东吴证券在报告中重点分析了GPT-5对推理算力需求的拉动作用。ChatGPT周活跃用户已超3亿，目标未来一年内达到10亿用户，每天发送超10亿条信息。据推理需求公式“2×参数量×token”，若GPT-5带动参数量大幅提升至18万亿（按本文测算），2026年推理算力需求有望达2025年的5.6倍。东吴证券认为，AI推理需求正成为算力增长的新引擎。
ChatGPT用户增长驱动推理需求爆发
24年8月，ChatGPT周活跃用户突破2亿；24年12月，Altman表示已超3亿，每天发送超10亿条信息。OpenAI计划通过推出AI智能体（可执行网络信息收集和购物等任务）及与苹果设备集成实现进一步扩张，目标未来一年内达到10亿用户。
若仅按用户量推断，25年推理算力需求有望达24年的3倍以上。用户规模从2亿到3亿再到10亿的跃升，将直接驱动推理token消耗量的指数级增长。DeepSeek的崛起也验证了用户量爆发对推理需求的拉动——25年1月DAU从124万飙升至4541万峰值。
推理需求测算公式与关键变量
推理算力需求 = 2 × 模型参数量 × token消耗量。核心变量包括：参数量（模型规模）、token消耗量（用户数×人均使用量）、模型调用比例（不同模型分流）。
以OpenAI为例，24年推理需求主要由GPT-4系列（1.8万亿参数）支撑。25年若用户量达24年的3倍（从3亿到9亿），参数量不变，推理需求约3倍。但若GPT-5带动部分流量切换至18万亿参数模型（按本文测算），推理需求将呈指数级增长。
GPT-5推动2026年推理需求达25年5.6倍
假设26年ChatGPT总体推理消耗tokens为25年的2倍，按二八法则假设26年tokens消耗中仅有20%为GPT-5（18万亿参数）的需求，其余80%仍由GPT-4级别模型（1.8万亿参数）承担：
GPT-4级别推理需求：2 × 1.8万亿 × 2 × 80% = 5.76（相对25年基准的倍数）
GPT-5级别推理需求：2 × 18万亿 × 2 × 20% = 14.4（相对25年基准的倍数）
合计：5.76 + 14.4 = 约20.16倍
但考虑实际用户增长和tokens消耗的渐进性，更保守估算：26年推理需求有望达25年的5.6倍左右。即便保守假设，GPT-5对推理需求的拉动也是数倍级别的增长。
推理需求的投资机会——AI推理芯片与服务器
推理需求爆发将带动推理专用芯片、AI推理服务器、边缘计算设备等需求。与训练侧不同，推理侧对延迟、成本、功耗更敏感，专用推理芯片（如ASIC、NPU）有望获得更高增速。
DeepSeek-V3推理成本仅为Llama 3的约1/10，低成本推理将加速AI应用普及，进一步推动推理需求增长。GPT-5若发布，推理成本有望进一步下降，AI应用渗透率提升，形成“模型升级→推理成本下降→应用普及→推理需求增长”的正向循环。
产业链相关公司：寒武纪（AI推理芯片）、海光信息（DCU）、工业富联（AI推理服务器）、沪电股份/胜宏科技（PCB）、盛科通信（交换机芯片）等。
表：AI推理算力需求测算（GPT-5发布情景）| 情景 | 参数量（万亿） | tokens消耗倍数（vs 2025） | 模型占比 | 推理需求倍数（vs 2025） |
|---|
| GPT-4级别 | 1.8 | 2× | 80% | 5.76 |
| GPT-5级别 | 18.0 | 2× | 20% | 14.40 |
| 合计（乐观） | — | — | — | 约20.16 |
| 合计（保守） | — | — | — | 约5.60 |
