本报告旨在提供一个推理算力需求从用户渗透到Token调用、再到硬件支出的分析框架，我们通过对Google与微软（OpenAI）未来Token调用量、算力总需求和未来硬件支出节奏的测算，得出结论：推理算力需求增长速度快于单位算力成本的降低。我们持续看好推理端算力需求的加速增长。
核心观点推理算力需求增长或快于算力单位成本下降
总算力支出受到算力需求与成本的共同影响。随AI应用用户数量的不断增长及Agent的渗透不断提升，推理端算力需求不断上升；同时，由于硬件的迭代与infra算法的不断改进，模型推理的单位成本不断下降，模型推理价格目前已下降到2023年初的1/100以下，目前市场对未来推理端算力支出节奏存在分歧。本报告旨在提供一个推理算力需求从用户渗透到Token调用、再到硬件支出的分析框架，我们通过对Google与微软（OpenAI）未来Token调用量、算力总需求和未来硬件支出节奏的测算，得出结论：推理算力需求增长速度快于单位算力成本的降低。我们持续看好推理端算力需求的加速增长。
海内外大厂Token调用量增长迅速，推理算力需求快速增长
海外CSP厂商来看，根据25年5月Google I/O大会数据，Google的Token月均调用量从24年4月的9.7万亿增长至25年4月的480万亿，增长50倍。根据微软FY25Q3电话会数据，Azure AI基础设施在25年一季度处理了超100万亿Token，较去年同期增长5倍，其中3月份单月Token调用量达50万亿。国内互联网大厂来看，25年5月字节火山引擎Token日均调用量为16.4万亿（月均508T），是24年5月的137倍。我们认为，海内外大厂Token调用量已出现明显加速拐点，推理端算力需求快速增长。
考虑到单位算力成本下降后，Google算力支出仍有望高增
AI搜索的渗透是Google Token调用量增长的主要驱动，通过对AI Overview、AI Mode、Gemini 2C应用和其他推理需求的测算，我们预测Google 25年第二季度Token总量有望达到2009万亿，环比增长223%，相较于24Q2的71万亿Token增长接近30倍。单位算力成本 = 单位价格 / 算力，受软件算法优化与新版本芯片的部署影响，单位算力成本呈现下降趋势，根据我们测算，4/5/6月单位算力成本分别环比下降14%/13%/13%，下降幅度小于4/5/6月算力需求提升的环比增速56%/38%/32%。根据我们测算结果，Google 25年二季度推理算力开支仍有望环比增长100%以上。
用户使用量与Deep Research的渗透有望驱动微软算力需求高增
微软Token调用量的提升主要源于OpenAIChatGPT网页的访问量上升及Deep Research功能的渗透。考虑到以上两因素的影响，在我们的预测框架下，微软25年第二季度的总Token调用量有望达到205万亿，环比增长约100%。算力成本角度，算法优化带来模型浮点运算利用率的提升，即同样数量的芯片能带来更多的有效算力。根据我们测算，考虑到算法优化带来的算力成本下降后，微软年底的推理算力卡需求量仍约为3月的两倍有余，我们预测微软的算力硬件需求仍将维持高速增长。
正文海内外大厂Token调用量增长迅速，推理算力需求加速放量
大厂Token调用量增长迅速，推理算力需求加速放量。根据25年5月Google I/O大会，24年4月，Google的产品和API每月处理的Token总量为9.7万亿；25年5月这个数字已超过480万亿，足足成长了50倍。根据微软FY25Q3电话会表述，Azure AI基础设施在本季度处理了超100万亿Token，较去年同期增长5倍，其中3月份单月Token调用量达50万亿。
国内来看，以字节为代表的互联网大厂Token调用量同样增长迅速。根据字节火山引擎春季大会披露，字节火山引擎上5月底日均Token调用量为16.4万亿（月均508T），是24年5月的137倍，12月的4倍，与Google 4月份披露的月均480T Token调用基本持平。今年5月与去年12月Token调用分布对比来看，AI工具类Token消耗快速增长，其中AI搜索增长10倍，AI编程增长8.4倍。其他场景方面，K12在线教育场景五个月内Token消耗数增长12倍；视觉理解模型也推动了Token增长，新场景如智能巡检、视频检索等也实现日均百亿Token突破。我们认为，随应用场景的不断丰富，国内推理需求有望加速增长。
北美大厂Token调用量与算力需求测算
Google Token调用量与算力需求测算
Google Token调用量增长，主要源于AI搜索的拓展
Google Token量快速上涨的原因：AI搜索（AI Overview）
1) Google与微软Token调用量差异并不源自于Chatbot类产品：Gemini 和 ChatGPT在调用层面存在一定的相似性，Gemini在用户数量方面只有ChatGPT的1/3左右，但Token量却是微软的6倍，因此两者的Token差距并不来自Chatbot类应用。
