东兴证券研报指出，AI算力需求正经历从“训练主导”向“推理主导”的结构性转变。2024年我国数据中心加速卡中推理卡占比已达57.6%，训练卡仅33%。DeepSeek对训练算力资源的节约并未让整体算力需求减少，反而由于AI Agent等应用的落地，推理算力需求加速爆发。国产AI芯片占比从2022年的不足15%提升至2025年上半年的超四成。本文从结构变化、国产替代、投资方向三方面拆解推理算力爆发逻辑。
推理算力占比超训练：57.6% vs 33%，算力结构历史性转折
AI算力市场正经历从“训练”到“推理”的历史性切换。据第一财经援引IDC、数据港数据，2024年我国数据中心加速卡有57.6%是推理卡，33%是训练卡，推理已取代训练成为AI算力需求的主体。我国加速计算服务器市场出货量2024年同比增长97.3%，预计2025年增长52.9%，整体算力市场仍维持高景气。这一结构性变化的核心驱动是AI应用形态从“训练大模型”向“部署AI Agent”演进——训练是阶段性的“建模型”需求，推理是持续性的“用模型”需求。DeepSeek等低成本训练方案并未减少总体算力需求，反而因大幅降低AI应用门槛，使更多企业和开发者能够部署AI Agent，从而推动推理算力需求加速释放。从全球视角看，科技巨头Capex持续向推理侧倾斜，微软、亚马逊、谷歌、Meta 2025年合计资本支出预计超3200亿美元，推理芯片采购占比持续提升。
表：中国数据中心加速卡市场结构变化| 用途类型 | 2024年占比 | 趋势 |
|---|
| 推理卡 | 57.6% | 持续提升 |
| 训练卡 | 33.0% | 占比下降 |
| 其他 | 9.4% | — |
推理需求倒逼国产算力加速替代：国产占比从15%升至超40%
推理需求的爆发为国产AI芯片提供了历史性机遇。在模型算力需求以训练为主时，由于英伟达芯片算力高、生态好、集群大，同时模型训练难以兼容异构芯片，训练大部分跑在英伟达卡上，国产芯片仅作为备用方案。但随着推理需求占比超过训练，厂商可以根据应用需求把面向某个应用的推理放到国产芯片上——推理环节对AI芯片性能要求较低，国产芯片与英伟达的差距在推理场景中大幅缩小。据IDC数据，2022年和2023年英伟达占中国数据中心加速卡市场的85%-90%；2024年这一比例已降至65.2%，国产算力占比达34.6%；2025年上半年国产算力占比或超四成。华为基于昇腾硬件训练准万亿模型（Pangu Ultra MoE，7180亿参数），推理芯片在昇腾、寒武纪、海光等国产厂商的产品在推理场景中已具备较好的性价比。英伟达H20受出口管制持续受限，进一步加速国产替代进程。
算力结构变化带来的投资逻辑重构
推理算力主导的新格局下，AI算力投资逻辑需相应调整。算力需求持续性提升——推理需求是“消耗品”，与终端用户数和应用频次直接相关，需求持续性远强于训练；芯片性能要求差异化——推理场景对单卡算力峰值要求较低，但对延迟、吞吐、功耗等综合指标要求更高，国产芯片在推理场景的竞争力相对更强；存量英伟达芯片可满足推理需求，新采购中推理芯片的国产替代比例将持续提升。生态壁垒弱化——CUDA在训练场景的生态优势在推理场景中被弱化（推理对算子灵活性要求较低），国产芯片配套软件栈（华为CANN、海光“类CUDA”等）在推理场景中基本可用。建议关注国产AI芯片核心标的（海光信息、寒武纪）、AI服务器（浪潮信息）、以及推理算力需求驱动下受益的IDC和算力租赁环节。
