商汤提出TPW指标，重塑AI基础设施效率评估体系

在商汤大装置智算中心的控制室内，一群参观者正在听取讲解员介绍TPW指标的实际应用情况。大屏幕上显示着数据中心的各项运行数据，参观者通过实地考察，深入了解了TPW指标在提升AI基础设施效率方面的具体作用。

随着Token经济时代的到来，AI基础设施面临的新课题是如何用有限的能源和成本产出更多Token。Token消耗呈指数级增长，算力需求持续攀升，随之带动的是AI数据中心（AIDC）用电量在全社会用电结构中的占比快速提高。行业对AIDC的关注焦点不再只是"谁拥有更多算力"，更开始关心"谁能以更低成本、更高效率生产更多高质量Token"。

在商汤大装置智算中心总经理林海看来，Token经济时代，AIDC需要被重新理解为连接电力与Token的价值平台，能把"算力"和"电力"的协同优化做到什么程度，成为决定未来商业竞争力的关键变量。

长期以来，PUE（Power Usage Effectiveness）作为数据中心总能耗与IT设备能耗的比值，被行业视为衡量数据中心能效的"黄金标准"。过去十几年，行业几乎所有的节能努力都围绕PUE展开，从机房气流组织优化到制冷系统架构革新，从自然冷却利用到液冷技术规模化部署，每一轮的目标都是把PUE压得更低。然而，在AIDC服务模式从"卖卡时"转向"卖Token"后，PUE这一旧标尺已无法准确回答"这些电创造了多少价值"，这正是当前AIDC行业面临的认知空白。

根源在于，现有的产业分工下，电力投入与Token产出的"数据链路"长期处于断裂状态。四层分工各自为政，每层只优化自身环节指标，全局最优也就无从谈起。更深层的矛盾，来自旧效率标尺的局限性，PUE下降并不必然意味着总能耗或Token成本同步下降。林海举例说，调高送风温度可能降低制冷能耗，让PUE账面数据更好看，却会使GPU与服务器风扇功耗上升，最终总用电未必下降，Token产出成本甚至可能升高。

基于此，商汤大装置提出了一个全新的效率指标：TPW（Tokens Per Watt），以单位电力成本产生的有效Token作为核心指标，统一衡量算力效率、能源效率与业务价值。简单来说，PUE衡量电力使用效率，TPW则进一步回答每一度电最终产生了多少有效Token，并将分时电价等因素纳入经济性评价，推动行业的关注重点从"用了多少电"，转向"这些电形成了多少有效产出"。

TPW并非对PUE的简单否定或替代，而是在PUE基础上，进一步打通从电力投入到Token产出的全链路效率评价。过去分散在各环节的优化动作，包括电价、储能、PUE、GPU利用率与模型效率，由此开始指向Token产出这同一个价值指标。对行业而言，TPW的价值不止于一个新指标，更在于它建立了一套统一的价值语言，使得电网、IDC、算力云服务、模型服务与应用方能够在同一框架下进行协同优化。

随着AI产业从升级一张芯片进入升级整套基础设施的阶段，Agent的出现标志着计算任务本身发生了根本性变化。如果说GPU推动的是第一轮AI基础设施升级，那么英伟达此刻押注的，是Agent触发的第二轮产业重构。这一次要被重新升级的，不只是算力，还包括CPU、网络、存储、软件、数据、权限、工具，以及企业工作流组成的一整套系统。

每一次能力跃迁都会向下重构基础设施。大模型训练推动GPU需求，GPU从几百张扩到几千张、几万张之后，瓶颈就从"有没有芯片"转向另一组问题——有没有电、有没有机房、能不能散热、能不能高速互联？AI产业的第一轮扩散路径其实很清楚——从GPU扩散到电力、液冷、智算中心、网络、存储、工程建设。这批产业机会共同的来源是大规模并行计算。

但Agent带来的不只是算力规模继续放大。它换掉的是计算任务本身。Chatbot的工作流程很简单——用户输入、模型推理、生成回答。三步完事。Agent完全不同，一个真正进生产环境的Agent，走完一个任务要经过理解、拆解、计划、调用工具、访问数据库、执行代码、跟其他Agent协作、检查结果、处理异常、继续执行——十来步是常态。

Agent已经开始从"能对话"走向"能执行任务"，这意味着AI正从"聊天机器人"进化为智能体（Agent）。2026年被视为"AI Agent应用元年"，AI开始具备自主感知、决策和执行闭环的能力，真正介入企业核心业务流程，如自动完成代码编写、财务分析、医疗诊断等。

随着AI大规模应用走上风口，AI基建热潮杠杆持续攀升，风险追踪难度加大。大型云厂商大举发债，叠加对冲基金SituationAwareness爆仓，AI繁荣背后不断加杠杆的底层风险引发市场高度关注。英伟达公布新一轮AI融资推进方案，计划将基础设施打造为一类可投资资产。部分策略师认为，相比持续走高的杠杆，市场更需要警惕盈利预期过高带来的风险。

英伟达正联合华尔街机构，计划撬动超过5000亿美元第三方资本投入AI基础设施建设，支撑本轮行业扩张的融资结构日趋复杂，正受到更严密审视。各大超大规模科技云厂商及其资方借助债券市场、合资项目、租赁等多种模式，为史无前例的基建扩张筹措资金。与此同时，杠杆工具放大了市场对AI板块的风险敞口：对冲基金等投资者利用主经纪商融资、衍生品押注AI行情，博取更高收益。

专注AI赛道的对冲基金SituationAwareness因杠杆多头持仓巨亏最终崩盘，令市场愈发担忧一系列问题：市场整体借贷规模、资金分布、透明度高低，以及杠杆集中平仓的冲击速度。投资者也在争论，行业未来营收能否支撑当下巨额资本开支。

AI基建投入规模究竟有多庞大？英伟达将联合阿波罗、黑石、贝莱德、布鲁克菲尔德、KKR与高盛搭建AI基础设施投资平台，方案包含类私募资产架构与资产融资模式。英伟达首席执行官黄仁勋周一接受采访时明确表示，英伟达芯片如今已经成为一类"可投资的基础设施资产"。

部分科技巨头通过合资主体、租赁载体筹措资金建设AI数据中心；在租赁协议正式生效前，相关债务不会体现在资产负债表上。高盛分析师测算：各大超大规模云厂商在数据中心、研发园区、办公楼与设备上的租赁承诺总额高达1.5万亿美元，五年前仅约2000亿美元。其中约1万亿美元属于"尚未启动"的租赁义务，暂未体现在财务报表，但未来将形成刚性支出。

高盛在8月6日研报中指出："等到相关负债正式入账、合同款项陆续到期，会低估企业实际杠杆水平与未来流动性需求。"

债券发行量激增，再加上大量隐蔽形式的杠杆交易，市场开始重点审视：AI基建长期回报能否匹配天量投入。品浩（PIMCO）多资产信贷策略师洛夫蒂・卡鲁伊表示，剔除通胀因素后，本轮AI资本开支周期有望成为19世纪铁路建设以来规模最大。