10月31日，中国电子信息产业发展研究院发布《新域新质创新发展十大趋势》，给出一个标志性判断：我国人工智能推理数据量首次超过训练数据量。这意味着中国人工智能正在从模型训练研发阶段，迈入规模化产业应用阶段。过去几年，行业讨论的焦点大多是“模型怎么训出来”；而这份报告提示，焦点正在转向“模型每天被用掉多少”。
报告给出了哪些数字
报告披露，截至2026年6月，我国日均词元调用量超过175万亿，相比2024年年初增长1000多倍。词元是模型处理信息的基本单位，一次对话、一段代码生成、一次文档解析，背后都是词元的消耗。日均调用量冲到175万亿这个量级，说明大模型已经不再只是实验室里的演示品，而是被高频、日常地调用着。
另一个值得注意的变化是迭代速度。报告指出，顶尖大模型的迭代周期已经从过去的几个月，压缩到几周甚至几天。模型更新变快，本身就是应用反馈变多的结果：用的人多了、场景多了，模型改进的方向和速度都会跟着变。
在制造业一侧，报告同样给出了落地进展。随着“人工智能+制造”行动深入实施，我国已累计建成500多家卓越级智能工厂，覆盖31个省（区、市），涵盖超过80%的制造业行业大类。国产算力、大模型已在钢铁、汽车等20个行业落地1000多个应用场景，并推动个性化定制、全生命周期服务等新模式不断拓展。
为什么“推理超过训练”是个转折点
训练和推理是两种性质不同的算力消耗。训练是一次性的集中投入：用海量数据和算力把模型“教”出来，成本高、周期长，但做完一次就可以反复使用。推理则是每一次真实调用都会发生的消耗：用户每问一次、系统每执行一次任务，都要花算力。推理量超过训练量，说明模型的使用规模已经大到超过了制造模型的投入规模，AI的价值重心从“造出来”移到了“用起来”。
这个转折对产业的含义是直接的。过去，算力叙事围绕训练集群展开：谁的卡多、谁的集群大，谁就更有话语权。推理成为主导需求后，竞争维度会变得更分散、也更贴近业务：响应够不够快、单次调用成本够不够低、能不能在工厂、门店、客服、办公等真实场景里稳定跑起来，都会成为关键指标。换句话说，AI竞争正在从比拼“模型有多大”，转向比拼“模型用得有多广、多便宜、多可靠”。
制造业为什么是主战场
报告把智能工厂和行业应用场景放在突出位置，并非偶然。制造业的场景足够具体，也足够“难啃”：生产排程、质量检测、设备运维、供应链协同，每一个环节都有明确的产出标准，AI好不好用很容易验证。500多家卓越级智能工厂覆盖31个省（区、市）和超过80%的制造业行业大类，说明这已经不是个别龙头企业的试点，而是跨地区、跨行业的铺开。
钢铁、汽车等20个行业落地1000多个应用场景，同样指向一个判断：大模型正在从通用对话工具，变成行业里的生产工具。个性化定制和全生命周期服务这类新模式的出现，也说明AI的价值不再停留在降本提效的单点优化，而是开始改变企业组织生产和服务客户的方式。
影响与展望
短期看，推理规模的爆发会继续推高对推理算力的需求，但需求结构会和训练时代不同。推理更强调规模化部署和成本控制，算力供给、模型优化、应用集成这三环必须同时跟上，任何一环掉队都会拖慢落地速度。对国产算力而言，这既是机会也是考验：报告提到国产算力已在多个行业落地，能否在推理场景里持续证明性价比和稳定性，将决定它能吃到多大的增量。
中长期看，推理超过训练只是一个起点，而不是终点。如果日均调用量继续以这样的速度增长，词元将越来越像一种基础生产要素：它的价格、供给和效率，会直接影响企业使用AI的成本和意愿。届时，行业的竞争焦点可能进一步从“谁有更大的模型”转向“谁能提供更便宜、更稳定、更容易接入的智能服务”。
也需要提醒一点：这是一份趋势报告的判断，其核心数据截至2026年6月，不同机构的统计口径不同，词元调用量的绝对值会有差异，关键在于趋势方向——推理正在成为AI算力消耗的主体。对中国读者而言，这个信号的现实意义很明确：AI的下一场比赛，不在发布会和参数表里，而在每天被调用175万亿次的真实场景里。