商汤在 WAIC 宣布国产异构混推集群跑通盈利，单卡有效利用率提升 152%，年底 Token 产量目标 10 万亿/日。从军备竞赛到工厂时代，AI 算力的竞争单位正从堆 GPU 变成端到端控制权。

坐拥十万张 GPU 却赚不到钱？AI 算力正在重演「钢铁厂覆灭史」

商汤在 WAIC 上扔了颗炸弹。

他们宣布自己的国产算力集群跑通了「可盈利」——收入覆盖折旧、摊销、机柜租赁、电费和人员服务费之后，利润率为正。

这三个字，比任何技术突破都扎眼。去年这时候大家还在炫自己囤了多少张卡，今年风向突变：有人兜里揣着十万张 H100 签长租协议，账上亏得不敢细算；商汤搞国产卡混搭方案，反倒先把账做平了。

这背后藏着一个更残酷的判断——

AI 推理这场仗，竞争单位正在从"单张卡的性能"变成"整条流水线的控制权"。

范式切换：从堆卡竞赛到端到端控制

你买的不是算力，是「五个老板管一条流水线」

聊个细节。商汤联合创始人杨帆在论坛上说了句大实话：现在很多智算中心，干的就是金融生意——帮大厂代持机器、签长租约，赚的是租金差价。

我管这个叫「五个老板管一条流水线」。

想象一下，你建了个工厂，机器是英伟达的，网络调度是阿里云那套，KV Cache 管理层用开源方案凑的，电力跟着市电走，客户需求靠天吃饭。每个环节都找了最好的供应商，但拼在一起就是跑不顺。

为什么？

因为这五个环节各管各的，没人对最终的 Token 质量负责。

KV Cache 满了没人提前扩容，电力峰值没做预测调度，某个客户的突发请求把整个 Decode 队列打爆——每个老板都说自己那摊事没问题，但最终产线卡死了。

商汤这次能跑通盈利，核心不是卡便宜，是他们把五个老板踢走了四个，自己当了厂长。

他们把推理拆成 Prefill 和 Decode 两道工序——Prefill 相当于读题，适合通用国产卡并行处理；Decode 是逐字答题，得用高端卡保证时延。纯英伟达方案下 4 个 Prefill 节点配 1 个 Decode 节点就够了，国产方案因为单卡能力弱，需要 30 对 1 的配比。

这难度相当于同时调度 31 台设备不出错。商汤把系统可靠性做到 99.9%，才敢切进大规模商用。

异构混推流水线：通用国产卡跑 Prefill、高端卡跑 Decode

2025 年的故事完全反过来。

英伟达高端卡进不来，这已经不用猜了。需求端却在爆炸——密歇根大学和斯坦福联合测算，现在一个编码 Agent 每生成 1 个输出 Token，背后要吞掉约 154 个输入 Token。推理不再是问一句答一句，而是在吃上下文。

行业共识是，2026 年的 AI 推理算力需求是去年的 5 到 10 倍。

供给卡死，需求狂飙，中间的机会在哪？

商汤给了个答案：MFU（有效利用率）才是最性感的财务指标。

他们单卡 MFU 比原厂方案平均提了一倍，最高飙到 +152%。配上异构混推方案，同样花一块钱买算力，Token 产量放大 2.5 倍。

这个数据怎么来的？他们自研了一套推理引擎，把算子调度、内存分配、KV Cache 管理全攥在自己手里。不是英伟达给的默认方案不好用——是默认方案根本不知道你的卡里有七成国产货。

默认方案默认你全是顶配，默认供电稳定，默认 KV Cache 爱存多久存多久。

商汤把每个细节都自己管起来之后，Token 量从年初日均 4000 亿，干到 7 月底预计 2.42 万亿，年底目标 10 万亿。

规模当然是增长的，但增长方式跟囤卡时代的逻辑彻底不同——原来是卡多 Token 就多，现在是 “拧毛巾拧出来的增量”。