日前，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生在接受中国证券报记者采访时谈及算力资源紧缺之下算力网的意义和挑战。“匹配不同类型的工作流对于算力的需求，是一个非常复杂的优化问题。”汤道生表示，算力网绝非简单的算力堆砌，数据与算力的地理距离、不同类型工作流在不同阶段需要什么样的算力存力等资源调度与匹配问题，共同构成了一道复杂的系统难题，但解题的方式也很简单，就是“不断提升资源利用率”，“把自己的算力资源用好”。
算力不够用
“我们一直以来在算力基础设施方面的确是处于一个不太够的状态。”采访中，汤道生直言不讳谈到算力资源的稀缺并表示，Token调用已经出现爆发式增长，但仍然受限于算力的供给。
算力不够用，也直接体现在腾讯的资本开支曲线上。据披露，2025年全年，腾讯资本开支达792亿元，同比增长仅3%，低于原定目标，腾讯总裁刘炽平在财报电话会上解释称，主要受GPU供应限制——“我们也想买卡，但在很长一段时间内都面临买不到的情况”。
为支持模型迭代和AI基础设施建设，2026年一季度腾讯资本开支达到319.4亿元，同比增长16%。汤道生表示：“我们非常期待下半年有更多国产算力可以支持到我们的云业务，可以把一些推理场景服务得更好。”
在记者问及腾讯是否会下场自研算力芯片时，汤道生直言：“自己去做芯片设计并不解决产能问题。我们跟很多芯片厂商、合作伙伴都有打交道，我相信没有一家有足够的产能去满足今天市场的需求。”他强调，腾讯选择开放生态的战略，“可以跟更多芯片厂商合作，也让国产算力芯片厂商愿意拥抱腾讯,作为它们算力应用的一个展现标杆。”
算力网系统复杂度高
在算力资源稀缺的情况下，汤道生认为算力网建设的重要性不言而喻：“算力调度在资源缺乏的时候肯定很重要，让资源效率能够做到最高。”但他也同时指出了其中的技术复杂性——“毕竟不同类型的工作流对于算力的需求，在流水线什么阶段需要算力、什么阶段需要闪存，是一个非常复杂的优化问题。”他强调，算力网系统远比外界想象得复杂，需要极强的技术能力。
汤道生还指出，异构芯片的算力集群做一体化调度难题尤为突出。此外还要考虑数据局部性的问题，因为数据与算力之间的距离也非常重要。“算力也许在北方，但是如果要解决问题的数据在南方，长距离也会带来很大的资源损耗。”汤道生介绍，国家有大的集群和算力网，腾讯内部也在不断优化不同业务形态对算力的需求——有多模态模型训练的需求、推理的需求、标注的需求、音视频处理需求等，工作流很复杂，但争取把自己的算力资源利用率提高，把算力资源用好。
Token爆发重塑商业模式
Token调用量的爆发式增长正在改写AI行业的成本公式和商业模式，也带来了新的焦虑。汤道生说，已经听到很多客户甚至同事们在紧盯着积分消耗或者Token消耗，这方面的成本不容小觑。
每一个Token生成背后都是GPU的一次次运算以及数据中心的一度度电。汤道生指出，移动互联网的边际服务成本相对较低，可以通过广告或眼球经济带动某些交易行为，从而建立商业模式。但今天AI的原生服务，运营成本、推理成本还非常高，在这种情况下，很难单纯通过移动互联网时代广告模式来涵盖成本，并且Token的成本与任务的复杂度强关联，成本消耗差异很大，也很难通过过去的商业模式变现。
刘炽平此前在财报电话会上也表达了类似观点：在互联网场景下，信息交付的可变成本非常低，主要是带宽成本，而且算力大多是在用户设备完成的，因此互联网产品几乎可以实现无限扩展；但在AI场景下，每一次向用户交付智能服务，其实都会产生相当可观的成本，“我们不能简单地把互联网时代的逻辑直接套用到AI上。找到高价值场景，与单纯盲目获取大量日活跃用户和用户时间相比，同样重要，甚至更重要。”
汤道生表示，商业化不是团队目前做产品的重点，主要还是把产品打磨好，而正因为当前算力资源有限，也构成了一种无形的产品筛选机制——哪些功能是用户最有需要、最认可其价值，并值得为之付费来获得算力，这是AI Agent产品发展过程中需要考虑的地方。
恒正网提示：文章来自网络，不代表本站观点。