2) Google Token调用量高增的驱动主要来自于AI搜索（AI Overview）：搜索是Google相比微软最有优势的部分，Google搜索占市场份额约90%，年搜索量达到5万亿，24年5月推出的AI Overview最有可能是导致Google和微软之间Token巨大差异的原因。今年第一季度，Google的Token调用量曲线上扬，25Q1/Q2分别环比增长81%/56%，根据Google电话会，25年一季度AI Overview迎来史上最大规模扩张，包括用户数量的增长和对问题回答的丰富，AI Overview的扩张是驱动Token快速增长的核心。
Google Token调用量测算
根据我们测算，25年5月和6月推理Token量将分别达到659/870万亿，环比增长37%/32%。25年第二季度Token总量将达到2009万亿，环比增长223%，相较于24Q2的71万亿Token增长接近30倍。
谷歌的推理Token主要包含三部分：AI搜索、Gemini 2C应用和其他推理需求。对于Token量变化，关键指标测算如下：
1) AI搜索： AI搜索Token量 = 月度AI搜索次数 单次搜索Token消耗
月度AI搜索次数 = 月度Google搜索次数 AI搜索渗透率。根据Google在25年3月的披露，Google每年搜索量达到5万亿次，以此预估3月份Google搜索量。从用户角度，3月份AI Overview的月活跃用户已达15亿，谷歌搜索月活约20亿。从关键词触发角度，根据Semrush，所有搜索关键词中触发AI Overview的比例约为13.14%。因此按实际所有搜索中的AI Overview所占的比例来看，渗透率应低于75%，假设3月渗透率为55%。
单次搜索Token消耗：搜索的Token消耗在Chat和Agent之间，假设每次AI Overview消耗为1200个Token。AI mode在25年3月推出，能够将原问题拆成多个子问题进行搜索，其Token消耗量应为普通AI Overview的数倍，假设消耗为5000Token。
2) Gemini：Gemini Token量 = 30DAU人均每日使用次数单次使用Token数
DAU = MAU (DAU/MAU)。25年3月Gemini的月活和日活分别为3.5亿和3500万，根据Google I/O大会披露，4月的月活为4亿。
人均每日使用次数：假设3月为10次，按中性增长的趋势推算其他月份情况。
单次使用Token数：由于Agent和Chat单次使用的Token数有显著差异，因此通过假设占比得到Gemini单次使用Token的均值。假设25年3月Agent的占比为1%。
3) 其他推理需求：假设占整体Token的比例基本不变。
影响Token量变化的核心指标：
1) AI搜索渗透率：月度Google搜索量超过4000亿，因此AI搜索渗透率的增长将带动Token调用量快速增加。
2) AI Mode的占比：AI Mode在25年3月测试，25年5月正式向美国用户推出。相比于传统搜索，AI Mode运行多个相关搜索，预测用户感兴趣的子问题并生成全面的整合性答案，因此AI Mode的Token调用量为AI Overview的数倍，AI Mode占比的增加可以成倍增长AI搜索Token总量。
3) Gemini Agent占比：Agent的Token调用量可能达到Chat的数百倍，Agent功能应用占比的增加将大幅带动Gemini Token的增长。
Google Token量快速增长有望带来资本开支持续高增
我们预计，Google二季度推理算力需求环比+223%。假设Gemini Pro和Gemini Flash在Token中占比保持50%/50%，推理过程所需要的算力可以由公式C≈2NBS来估算，算得25年第二季度总算力需求较一季度环比增长223%。
影响推理算力变化的核心指标：模型参数量和大参数模型调用占比：在Token数占比相近的情况下，模型参数量直接影响最终的算力需求，单位Token下Gemini Pro的算力需求是Gemini Flash的17倍。如果未来大参数模型的应用占比增长或模型参数增长，都会直接带动推理算力需求的增长。
我们预计，二季度推理算力资本开支环比+159%：根据我们测算，25年第二季度，Token量的增长将带给Google额外14.5亿美元的芯片资本开支，环比增长159%，主要原因是Token量的大幅增长。整体推理算力资本开支的增长意味着推理需求的增长（Token量增长）抵消了芯片迭代和算法优化导致的推理成本下降，我们看好算力资本开支的持续增长。
单位算力成本是影响推理资本开支变化的核心指标。单位算力成本 = 单位价格 / 算力，计算得算力成本呈现下跌趋势，4/5/6月单位算力成本分别环比下降14%/13%/13%。影响单位算力成本的因素主要有：
1) 新款芯片的迭代：可以量化为 新款芯片算力 占比 / 价格。以TPU迭代为例，TPU v7的FP16算力相比TPU v6的增长151%，价格增幅低于算力增幅的情况下，单位算力成本下降。
2) 算法迭代：目前假设每年算法导致推理成本下降为1/4，如果算法迭代的速度放缓，将导致需要的芯片数增长。
微软Token调用量与算力需求测算
OpenAI Token调用量增长主要源于用户数量增长与Deep Research功能的渗透
不同于Google的传统搜索中AI功能的渗透，OpenAI的Token调用量的提升主要源于ChatGPT网页的访问量上升及Deep Research功能的渗透。
