從訓練到推理：智算需求正在經歷一場結構性轉向。

過去一年，如果僅從“算力需求增長”來理解中國智算產業(yè)的變化，顯然是不夠的。

在 2026 年 1 月 21 日舉辦的金山云年度 Tech Talk 上，金山云對其過去一年智算業(yè)務的演進進行了系統性回顧。從公開財報數據到客戶側真實使用情況，這些信息拼湊出了一幅更清晰的圖景：智算需求并非簡單放量，而是在訓練、推理、應用形態(tài)和工程方式等多個層面同時發(fā)生結構性變化。

這場變化的核心，不再只是“誰擁有更大規(guī)模算力”，而是圍繞模型如何被使用、Token 如何被消耗、算力如何被組織展開。

變化首先體現在財務數據上。

根據金山云披露的公開財報，其智算云業(yè)務在過去一年實現了高速增長。以 2025 年第三季度為例，智算云賬單收入達到 7.8 億元人民幣，同比增長接近 120%。這一數據并非孤立，而是延續(xù)了此前多個季度的增長趨勢，顯示智算已成為金山云收入結構中的重要組成部分。

金山云高級副總裁劉濤在分享中提到了金山云對這一趨勢的判斷：智算需求的增長重心，正在從訓練側逐步向推理側轉移。

從訓練視角看，過去幾年國內智算需求的主要推動力，來自少數對算力高度敏感的行業(yè)。

自動駕駛與具身智能，是其中最典型的代表。這些行業(yè)往往需要長期訓練模型，并處理視頻、點云、傳感器等海量多模態(tài)數據。在早期階段，它們對算力的需求更多集中在訓練規(guī)模本身。

但與通用大模型不同，這類行業(yè)模型并不一味追求參數規(guī)模最大化。劉濤在分享中指出，自動駕駛和具身智能模型在訓練階段，對算力密度的要求并不極端，但對顯存容量和數據處理能力要求更高。

這意味著，它們對算力平臺的訴求，正在從“算力數量”轉向“系統能力”——包括數據接入、預處理、多模態(tài)調度以及訓練全流程的工程化效率。

推理側的變化更加顯著。

如果說訓練側的變化仍然是漸進的，那么推理側的變化則更為直接和激烈。

一個被反復引用的數據，來自火山引擎在其公開發(fā)布會上的披露：平臺每日 Token 調用量已達到 50 萬億級別。這是當前國內少數被明確對外公布的 Token 規(guī)模數據之一，也成為行業(yè)理解推理負載的重要參考。

與此同時，多個面向大眾或企業(yè)的模型產品正在持續(xù)擴大推理需求。例如豆包、通義千問以及近期加大投入的騰訊元寶，都在不同程度上推動 Token 消耗快速增長。

這些產品并不完全運行在同一云平臺上，但它們共同指向一個事實：推理階段正在成為智算需求增長的主要來源，且這種增長具備明顯的外溢性。

在所有推理場景中，編程類應用被反復強調。

劉濤指出，2025 年一個尤為顯著的變化在于：編程相關請求正在成為 Token 消耗的主力場景之一。這一判斷并非孤立，而是與海外模型使用結構的統計結果高度一致。

“Vibe Coding”成為一個關鍵詞。一個廣為流傳的事實是，Claude Code 的大量代碼本身，正是由 Claude Code 參與生成的。這意味著模型不再只是輔助工具，而是深度介入軟件生產過程。

從全球 Token 調用結構來看，編程類請求在多家模型服務商中長期占據超高比例。金山云也觀察到了同樣的趨勢：代碼生成、重構和理解能力的提升，正在顯著改變程序員的工作方式，并直接放大推理側算力需求。

在具體應用層面，互聯網客戶仍然是智算需求的重要來源，但其需求形態(tài)已經發(fā)生變化。劉濤提到，當前互聯網場景呈現出三個明顯特征：

其一，多模態(tài)需求顯著增長。視頻生成、視頻理解以及復雜推理任務，帶動了訓練與推理負載的持續(xù)上升；

其二，模型參數規(guī)模不再單向膨脹，而是圍繞具體任務進行結構性調整；

其三，Vibe Coding 在頭部互聯網公司中已較為普及，使用更強的商用模型進行代碼開發(fā)，正在成為常態(tài)。

這些變化意味著，互聯網客戶對智算平臺的期待，已經從“算力服務”升級為對模型生命周期管理和工程體系的整體依賴。

為了滿足更多元化的需求，劉濤表示，2025 年，智算平臺金山云星流已完成從資源管理平臺向一站式 AI 訓推全流程平臺的戰(zhàn)略升級。從訓推平臺、機器人平臺到模型 API 服務，升級后的金山云星流平臺構建了從異構資源調度、訓練任務故障自愈到機器人行業(yè)應用支撐、模型 API 服務商業(yè)化落地的全鏈路閉環(huán)。

實現三維進階，智算云 AI 勢能全釋放

盡管各行各業(yè)大規(guī)模應用 AI 還處于早期探索階段，但定位行業(yè)助力者的金山云，多年來持續(xù)打磨全棧 AI 能力。從 2023 年的智算網基礎設施，到 2024 年智算云的平臺化和 Serverless 化，再到 2025 年的一站式 AI 訓推全流程平臺，通過提升平臺效率、突破行業(yè)邊界、加速推理布局，金山云為迎接 AI 應用爆發(fā)做好了充分準備。

在平臺效率方面，金山云星流訓推平臺提供從模型開發(fā)、訓練到推理的完整生命周期管理，具備開發(fā)、訓練、推理和數據處理四大模塊能力，通過降低多模塊協同復雜度，能實現“開箱即用”的 AI 開發(fā)體驗。自研的 GPU 故障自愈技術結合任務可觀測性設計，可實時監(jiān)控硬件健康狀態(tài)與任務進程，自動觸發(fā)故障遷移與任務重調度，降低算力中斷風險，保障長周期訓練任務穩(wěn)定運行。

作為面向機器人開發(fā)與落地的全鏈路云原生平臺，金山云星流機器人平臺深度融合數據采集、存儲、標注、模型開發(fā)、訓練、部署與仿真等核心環(huán)節(jié)，打造具身場景專屬的數據、模型、仿真一體化引擎。平臺率先實現具身智能數據工程領域采集、標注、管理的全鏈路閉環(huán)，可高效服務具身智能行業(yè)模型訓練、仿真應用場景分析等核心需求，助力客戶快速完成從算法研發(fā)到真實場景部署的全流程落地，最終推動機器人產業(yè)的智能化升級。

面向大模型應用開發(fā)者和企業(yè)用戶，金山云星流平臺模型 API 服務提供高可用、易集成的模型調用與管理能力，覆蓋模型調用的全生命周期。該服務支持高并發(fā)推理與多模型管理，能夠幫助用戶高效接入多種模型資源，助力大模型應用落地。目前，金山云星流平臺模型 API 服務已積累諸多行業(yè)客戶。

同時，金山云星流平臺的模型生態(tài)也在持續(xù)豐富。目前，平臺已支持近 40 種不同模型，包括 DeepSeek、Xiaomi MiMo、Qwen3、Kimi 等?？蛻敉ㄟ^一站式訪問，即可高效接入多種模型，在暢享穩(wěn)定高效云服務的同時，更加聚焦 AI 業(yè)務創(chuàng)新和價值創(chuàng)造。