根据IDC预测，中国AI算力规模增速已从历史峰值的138%逐步放缓至38%，这标志着人工智能行业正从爆发式增长进入供需再平衡阶段。当前算力供给持续扩张，但需求增速边际递减，投资者需关注算力利用率、下游应用渗透率等先行指标，以把握周期节奏。
算力增速递减的供需逻辑
IDC数据显示，中国AI算力规模（EFLOPS）增速从2020年的138%降至2026年预测的38%，但绝对规模仍在扩大——从2020年的80 EFLOPS增长至2026年预测的1270 EFLOPS。供给端，英伟达等厂商持续出货高性能GPU（如H100、B200），推动算力基础设施快速扩张；需求端，大模型训练驱动第一波需求（2022-2024年），而推理需求（2025年后）和边缘算力（IoT、自动驾驶）的长期渗透将接力。不过，若下游应用渗透不及预期，供需平衡可能面临阶段性失衡风险。
Jevons悖论：效率提升刺激需求
Jevons悖论指出，算力效率提升反而可能刺激更大需求。在AI领域，更高性能的芯片（如ASIC、FPGA）降低单位计算成本，可能推动更多应用场景落地，从而扩大总需求。这一效应在中国人工智能市场同样适用——随着AI芯片复合增速有望达到50%左右，成本下降或加速推理和边缘场景的爆发，但需警惕短期供给过剩。
周期节奏与库存视角
从周期节奏看，第一波由大模型训练驱动（2022-2024年），GPU是核心；第二波由推理需求驱动（2025年后），FPGA和ASIC占比有望提升；第三波由边缘算力长期渗透。库存周期方面，芯片、服务器等上游环节存在波动，需结合算力利用率、下游应用渗透率等先行指标判断当前位置——当算力利用率回升、应用渗透加速时，往往是新一轮需求周期的起点。
常见问题
算力增速放缓是否意味着行业见顶？
不必然。增速放缓反映基数效应和供需再平衡，但绝对规模仍在增长。Jevons悖论表明，效率提升可能催生新需求，关键看推理和边缘场景的渗透速度。
如何判断算力供需是否失衡？
关注算力利用率、下游应用渗透率、芯片库存等先行指标。若利用率持续偏低、库存高企，可能预示短期供给过剩；反之则需求强劲。
AI芯片中哪类更具投资潜力？
GPU目前占主导（唯一量产训练芯片），但FPGA和ASIC在推理场景潜力巨大——FPGA开发周期短、效率高，ASIC高性能低能耗，未来占比有望提升。