近日国务院发布的《关于深入实施“人工智能+”行动的意见》（以下简称《意见》）提出，强化智能算力统筹。支持人工智能芯片攻坚创新与使能软件生态培育，加快超大规模智算集群技术突破和工程落地。

算力可划分为多种类型，目前人工智能依托的算力基础主要是智算。人工智能发展浪潮下，除《意见》外，今年以来，地方层面也动作不断，河北、上海、浙江等地均出台文件部署智算。

我国目前智算基础如何？

中国电信研究院战略发展研究所分析师赵静对21世纪经济报道记者表示，当前智算基础设施形态以智算中心/智算集群为主，涵盖芯片/服务器、网络设备、供配电系统、制冷系统、服务平台等硬件和软件。根据在2025中国算力大会上发布的《2025综合算力指数》（以下简称《指数》），截至2025年6月底，我国在用算力中心机架总规模达1085万标准机架，智能算力规模达788 EFLOPS（FP16）。

随着“人工智能+”行动的持续推进，算力需求将出现暴涨，未来算力会“吃紧”吗？

赵静表示，当前我国整体算力并不紧缺，问题主要体现在“结构性”紧缺。一方面，通用算力供大于求，而高性能智能算力持续紧缺；另一方面，西部算力过剩而东部算力紧缺。此外，我国国产算力生态仍有不足。

面对上述“结构性”矛盾，今年以来，《国家数据基础设施建设指引》《数字中国建设2025年行动方案》《算力互联互通行动计划》等多项政策接连出台。另外，今年国家算力互联网服务平台上线运行，平台可以查询全国范围内的算力资源和相关算力调度服务，为各行各业提供真实、可信的算力支持，加速推动算力互联互通。

算力即计算能力，是集信息计算力、网络运载力、数据存储力于一体的新型生产力，主要通过算力基础设施向社会提供服务。

随着“人工智能+”行动深入推进，算力需求将大幅增长。赵静表示，AI技术的演进升级叠加AI应用的规模落地，未来将带动算力需求十倍甚至百倍的增长。

具体而言，赵静表示，一方面，大模型的性能升级重心从“预训练”转向“后训练”，强化学习、思维链等技术的发展，将带动算力需求快速增长。另一方面，随着AI应用的持续涌现，包括DeepSeek、豆包等聊天应用，百度、谷歌等升级的AI搜索，以及智能眼镜、智能汽车、人形机器人、Agent智能体等各种形态，这些AI应用的实现同样需要大量算力支持，将带动算力需求持续增长。

这种需求的暴涨在企业层面也会有所体现。

“算力能力是具身智能行业能否快速迭代和高效推出大模型的保障。”湖北光谷东智具身智能技术有限公司研发主管王远告诉21世纪经济报道记者，目前公司研发团队在逐步完善，所以当前对算力的需求可能还不算很多，但是随着团队逐渐完善建立，未来在大模型训练、机器人仿真模拟、多模态数据融合处理等方面都会大量使用算力，对算力的需求也会逐渐增长。“比较理想的情况下是一个研发人员能够配备一个算力服务器”。

目前，人工智能依托的算力基础主要是智算，即智能算力，是算力的一种，此外还有通用算力和超算算力。

近日发布的《意见》专门针对智算进行了部署。《意见》提出，强化智能算力统筹。支持人工智能芯片攻坚创新与使能软件生态培育，加快超大规模智算集群技术突破和工程落地。优化国家智算资源布局，完善全国一体化算力网，充分发挥“东数西算”国家枢纽作用，加大数、算、电、网等资源协同。加强智能算力互联互通和供需匹配，创新智能算力基础设施运营模式，鼓励发展标准化、可扩展的算力云服务，推动智能算力供给普惠易用、经济高效、绿色安全。

