硅基流动杨攀：AI Infra 核心洞察与趋势分析
2025 年 11 月 1 日上午，在北京举办的 Convo AI & RTE2025 “实时互联网大会暨对话式 AI 论坛”上，硅基流动与 TEN Framework 联合打造并呈现了“Real-Time AI Infra 专场”。硅基流动联合创始人杨攀发表了题为《AI Infra：为谁而建，为何而建》的演讲。
以下内容根据杨攀的演讲整理，结合硅基流动的实践经验，分享其在 AI Infra 领域的核心洞察。
推理为王与开源战略
1. 从供给逻辑到消费逻辑
当前产业存在两种视角：一是强调“做算力供给”的供给逻辑；二是强调“做模型服务”的消费逻辑。后者更关注应用场景和用户需求，即“谁在用模型能力做怎样的应用”。硅基流动在 2023 年创立之时就有一个预判，“未来绝大多数算力都将用于推理，而非训练”。2025 年这个趋势正在变成现实，主要受两大因素驱动：AI 客户数量和使用率的指数级增长，以及完成单次任务所需计算量的指数级增长。
2. 开源的战略价值
开源模型正以 3-5 个月的动态差距快速追赶闭源模型。在美国，主流大模型趋向闭源策略。而在中国，模型开源是参与全球竞争、获得“上桌”资格的关键策略。目前，语言模型开源生态接近 SOTA，音频模型仅到开源可用的程度，生图模型的开源能力仍显不足，生视频则仍是闭源模型的天下。因此，在音频、生图、生视频等多种模态的开源领域，仍存在资源投入不足的“洼地”，蕴藏着重要的突破机遇。
MaaS 的必要性及其“成长的烦恼”
3. “模型即服务（MaaS）”成为必需品
产业分层已成必然趋势。模型、云、芯片等环节需分工协作，全栈模式仅限少数巨头（如谷歌），其他企业应聚焦自身核心环节。此外，模型更新频繁、规格多样、架构各异、模态多元，任何企业都无法独立部署和维护所有模型。因此，能够整合各类模型的一站式 MaaS 平台成为开发者不可或缺的入口。这正是硅基流动持续深耕的方向，用户仅需一个 API，即可快速体验各类模型。
4. 当前 MaaS 平台面临三大挑战
- 可用性与可靠性挑战：出现资源不足、429/503等问题。
- 性能与质量参差：不同服务商提供的同一开源模型，其实际表现差异显著。中文语境下甚至出现了“满血版”和“非满血版”的说法，反映出模型量化、优化水平不一，直接影响模型的最终能力。
- 成本下降幻觉：尽管单个模型的成本可能每年下降 10 倍，但用户永远追求能力更强的最新 SOTA 模型，而这些顶尖模型的调用价格相对稳定。同时，完成任务消耗的 Token 数呈几何倍数增加，导致实际应用成本并未显著下降。
5. 做难而正确的事
硅基流动一直扎根在 AI Infra 领域，深刻理解其中挑战，并持续致力于推动解决方案的落地，比如近半年来团队持续覆盖国产芯片生态，接下来会大力做芯片提速，为用户提供更快速度、更好性能、更低成本的 AI Infra 服务。
未来展望：AI 即劳动力
6. 2025 年四大高共识 AI 场景
- 语言：无论是生成文章内容还是做客服、知识库都是围绕语言做的。
- Agent：今年被称作是 Agent 元年，虽然对 Agent 概念的理解五花八门，但还是有一些变化，比如 Manus 对于怎么定义 Agent 做了很大推动。
- Coding：今年发布的主流模型，第一件事就是向 Agent 能力和 Coding 能力对齐，产业基本都认同 Agent 和 Coding 是消耗 Token 最大的领域。
- 多模态：尤其在中国互联网环境中，多模态的模型消耗远远大于其他几种形态。
7. “AI is Work, Not Tool”
黄仁勋提出 AI 从“工具”转变为“劳动力”，本质是一场范式迁移，AI 将主动操作工具完成任务，而非被动响应指令。这会召唤一个范式转变，即为 Agent 构建，而非为人。人将越来越少地直接操作软件界面，而是将任务委托给 Agent。
8. AI Infra 无泡沫
尽管个别公司可能存在估值泡沫，但整个 AI 基础设施产业不仅没有泡沫，反而处于供给“远远不足”的状态。全球顶尖科技公司已计划采购但尚未交付的基础设施订单以千亿美金计算，当前产业的瓶颈在于芯片生产不出来、能源跟不上，需求远远超过了供给能力，证明了市场的真实性和巨大潜力。
9. 建议开发者关注的三大平台
Hugging Face（模型社区）、Artificial Analysis（模型性能数据）、OpenRouter（供应商动态），可以作为洞察行业趋势的关键入口。
