10 月 31 日，中国电子信息产业发展研究院（赛迪研究院）发布了一份《新域新质创新发展十大趋势》。
里面有一句话：我国人工智能推理数据量，首次超过训练数据量。
同一份报告里还有一个数，截至 2026 年 6 月，日均词元调用量超过 175 万亿，跟 2024 年年初比增长 1000 多倍。
175 万亿是多少？
我换算不出来。
这个数字看着像行业新闻，底下其实是个很基础的问题：训练和推理，到底差在哪。
先说清楚，报告的原文我没拿到，研究所那类站点打不开。下面的数字转引自央视新闻的报道，经 IT 之家 11 月 1 日转述。我自己没有做过任何测算。
训练，是先把书读完
想象一个人被关进图书馆，把整座馆的书一本一本读进去，读完才放出来。训练差不多是这个意思。海量的文本、图片、代码被送进机器，几千上万张卡连轴转，跑几十天。这一步的产出不是一个答案，是一套参数。模型读完之后「知道」了一些规律，但它还没开始干活。
报告里提到，顶尖大模型的迭代周期从过去的几个月压缩到了几周，甚至几天。这是训练这一侧在发生的变化。
我自己的理解是：训练是一次性的、集中的、很贵的。跑完一次，那个模型大致就定了。之后当然还能微调，但主体在训练阶段已经成型。这一段是我的解释，不是报告原话。
推理，是每天上班答题
你打一行字发出去，它吐一段话回来。这一来一回，就是一次推理。
推理要占卡，要耗电，要花时间。你晚上让 AI 改一段文案，同事早上让 AI 看一眼报错，都算。175 万亿这个词元量，就是所有这些问答加起来的总数。
单位是「词元」，不是「字」。一个中文字大致对应一到两个词元，一个英文词也常被切成两三个。所以不能拿 175 万亿直接换算成多少字。
官方怎么折算，我没查到。
报告把这次转变概括成一句话：从「喂模型」进入「用模型」。
这句概括不算漂亮，但准确。
「超过」这件事，为什么值得单独拎出来
因为它说明钱和电花在哪里变了。
训练阶段，算力集中在少数机构手里，一年做几次大任务。推理阶段，算力被摊到每天每时，被几亿人分散调用。报告里还给了几个数。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、大模型在钢铁、汽车等 20 个行业落地了 1000 多个应用场景。
另一份报告能对上。CNNIC 的《生成式人工智能应用发展报告（2026）》说，截至 2026 年上半年，我国生成式人工智能用户规模超过 7 亿，普及率突破 50%。
这几个数摆在一起，「从研发转入规模化应用」这句话才不空。
不过这些数之间是什么关系，报告没写。500 家工厂、1000 个场景、7 亿用户、175 万亿词元，是并列摆出来的，不是一道算式。
这个数字不说明的四件事
第一，「推理数据量」和「日均词元调用量」不是一个单位。报告说前者超过了后者对应的那个量，但没给换算关系。
我试着找过，没找到。
第二，调用多不等于价值高。一次调用可能只是问了一句今天几号。
那这 175 万亿里，有多少是真有用的？没人统计过。
第三，「增长 1000 多倍」缺一个基数。2024 年年初的日均调用量是多少，报道里没给。1000 倍听着吓人，但如果基数很小，绝对值未必有多大。
第四，推理超过训练，不代表训练不重要。
道理很直白：训练一停，模型就停在原地，明年还是这个样子。
跟不太关心技术的人，有什么关系
关系在于，你手机里那些 AI 功能，背后的算力重心已经从「教」挪到了「用」。
以前是攒一笔钱买设备，现在是每天交电费。
这个变化会决定接下来两件事往哪走：单位调用能不能更便宜，响应能不能更快。这两条是我猜的，报告里没写。
一句总结
训练是把书读完，推理是开口说话。现在花在说话上的算力，超过了花在读书上的。
这句话准不准，等报告原文能下载了，我想再看一遍原始口径。