国金证券在报告中系统测算了AI大模型应用对AI芯片的需求量。基于DeepSeek相关假设，AI Chatbot应用约需66万片H20。但纯文字对话仅是AI落地的起点——多品类APP接入AI大模型带来用户数增长，多模态与AI Agent带来单次请求tokens数量从2万增至100万以上，测算远期需求约800万片H20。国金证券认为，算力需求远未被充分定价，持续看好算力链。

基于DeepSeek推理服务相关假设，我们估算AI Chatbot应用的芯片需求量约为60-70万片。核心假设：H20峰值算力148TFLOPS（H800已禁售）、单卡利用率70%、用户数5000万（参考ChatGPT 2025年1月日活约5323万）、单用户每天搜索请求20次、单次请求2万tokens、峰值倍数4、模型参数量370亿。

敏感性分析显示，用户数0.3-1亿、单用户每天搜索10-30次，对应H20需求量约20-198万片。中性假设（5000万用户、20次/天）约66万片。若用户数达1亿、使用频次达30次/天，则需求近200万片。用户数和用户使用频次的弹性空间巨大。

DeepSeek中的对话主要基于纯文字，而图片、音频、视频等将带来单次请求调用tokens数量的大幅增长。参考DeepSeek Token用量计算，1个中文字符约0.6个token。根据谷歌Gemini2.0，单个图片对应258个tokens，单个视频对应263个tokens，单个音频对应32个tokens。Gemini2.0 Pro最多可支持2M的上下文长度，而DeepSeek R1仅支持约64K。

多模态大模型的普及将推动单次请求tokens数量从当前的约2万提升至百万级别。假设多模态用户数5000万、单用户每天5次请求、单次1M tokens，测算对应约800万片H20需求，是AI Chatbot需求的12倍。

Manus的发布引发了关于AI Agent的热议。一个任务交给Manus执行后耗费了约24万tokens、3小时，执行了txt文件的下载、保存、生成等操作；而同样问题通过DeepSeek可以秒出答案但仅有文字回复。AI Agent所耗费的tokens数量是AI Chatbot的百倍以上。

从应用场景看，AI Agent不仅能回答问题，还能自发执行多步骤任务，包括文件操作、网页浏览、代码编写、数据分析等。每个步骤都消耗大量tokens，且任务复杂度越高、步骤越多，tokens消耗越大。远期AI Agent的普及将推动算力需求呈指数级增长。

市场担心DeepSeek算力效率提高会降低算力需求，但基于DeepSeek测算的仅是AI Chatbot应用的AI芯片需求量。多品类APP接入AI大模型将带来用户数的增长——各APP接入大模型本质是给大模型引流，远期用户数或可展望亿级。

多模态和AI Agent将带来单次请求tokens数量的大幅增加。从纯文字的2万tokens到多模态的百万级tokens，再到AI Agent的千万级tokens，算力需求呈指数级增长。综合以上因素，我们测算远期H20需求量约800万片，多品类APP接入、多模态、AI Agent三大驱动下，算力成长空间远未被市场充分定价。

表：AI Chatbot与多模态/AI Agent算力需求对比

场景	用户数（亿）	单次请求tokens	单用户日请求次数	H20需求量（万片）
AI Chatbot（中性）	0.5	2万	20	66
AI Chatbot（乐观）	1.0	2万	30	198
多模态/AI Agent	0.5	100万	5	827