国金证券在报告中指出，市场对算力需求的担忧被严重夸大。基于DeepSeek测算的仅是纯文字AI Chatbot的算力需求（约66万片H20）。多品类APP接入AI大模型将带来用户数的增长，多模态和AI Agent将带来单次请求调用tokens数量的大幅增加（从2万到100万以上）。国金证券认为，算力需求远未被充分定价，“参数量×效率×数据规模”才是新的Scaling Law方向。

DeepSeek当前的DAU约2500万，但AI大模型的远期用户数不应仅局限于单个APP。各APP可接入AI大模型实现应用的AI化，对应各APP的用户将在APP内与AI进行交互。从某种程度上而言，其他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。

泛AI应用场景包括搜索引擎、办公软件、社交平台、电商、教育、医疗等。每个场景的接入都将带来大量的新增用户。若10个主流APP各接入AI大模型，每个APP贡献千万级日活用户，远期AI大模型用户数有望突破亿级。用户数是算力需求的基础变量，亿级用户时代将驱动算力需求大幅增长。

DeepSeek中的对话主要基于纯文字，并未考虑多模态大模型的算力需求增量。图片、音频、视频等内容将带来单次请求调用tokens数量的大幅增长。参考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，是DeepSeek R1（约64K）的31倍。

多模态大模型的普及意味着每次交互的tokens消耗将从当前的约2万提升至百万级别。我们测算，假设多模态用户数5000万、单用户每天5次请求、单次1M tokens，对应H20需求量约800万片，是纯文字AI Chatbot的12倍。多模态是算力需求扩容的核心驱动力。

Manus的发布引发全网关于AI Agent的热烈讨论。一个任务交给Manus执行后耗费了约24万tokens、3小时；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。

AI Agent不仅能回答问题，还能自发执行多步骤任务：文件下载、保存、生成、网页浏览、数据爬取、代码编写、报告撰写等。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。

市场担忧算力通缩的根源在于用AI Chatbot的算力需求替代了AI大模型的全场景算力需求。基于DeepSeek的测算仅仅是纯文字对话场景的需求。三大驱动力将推动算力需求远超当前预期：多品类APP接入大模型带来用户数从千万级到亿级的跃升；多模态带来单次tokens从2万到百万级的跨越；AI Agent带来tokens消耗的指数级增长。

算力需求=模型参数量×数据规模×峰值倍数×（1/算力效率）。DeepSeek展示了算力效率的提升潜力，但数据规模（用户数×单次tokens×请求频次）的成长空间远未被充分定价。算力效率革命不会导致算力通缩，反而会降低AI应用门槛，加速AI在各行业的渗透，最终驱动算力需求规模远超当前水平。

表：算力需求三大驱动力对比

驱动力	当前状态	远期空间	驱动因素
多品类APP接入	DeepSeek DAU 2500万	亿级用户	各APP接入AI大模型
多模态	纯文字（2万tokens/次）	百万级tokens/次	图片/视频/音频内容
AI Agent	Chatbot回答	多步骤任务执行	自主决策与操作