AI 的推理量,第一次超过了训练量

今天先给你看一个数字。

11 月第一天，赛迪研究院发布了一份《新域新质创新发展十大趋势》报告。里面有一句话，可能很多人扫一眼就过去了，但我建议你停下来多看两眼：

我国人工智能推理数据量，首次超过了训练数据量。

截至 2026 年 6 月，中国日均词元（Token）调用量超过 175 万亿，较 2024 年年初增长了 1000 多倍。国产算力和大模型，已经在钢铁、汽车等 20 个行业落地了 1000 多个应用场景。

这个"首次超过"，看起来只是一个统计口径的变化。但它背后的含义，可能比过去一年所有模型发布会的总和还要大。

什么意思？

打个比方。过去两年，全世界的 AI 公司都在干一件事：修路。买芯片、建数据中心、训模型，这是一条从零开始的高速公路，钱都花在"建设"上。训练数据量，就是修路的进度条。

而推理，是路上跑的车。用户每一次提问、每一次调用、每一次生成，都是一次推理。推理数据量，就是这条路上实实在在的车流量。

推理量第一次超过训练量，意味着什么？意味着车流量，第一次超过了施工量。

AI，正在从"修路时代"，进入"跑车时代"。

而与此同时，大洋彼岸的资本市场，还在为"修路"定价。这两件事撞在一起，就撞出了今天我们要聊的五件事。

一、韩国股市蒸发 1.1 万亿美元：资本市场还在用旧地图

先看一个反差剧烈的故事。

过去一年多，韩国股市曾是全球表现最好的市场之一。逻辑很简单：全球 AI 军备竞赛，离不开存储芯片，而存储芯片，一半以上出自两家韩国公司——三星和 SK 海力士。AI 有多火，韩国股市就有多火。

然后，风向突然变了。

从 2026 年 6 月 22 日到 7 月 16 日，KOSPI 指数在不到一个月的时间里进入熊市，市值缩水超过四分之一，蒸发近 1.1 万亿美元。SK 海力士跌了 38%，三星跌了 29%。

为什么？

ChinaTalk 的一篇分析文章指出，问题的根源在于"集中"两个字：全球 AI 的存储器供给，过度集中于韩国两家公司；而韩国股市的上涨逻辑，又过度集中于这两个客户——全球的 AI 巨头。

这是一种危险的共振。AI 资本开支预期稍有波动，整个国家的资本市场就要跟着抖三抖。

这背后的真问题是：全世界的资金，都还在围绕"修路"——也就是 AI 基础设施建设——定价。芯片、内存、数据中心、电力，所有估值都建立在一个假设上：AI 大基建会永远高速扩张下去。

可一旦下游的"车流量"（也就是真实的收入和应用）跟不上修路的速度，估值就会像多米诺骨牌一样倒下去。

韩国股市蒸发的 1.1 万亿美元，本质上是市场在重新回答一个问题：修的这条路，到底有没有那么多车在上面跑？

巧了。答案，恰好藏在中国的那份报告里。

二、日均 175 万亿次调用：车流量真的来了

回到开头那个交叉点。

2024 年年初，中国的日均词元调用量还很小，那时候 AI 的钱，九成花在训练上——买卡、组集群、训大模型，全行业都在赛跑"谁的模型更强"。

到 2026 年 6 月，这个数字变成了日均 175 万亿，涨了 1000 多倍。而且结构变了：推理数据量首次超过训练数据量。

什么叫推理超过训练？翻译成商业语言就是：花在"用"上的算力，第一次超过了花在"造"上的算力。

这是一个里程碑式的结构变化。因为训练是一次性投入，而推理是持续性收入。训练是成本中心，推理是收入中心。

当一个行业的收入中心开始超过成本中心，说明这个行业，开始"自己养活自己"了。

再看落地的广度：钢铁、汽车等 20 个行业，1000 多个应用场景，500 多家卓越级智能工厂。AI 已经不在演示文稿里了，它在炼钢炉边上，在汽车生产线上。

这才是对韩国股市那个问题的正面回答：车流量不仅来了，而且正在以每年 10 倍以上的速度增长。

但车流量来了，对谁最有利？我们看两家完全不同的公司是怎么接住它的。

三、思科的"无上限 Token 预算"：大公司的新算术

《财富》报道了一个很有意思的任命。

思科总裁兼首席产品官 Jeetu Patel，把一个 27 岁的工程师 Padmanabhan Krishnamurthy 叫来，交给他一项任务：用 AI 重构思科的遗留代码。目标，是 24 个月内重写 98%。

给他的资源是什么？无上限的 Token 预算。

注意这个细节：不是无上限的预算，是无上限的"Token"预算。

这两者的区别，就是时代的变化。五年前，公司想干一件大事，给的是人头预算——招 200 个工程师，干三年。今天，思科给的是 Token 预算——不限量地调用 AI，用极少的团队干过去几百人的活。

