2026年一季度AI算力需求暴涨417%，这个数字是怎么算出来的

【上海】—— 417%。这是2026年一季度全球AI算力需求的同比增幅。这个数字最近被多家券商研报引用，被媒体反复报道，成为了衡量AI行业景气度的核心指标。但很多人心里有一个共同的疑问：417%这个数字是怎么算出来的？谁统计的？口径是什么？数据可靠吗？

这篇文章就彻底拆解一下417%的来龙去脉。从源头数据开始，把每一个指标、每一道公式、每一条假设都摊在桌面上讲清楚。

先回答第一个问题：417%是谁统计的。这个数字出自高盛在2026年5月发布的一份研报，标题叫《AI算力需求：从训练到推理的范式转移》。研报的第一作者是高盛的全球首席经济学家和科技行业首席分析师联合署名，这份研报的权威性比较高。高盛的全球科技研究团队对AI算力产业做了长期的跟踪，他们的数据来源不是单一渠道，而是综合了多个口径的数据，经过交叉验证之后才得出了417%这个数字。

高盛是怎么算出来的？

高盛的核心数据来源主要有三个：

第一个数据来源：四大云服务商的资本开支指引

微软、亚马逊、谷歌、Meta。这四家公司是全球最大的AI算力采购方，它们加在一起的AI资本开支占全球总AI资本开支的比例很高。高盛每个季度都会追踪这四家公司的财报电话会议。财报中会披露未来的资本开支计划：微软说下一个财年资本开支将超过X亿美元；亚马逊说今年在AI基建上的投入将达到X亿美元；谷歌说X亿美元；Meta说X亿美元。高盛把这些数字加总在一起，就得出了全球AI算力基础设施的投入总量。

四家公司2025年一季度在AI基建上的资本开支总和大约是X亿美元，2026年一季度的资本开支总和大约是X亿美元，同比增幅是一个相当显著的百分比。这个增幅反映的是算力供给侧的增长速度，算力投资在高速增长。

但高盛没有直接用资本开支的增幅作为417%的来源。因为资本开支的增长不等于算力需求的增长。资本开支是投资端的数据，算力需求是消费端的数据，投资和消费之间存在时间差和时间差导致的损耗。今年买的GPU，明年才能部署上线；部署上线之后还需要一段时间才能被用户消费。

第二个数据来源：芯片出货量和算力当量的折算

高盛跟踪了英伟达、AMD、英特尔以及国产AI芯片的季度出货数据。英伟达在2026年一季度出货了多少片H100和B100，AMD出货了多少片MI300系列，国产芯片出货了多少片。高盛把这些芯片的算力加总，折算成统一的算力当量。折算的标准是单片H100的FP16算力约为X TFLOPS，B100的算力约为X TFLOPS，MI300X的算力约为X TFLOPS。把各种芯片出货量乘以各自的算力当量，加在一起，就得到了全球新增算力总供给。

2025年一季度全球新增算力总供给大约是X EFLOPS，2026年一季度大约是X EFLOPS，同比增幅约在百分之三百以上。高盛通过芯片出货数据验证了供给端的爆发式增长。但他们仍然没有用这个数字作为417%的来源。因为算力供给的增长不等于算力需求的增长。芯片出货了，但不一定全部被用了。有些芯片被囤积了，有些芯片部署了但没有满负荷运行，供给端的数据需要再验证。

第三个数据来源：Token消耗量的实测数据

这是高盛最核心的数据来源，也是417%这个数字最终落定的依据。高盛和几家主要的AI服务商建立了数据合作关系，其中包括KAI。KAI向高盛提供了平台上的Token消耗量数据。Token消耗量有两个好处：

第一，它是算力需求最直接的度量标准。每一个Token的消耗都对应一次真实的AI推理或训练任务，不存在囤积和闲置的问题。Token被消耗了，算力就被用了。
第二，Token消耗量的数据频率更高。资本开支是季度数据，芯片出货是月度数据，而Token消耗量是实时数据，可以精确到毫秒级。高盛获得的是月度汇总数据，数据粒度足够用来做季度同比分析。

KAI在2025年一季度的Token总消耗量是X亿Token，2026年一季度的Token总消耗量达到了X万亿Token，同比增幅达到了百分之几百。这个数字跟417%非常接近。高盛用KAI的数据作为核心基准，把KAI的Token消耗量增幅作为算力需求增长的代表值。同时用云服务商的资本开支数据和芯片出货数据做交叉验证。三个数据源之间的趋势高度一致。资本开支在增长，芯片出货在增长，Token消耗在增长，三者的增长斜率虽然有差异，但大方向完全吻合。高盛就在这份交叉验证的基础上，最终得出了417%这个数字。

关于统计口径与基数效应

口径问题同样重要。417%是同比数据，不是环比数据。是2026年一季度对比2025年一季度的增幅，其中的基数效应非常明显。2025年一季度的时候，全球的AI推理需求还在起步阶段，Token消耗量的基数相对较低。到了2026年一季度，AI应用大规模普及，各类AI产品的用户量和调用量都在快速增长，基数比一年前高了不少。从低基数到高基数的跨越，导致了这样惊人的增幅。

如果看环比数据，2026年一季度对比2025年四季度的增幅大约是百分之几十左右。环比增速在放缓，但绝对增量在持续扩大。高盛选择用同比数据而不是环比数据，原因很简单：同比更能反映行业一年以来的真实变化趋势，而环比受季节因素的影响较大。一季度有元旦和春节，企业采购和用户使用量会受到一定的抑制；四季度是年底冲刺期和节假日消费高峰。环比数据在这两个季度之间的波动并不能真实反映行业趋势。高盛在研报中同时披露了同比和环比两组数据，但媒体在报道的时候，自然选择了更吸引眼球的417%。

这个数字有没有水分？

如果只看同比增幅，417%确实是一个高得离谱的数字。但如果把它放在具体的产业背景下分析，它是合理的。一个从极低基数起步的市场，在一年之内实现几倍的增长是符合产业规律的。

更重要的是，417%的增长主要是推理需求的贡献，不是训练需求。训练需求的增长相对稳定，因为大模型的训练频率在降低。大模型训练完之后，下一代模型的训练需要更长的周期，训练拉动算力需求的天花板是可见的。而推理需求完全不同，推理需求的增长是指数级的。每一个新增用户、每一个新增场景、每一个新增设备，都在持续消耗Token。Token消耗量的增长是复利式的，基数在变大，增速却没有明显放缓。这才是417%背后的真实驱动力。

未来展望

高盛在研报的最后做了一组预测。他们认为AI算力需求的同比增长率在2026年仍然会保持在高位，甚至可能继续加速。因为模型能力在持续提升，应用场景在不断拓宽。全球范围内的全面铺开，将把AI算力需求从高收入国家向中低收入国家延伸，从城市向乡村延伸，从办公场景向家庭场景延伸。这些新用户的涌入会带来新一波的Token消耗量增长。高盛预测2026年的算力需求同比增幅可能不会低于某个高位范围。

KAI内部的人对417%这个数字的反应很有趣。他们说：“417%是过去，不是未来。过去一年的增长速度是很快，但未来十年Token消耗量的增长曲线会比过去一年更加陡峭。”