进入2025年，尽管大模型的训练速度有所放缓，AI领域的热潮却依然强劲不减。特别是以Agent为代表的AI推理需求，正在以更为迅猛的步伐推动算力基础设施的扩展。这种推理需求的激增，正在塑造AI算力市场的新格局，特别是在云计算和数据中心资源的调配方面，带来了一系列重要的变化。

Agent技术作为AI应用中的一项重要创新，其最大的特点之一是能够进行异步互动。与传统AI模型的实时交互不同，Agent能够与用户或其他系统进行非实时的交互，处理更为复杂的任务。这一特点为AI系统带来了更强的灵活性和适应性，但也意味着它对算力资源的需求更加庞大。具体而言，Agent通过与用户进行多轮对话或与其他系统进行长时间的数据交换，产生了大量的token消耗，这种token需求直接推动了对AI算力基础设施的依赖，尤其是对推理过程的依赖。

推理任务相比训练任务有着不同的计算要求。推理是指模型在接受输入后，进行推算和输出的过程，而这一过程通常需要更高的并发性和低延迟的计算能力。Agent的推理特性意味着需要对算力进行高度优化，以支持其高频次、低延迟的需求。因此，推理任务将占据AI算力使用的主导地位，预计到2025年，AI算力的75%将用于推理任务，而剩余的25%则用于大规模模型的训练。这一变化表明，推理正在逐渐成为AI算力的核心应用领域。

与传统的AI应用场景不同，Agent的应用不仅在速度和并发性上提出了要求，还在计算安全性上也面临挑战。由于Agent通常需要处理大量来自用户或第三方系统的数据，这对数据传输和存储的安全性提出了更高的要求。为了应对这一挑战，企业将越来越依赖于混合云架构。混合云能够在公有云和私有云之间提供灵活的资源分配，确保在保证计算能力的同时，也能保证数据的安全和隐私保护。

随着Agent应用的扩展，混合云的市场份额预计将大幅增加。混合云不仅能够根据需求动态调整算力，还能够优化成本结构，减少不必要的资源浪费。更重要的是，混合云能够灵活应对AI推理过程中的高计算负载和对数据安全性的高要求，这使得它成为企业进行全球业务扩展和数据处理时的首选方案。预计到2025年，混合云将在支持AI推理需求方面发挥关键作用，成为企业和开发者不可或缺的基础设施。

总体来看，AI算力的使用结构正在发生重大转变。随着推理任务在AI算力中的比重逐步增加，算力供应商将不得不重新评估硬件架构、资源分配和调度策略。推理任务不仅要求更强的并发处理能力，还对延迟和带宽提出了更高的要求。这要求算力基础设施提供商在硬件、软件和网络架构上进行深入优化，以支持高效的推理任务执行。此外，由于Agent带来的异步计算特性，算力供应商还需要关注如何在保证性能的同时，降低系统能耗，优化能源消耗和成本结构。

总而言之，AI推理需求的快速增长，特别是由Agent驱动的需求，正在重塑AI算力市场的格局。混合云将成为支持这些需求的核心平台，而推理任务的占比提升也意味着算力提供商将面临更高的挑战和更大的市场机遇。在这一过程中，硬件创新、云服务的优化以及数据安全的保障将成为推动行业发展的关键因素。