1. ChatGPT部分：根据Semrush数据，OpenAI截至2025年3月的总月访问量约为6亿次，平均访问时长约为12min，假设用户平均每2min与ChatGPT进行一次问题交互，则对应12min的访问时长的单次访问问题总数为6个。假设单问题消耗的Token数量为1000个，则OpenAI的ChatGPT部分的Token调用总数为总访问量x（单次访问时长/单问题时长）x单问题Token数量=35.9 T Token。目前ChatGPT的总访问量与单次平均访问时长仍在快速增长，假设总访问量以10%左右的环比增速增长，则预计2025年第二季度的ChatGPT总Token调用量达153T，较第一季度环比增长85%。具体测算如下表所示：
2. Deep Research部分：OpenAI的Deep Research功能于2025年2月2日正式发布，完整版功能首先面向Pro版用户开放，而后进一步开放给了更多等级的订阅用户。其中，Plus、Team、教育和企业用户每月10次查询机会，Pro用户每月120次查询机会。本文测算将OpenAI的付费用户视作为Deep Research功能的核心用户群体。根据OpenAI披露OpenAI的2024年12月的WAU（周活跃用户）数量为3亿人，2025年2月的WAU为4亿人，4月WAU为5亿人，约环比增速10%以上。据OpenAI披露2025年5月的付费订阅用户数量达3万人，约占总WAU的0.6%。Deep Research单次回答问题推理时长一般在5-10min，输出文字长度与参考网页数量一般为单次交互的几十倍以上，据此我们假设单次Deep Research的Token数为单次交互的50倍，即5万Token。依据付费用户数量每月的Deep Research次数额度，我们假设每月每用户使用Deep Research的次数为40次。测算2025年3月Deep Research Token数量=付费用户数量x单次Deep Research的Token数x每月每用户使用Deep Research的次数=4.8T Token。
综上，根据我们测算，OpenAI 3月的总Token调用量约为40.7 T Token。OpenAI的Token调用为微软的Token消耗总数最大的部分，假设OpenAI Token调用占微软总Token数量的85%，据此计算微软3月份总Token调用量约为48T，这与微软披露的3月份Token数量基本吻合（根据微软电话会披露，2025年一季度微软总Token调用量约为100T Token，3月单月的Token调用量为50T）。根据我们预测，微软25年第二季度的总Token调用量有望达到205T，环比增长约100%。
根据我们测算，微软二季度推理算力需求环比增长99%。OpenAI未公布模型参数量数据，假设与Google一样，一半使用300B左右大参数模型（GPT o3），一半使用20B左右小参数模型（GPT o4-mini）。利用公式C≈2NBS来估算Token量增长对于算力需求的影响，计算出2025年3月整体推理算力需求为15.3 Trillion TFLOPs。我们预测微软2025年第二季度总算力需求为65.6 Trillion TFLOPs，环比增长99%，具体测算过程如下：
根据测算微软年底的推理算力卡需求量约为3月的两倍有余。根据英伟达官网，H100在FP16精度下单芯片算力为989 TFLOPs。随infra算法的优化与改进，推理过程的MFU（Model FLOPs Utilization，模型浮点运算利用率）呈上升趋势，中性假设每月提升1%，根据测算2025年3月份微软在推理部分的等效H100算力需求为4.3万张，未来月同比增速约为10%左右，根据测算微软年底的推理算力卡需求量约为3月的两倍有余。
结论：推理算力需求增长速度快于单位算力成本的降低
由于单位推理成本的不断下降，算力支出存在分歧。算力支出的影响因素可以拆分为算力需求和算力成本两项。AI应用用户数量的不断增长及Agent的渗透驱动算力需求不断上升，同时，由于硬件的迭代与算法改进，驱动推理成本的不断下降，根据Artificial Analysis数据，模型推理价格目前已下降到2023年初1/100以下，因此对整体的算力支出存在分歧。
根据我们测算，推理算力需求增长速度快于单位算力成本的降低。下图展示了Google 25年4月对比25年3月的情况，25年4月对比3月算力需求环比上升56%，算力成本环比下降14%，算力需求增长的影响高于算力成本下降的影响，未来算力支出将持续增长。同时，目前Agent还处于初期阶段，除Deep Research以外，更高级的Agent应用目前还未纳入测算范围。随更多General Agent的落地带来交互次数、任务复杂度、使用频率的提升，同时如屏幕识别等多模态的场景进一步加大Token的消耗，我们持续看好推理端算力需求的加速增长。
本文来源于：华泰睿思，作者：谢春生等，原文标题：《计算机：从Token角度，测算AI算力需求》
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。股票配资炒股提示：文章来自网络，不代表本站观点。
