随着生成式 AI 从技术验证加速走向产业落地，AI 算力的消耗结构正在发生根本性反转。此前支撑大模型迭代的训练算力虽仍在增长，但占比已呈现趋势性下降；而面向应用端的推理算力，在智能体、多模态交互、长上下文处理等场景的爆发式驱动下，正成为算力消耗的绝对主体。与之对应的是，行业对算力卡的评价体系正在经历一场底层重构 —— 单纯比拼峰值 TFLOPS 的时代已经过去，每瓦特电力可产出的 Token 数量，正成为衡量算力卡核心竞争力的全新标尺。

算力评价体系重构：从 “堆峰值” 到 “算能效”

过去数年，算力基础设施的建设逻辑本质上是 “以量取胜”：采购更多服务器、堆叠更多算力卡、扩大集群规模，单卡峰值算力是采购决策的核心指标。但这种粗放式扩张的边际效益正在快速递减，当集群规模从千卡级迈向万卡甚至十万卡级，卡间通信延迟、算力调度碎片化、散热供电瓶颈等问题带来的效率损耗呈指数级上升，部分数据中心的算力卡实际利用率不足六成。与此同时，Token 经济的快速崛起让算力设施的定位从 “成本机房” 转向 “数字价值生产系统”，单位算力的实际产出价值变得比纸面峰值性能更重要。

在推理场景下，峰值算力并不能直接等同于实际产出。内存带宽、缓存机制、精度适配、调度算法等因素，都会直接影响最终的 Token 生成效率。很多标称峰值算力很高的算力卡，在实际长上下文推理任务中，受限于显存带宽瓶颈，实际 Token 吞吐率远低于理论值，同时还伴随着极高的无效功耗。这也让行业逐渐意识到，对于占比越来越高的推理负载，真正有意义的指标是每消耗一瓦电能，能够稳定输出多少可用 Token，即每瓦 Token 数。这一指标同时覆盖了计算效率、内存效率与能源效率，能够更真实地反映算力卡的投入产出比。

算力卡竞争新赛场：能效比成核心分水岭

每瓦 Token 数成为新标尺，直接推动算力卡厂商的技术路线转向。国际与国内头部芯片厂商纷纷调整产品策略，从单纯追求单卡理论峰值，转向软硬一体的全链路能效优化。

从硬件架构层面看，新一代算力卡普遍针对推理场景做了专项设计。通过引入专门的 Transformer 引擎、支持低精度推理加速，结合更高带宽的显存技术，在控制功耗的前提下大幅提升 Token 吞吐能力。例如 Blackwell 架构通过对 FP4 精度的原生支持，配合 HBM 显存升级，实现了相较上代最高 50 倍的每兆瓦 Token 吞吐量提升；国产算力卡也在快速跟进，部分产品通过稀疏计算架构与定制化推理指令集，在同等功耗下实现了数倍于主流产品的能效表现。

除了硬件本身的迭代，系统级协同优化成为提升每瓦 Token 数的关键。算力卡不再是独立的硬件单元，而是与服务器供电系统、散热方案、集群调度深度绑定。比如采用直流供电架构可以降低配电损耗，液冷散热能够让算力卡长期稳定运行在高负载区间而不触发热节流，持续批处理、上下文路由调度等软件策略，则可以进一步挖掘硬件潜力，相同算力卡通过优化调度，每瓦 Token 产出最多可相差数十倍。

区域算力布局下的能效竞争

在全国一体化算力网络的建设框架下，每瓦 Token 数的重要性进一步凸显。东数西算工程的推进，让西部绿电基地与东部应用场景形成跨区域协同，而算力卡的能效水平直接决定了算力枢纽的运营成本与市场竞争力。

对于西部算力枢纽节点而言，充足的绿电资源是核心优势，但要将电力优势转化为 Token 成本优势，高能效算力卡是关键载体。单位电力产出的 Token 越多，电价优势的放大效应就越明显。按照当前行业均值测算，1 度电可产出约 167 万 Token，结合西部风电光伏的低成本电价，Token 生产成本相比东部可降低三成以上，这也使得西部算力中心在高吞吐推理业务上具备极强的价格竞争力。

而对于京津冀、长三角、粤港澳等东部算力集群，受限于电力容量与能耗指标约束，无法无限制扩张算力规模，提升单位电力的 Token 产出能力成为必然选择。企业在算力卡选型时，不再只看性能参数，而是会综合测算单卡全生命周期内的 Token 总产出与综合成本，优先选择每瓦 Token 数更高的产品，以此在有限的电力配额内实现更大的业务承载量。

全链路优化：挖掘每瓦 Token 的价值潜力

提升每瓦 Token 数是一项系统工程，涵盖芯片设计、服务器架构、推理引擎到集群调度的全链路。对于算力部署方而言，除了选型高能效算力卡，还可以通过多层优化进一步释放能效潜力。

在硬件配置层面，合理的显存与算力配比至关重要。推理场景通常是内存带宽受限而非计算受限，盲目追求高峰值算力而显存带宽不足，只会造成算力浪费与功耗空耗。针对不同参数规模的模型选择对应显存配置的算力卡，能够实现能效比的最优平衡。同时，启用硬件级动态电压频率调节，根据负载动态调整算力卡的运行状态，也可以在不明显影响吞吐的前提下降低平均功耗。

在软件优化层面，持续批处理、KV 缓存量化压缩、上下文长度路由等技术已经成为行业标配。通过将多个推理请求合并批量处理，可以大幅提升算力卡的计算利用率；对 KV 缓存进行低精度压缩，能够降低显存访问功耗；而基于上下文长度的智能路由策略，则可以让不同长度的请求匹配到最优的算力资源，避免长上下文任务挤占短任务的并发空间，从整体上提升集群的每瓦 Token 产出。