)擴(kuò)展”技術(shù)。模型在回答前，會(huì)像人類一樣在后臺(tái)進(jìn)行多輪分析、推演和檢查。例如，在處理“調(diào)研某行業(yè)并撰寫報(bào)告”這一任務(wù)時(shí)，人工智能需要自主打開網(wǎng)頁、讀取財(cái)報(bào)、調(diào)用分析工具，單任務(wù)可持續(xù)運(yùn)行數(shù)小時(shí)，詞元消耗量可達(dá)數(shù)百萬級(jí)別。

　　三是商業(yè)化應(yīng)用突破關(guān)鍵臨界點(diǎn)。隨著高性能模型在穩(wěn)定性、準(zhǔn)確性上實(shí)現(xiàn)質(zhì)的突破，人工智能開始在金融、醫(yī)療、企業(yè)核心業(yè)務(wù)等場景中創(chuàng)造實(shí)際收益。企業(yè)大規(guī)模調(diào)用模型的意愿顯著增強(qiáng)，算力需求正從“技術(shù)嘗鮮”轉(zhuǎn)向“業(yè)務(wù)剛需”。

　　面對詞元短缺帶來的挑戰(zhàn)，全球科技企業(yè)正在積極探索應(yīng)對之策。短期來看，優(yōu)化資源配置是破局的關(guān)鍵。一個(gè)普遍的做法是通過算法優(yōu)化來降低任務(wù)對高端算力的依賴。比如，OpenAI和Anthropic等公司的編程代理已經(jīng)能夠?qū)斎胄畔⑦M(jìn)行“上下文壓縮”，先處理摘要信息，必要時(shí)再查詢原始資料，以節(jié)約算力。中國企業(yè)在推理效率提升方面也取得明顯進(jìn)展。一些國際平臺(tái)統(tǒng)計(jì)顯示，中國人工智能模型周度的全球調(diào)用量一度超過海外模型，這是中國模型憑借較高性價(jià)比和算力使用效率，承擔(dān)大量高頻、通用型任務(wù)的體現(xiàn)。這也證明，通過技術(shù)創(chuàng)新提升單位算力的產(chǎn)出效率，是緩解算力焦慮的有效途徑。

　　長期來看，擴(kuò)充產(chǎn)能與推進(jìn)技術(shù)替代同樣重要。當(dāng)前，全球科技企業(yè)正在加快建設(shè)數(shù)據(jù)中心，擴(kuò)大高端芯片采購規(guī)模。同時(shí)，為降低對單一供應(yīng)鏈的依賴，一些企業(yè)也在積極探索替代路線。例如，谷歌提出強(qiáng)化自研TPU芯片體系，試圖通過軟硬一體化的定制芯片來降低成本、穩(wěn)固供應(yīng)。此外，邊緣計(jì)算、更高效的模型架構(gòu)（如混合專家模型）以及新型存儲(chǔ)與互聯(lián)技術(shù)，也在逐步走向成熟，有望從不同維度緩解集中的算力壓力。

　　詞元短缺現(xiàn)象，是全球算力格局深度調(diào)整的一個(gè)縮影。在智能時(shí)代，算力已成為類似水、電一樣的基礎(chǔ)性戰(zhàn)略資源。唯有兼顧短期優(yōu)化與長期布局，統(tǒng)籌技術(shù)迭代與產(chǎn)能建設(shè)，才能推動(dòng)人工智能產(chǎn)業(yè)平穩(wěn)有序發(fā)展，在激烈的國際科技競爭中贏得主動(dòng)。（沈建光 作者為京東集團(tuán)首席經(jīng)濟(jì)學(xué)家）