十萬張國産卡扛起牛來 國産算力第一次在全球真實流量裡接受壓力測試

智譜GLM 5.3 Flash的發布真正引發産業鍊震動的，并不是3200億參數，也不僅是第三方評測達到57分，而是模型背後的算力來源。智譜确認，GLM 5.3 Flash正式上線後的全部線上流量由約10萬張國産芯片承載，此前以Ox Alpha身份在OpenRouter和OpenCode進行匿名測試時，相關請求同樣全部運行在國産算力之上。公開報道顯示，測試期間Token調用量達到62萬億。對于長期圍繞國産AI芯片展開的資本市場而言，這意味着讨論正在第一次大規模從紙面參數和實驗室Benchmark轉向全球開發者真實調用。

SemiAnalysis随後給出的評價進一步放大了這一事件的産業意義。該機構稱，Ox Alpha對應的算力供給一度達到每天約100萬億Token，而且相關流量全部由中國芯片處理，其觀察到的硬件效率和單位Token成本已經可以與英偉達GPU進行比較，并認為CUDA護城河再次面臨測試。這裡需要區分不同數據口徑。智譜及國内報道披露的是測試階段62萬億Token等實際調用數據，SemiAnalysis讨論的則是每天100萬億Token級别的服務能力，兩者不能簡單等同。但對于産業判斷而言，真正關鍵的是同一點，大規模國産集群已經開始承接海外開發者無法預先挑選負載的線上流量。

過去衡量國産AI芯片，市場經常圍繞峰值算力、顯存帶寬和單卡性能與英偉達比較，但大模型推理真正考驗的是完整系統。十萬卡規模意味着芯片隻是起點，驅動、編譯器、算子庫、通信網絡、故障恢複、任務調度以及模型本身的軟硬件協同都會影響最終Token産出。一顆芯片理論性能達到海外産品的多少，并不能直接推導出一套萬卡集群可以穩定提供多少有效算力。Ox Alpha的特殊之處就在這裡。開發者事先不知道模型身份，也不知道背後使用什麼芯片，調用是否持續主要取決于速度、穩定性、能力和價格，因此這種測試比單純的跑分更接近真實商業環境。

但這并不意味着國産芯片已經在單卡性能上追平英偉達。GLM 5.3 Flash本身就是一款高度面向推理效率優化的模型，總參數3200億但每次僅激活180億參數，同時引入稀疏注意力和線性注意力等機制。智譜披露，其注意力計算量較GLM 5.3下降約三倍，KV緩存縮小約4.4倍。換句話說，能夠在國産卡上以較低成本輸出大量Token，既來自硬件和軟件棧進步，也來自模型架構主動降低計算需求。把全部功勞歸因于芯片，或者由此判斷國産GPU已經全面達到英偉達同代産品水平，都屬于過度推演。

真正值得英偉達關注的是另一件事。CUDA長期最強的地方并不是一張GPU的理論性能，而是開發者、軟件工具、算子庫和應用程序形成的生态鎖定。英偉達管理層過去也多次強調，安裝基礎、可編程性以及跨雲部署能力共同構成其競争優勢。當越來越多中國模型從訓練階段開始圍繞國産硬件優化，并通過開源向全球傳播時，模型與硬件之間的關系可能發生變化。過去是全球模型首先針對CUDA優化，然後其他芯片努力兼容這些模型。未來如果一批使用量足夠大的開源模型原生運行在國産算力之上，軟件生态就有可能反過來圍繞新的硬件棧生長。這才是SemiAnalysis所說CUDA護城河再次接受測試的核心含義。

對于資本市場而言，10萬張國産卡的意義因此不能簡單理解成又一輪國産替代行情。過去市場購買的是缺少英偉達之後必須使用國産芯片的邏輯，現在開始增加另一層定價，即國産芯片能否主動承載具備國際競争力的模型，并以有競争力的Token成本服務全球用戶。一旦第二條路徑成立，國産GPU的潛在市場就從國内供應鍊安全擴大到全球AI推理市場。不過下一階段仍需要觀察幾個硬指标，包括國産集群持續運行的穩定性、單位Token總成本、軟件遷移成本、芯片實際供貨規模以及客戶是否願意長期付費。十萬卡真實負載不是CUDA護城河消失的證明，卻是國産算力第一次把挑戰從概念層面推進到了規模化商業系統層面。