这笔账思科算得很清楚：一家运营几十年的老公司，积累了海量的遗留代码，每一行都牵一发而动全身。过去重写它们的成本高到不如不写，所以越积越多，成为公司的"技术债务黑洞"。

而 AI 把这个成本打下来了。当重写 98% 遗留代码从"不可能"变成"24 个月的工程"，那些背着几十年技术包袱的大公司，第一次有了"轻装上阵"的机会。

这里有个很值得琢磨的信号：大公司用 AI，已经从"给员工配个 Copilot 提效"，进化到"让 AI 重新做一遍核心业务"。

前者是省小钱，后者是换发动机。

那小公司呢？小公司的故事，更夸张。

四、Roblox 上 7 万款 AI 游戏：一个人的游戏公司

思科是巨象转身，Roblox 上发生的，则是蚂蚁雄兵。

Roblox 在 2026 财年第三季度报告中披露了一组数据：平台上用它的 AI 工具"Build"创建的游戏，已经超过 7 万款。更关键的是，9 月份游玩时长排名前 100 的游戏里，超过 80% 使用了 AI 辅助开发。

注意，不是 80% 的游戏"用了点 AI"，而是头部游戏里的绝大多数，其开发过程已经有 AI 深度参与。

Roblox 是一个什么平台？一个主要用户是青少年和独立开发者的 UGC 游戏平台。在这里做游戏的，大多是没有任何资本、没有团队、甚至没有系统学过编程的个人。

而现在，这群人靠着 AI 辅助开发，做出来的游戏，把职业工作室挤出了排行榜前列。

这件事的商业含义，怎么强调都不过分：

过去，创业的第一道门槛是"生产能力"。你会不会写代码、会不会做美术、能不能养活一个团队，决定了你能不能入场。AI 把这道门槛，几乎拆平了。

当生产能力不再稀缺，稀缺的东西就变了——变成品味、变成对玩家需求的理解、变成持续运营的耐心。

入口被打开之后，7 万款游戏涌入，最后能跑到前 100 的是极少数。AI 降低的是生产门槛，不是成功门槛。但至少，牌桌对所有人开放了。

五、AI 承担 26% 的研发任务：飞轮开始自己转

最后一件事，可能最值得长期主义者记住。

白宫科技顾问 David Sacks 在 All-In Podcast 中提到：Anthropic 自己在 8 月的博客里披露过，在构建下一代模型的相关任务中，已经有 26% 由 RSI——递归自我改进——完成。

也就是说，Anthropic 训练下一代 Claude 的工作里，每四份任务，就有一份是 AI 自己干的。

Sacks 还补了一句：这只是 8 月的数据，10 月的进展，不得而知。

"不得而知"这四个字，才是重点。

这就是 AI 行业最独特的飞轮结构：用现阶段的 AI，去研发下一代 AI。模型每强一分，研发效率就高一分；研发效率高一分，下一代模型就来得更快、更强。

26% 这个数字的意义在于：飞轮转起来的证据，第一次被头部公司自己盖章确认了。而且是 8 月的数据——按照这个行业的速度，今天的比例大概率已经更高。

很多人还在争论"AI 会不会取代程序员"。而 Anthropic 给出的现实版本是：AI 已经在取代"AI 研究员"的一部分工作了。

这个飞轮也解释了前面所有的事：为什么推理调用量能一年涨千倍（模型能力和成本同步优化），为什么大公司敢押注重写核心代码，为什么独立开发者能做出头部产品——底层都是同一个变量在指数级变化。

写在最后

把今天的五件事串起来，其实是一句话：

AI 的故事，正在从"基建叙事"切换到"应用叙事"。

过去两年，判断一家 AI 公司，看它的融资额、算力储备、模型跑分——全是"修路"的指标。今天，路修得差不多了，175 万亿的日调用量说明车已经上路，思科们在让车运真货，Roblox 上的个人开发者在开自己的车，而 Anthropic 的 AI 已经坐进了造车车间。

三个建议，送给正在观望的你：

第一，如果你是企业经营者，认真评估一下"思科式问题"：你的公司里，有没有那种"早该重做、但因为成本太高一直没做"的核心业务？现在，成本结构变了。

第二，如果你是个人创业者，Roblox 的数据说明窗口还开着，但它同时说明赛道会迅速拥挤。生产能力人人都有之后，比的是你独特的领域理解和审美。

第三，如果你是投资者，看 AI 相关资产时，把估值锚点从"算力规模"逐步转向"推理收入"——车流量，比施工量更能说明一条路的真实价值。

修路的时代，看谁挖得深。

跑车时代，看谁跑得远。

信息来源：赛迪研究院《新域新质创新发展十大趋势》（IT之家）、ChinaTalk、The Fortune（《财富》） via IT之家、Roblox 2026 财年 Q3 财报、All-In Podcast（David Sacks）。数字与表述均转引自 AI HOT 收录的公开报道，发布前建议回溯原文核对。