关于智算，今年以来地方层面也动作不断。

根据《指数》，我国在用智算规模Top10省份为河北省、上海市、浙江省、贵州省、内蒙古自治区、广东省、宁夏回族自治区、甘肃省、湖北省、山西省。

排名第一的河北今年1月印发《河北省数字技术赋能制造业高质量发展实施方案》，提出加快全国一体化算力网络京津冀枢纽节点建设，搭建全省算力调度平台，打造智能算力、通用算力、边缘算力互为补充的一体化算力网络，推进算力资源跨地区、跨行业高效调度，算力总规模达到50EFLOPS。

排名第二的上海市则于今年3月印发《上海市关于促进智算云产业创新发展的实施意见（2025-2027年）》，并提出目标，到2027年，本市智算云产业规模力争突破2000亿元，云边端协同、产业链条完备的生态体系基本形成。智算规模力争达到200EFLOPS，其中自主可控算力占比超70%。

“人工智能+”持续推进，在需求暴涨的预期下，算力供应能跟得上吗？

从当前的算力基础来看，赵静表示，当前智算基础设施形态以智算中心/智算集群为主，涵盖芯片/服务器、网络设备、供配电系统、制冷系统、服务平台等硬件和软件。“比如万卡集群，可以简单理解为由一万张及以上的加速卡（如GPU、TPU或其他AI芯片）组成的智算中心/智算集群，主要用于训练大规模参数的模型”。

中国算力平台监测数据显示，截至2025年6月底，我国在用算力中心机架总规模达1085万标准机架，智能算力规模达788 EFLOPS（FP16）。同时，据IDC统计，2024年我国智算市场规模为190亿美元，同比增长86.9%，为大模型研发和应用提供了强大硬件支持。

不难看出，当前我国整体算力并不紧缺。赵静指出，问题主要体现在“结构性”紧缺，其中之一的问题是通用算力供大于求，而匹配大模型训练和推理需求的高性能智能算力处于持续紧缺状态。

高性能算力供应也是企业关注的重点。

北京光亚鸿道操作系统有限公司市场经理翟峻鹏对21世纪经济报道记者表示，操作系统的价值就是在于高效合理的调度和分配包括算力在内的硬件资源，从而支撑各种智能应用的稳定运行。

“从智能驾驶车辆来看，它并非我们想象的由一个计算机来控制整车，传统方案大多是由多台计算机分别控制不同的功能域，但其实并非每一台计算机的算力都会被充分利用，传统电子电气架构面临算力资源无法高效利用的挑战。”翟峻鹏表示，“假如高性能的算力是100分，它可以处理10件事，而10个10分的低端产品不仅意味着更高的成本、更高的功耗和更大的体积，它们的简单相加也无法实现100分的效果。”

与此同时，对企业而言，成本也是一个重要问题。王远表示，未来尤其在大模型训练、强化学习等方面，会对算力资源有较大依赖和消耗，而高端算力显卡对普通企业来说价值不菲，算力集群搭建成本较高。

王远表示，假设购置一台不那么高端的算力设备，价格大概在3-5万元，如果前期研发团队大概30多个人，这就意味着大约150万元的投入，对普通公司来说，是一笔不小的研发投入。“算力肯定是越多越好，但也需要考虑资金投入与产出的平衡，现在有企业会尝试购买云算力来加快模型开发和训练，使用云端算力集群，加速模型的生成，我们目前也与相关算力企业在进行沟通。”

除了高性能智能算力持续紧缺外，算力的结构性矛盾也体现在供需调度上。

根据《指数》，我国跨区域算力资源协同还处于初级阶段，缺乏统一的调度平台和协同机制。东、西部地区算力供需存在对接不够顺畅，信息不对称、资源匹配度不高等问题。同时，不同区域的算力政策、标准不一致及算力网络传输效能不足，导致算力资源在跨区域流动和共享时也面临诸多障碍，制约了全国算力资源的优化配置和高效利用。

赵静表示，我国国产算力生态仍有不足，阻碍国产算力的规模应用。英伟达CUDA生态拥有全球400万开发者，工具链成熟，而国产芯片厂商的生态建设还处于起步阶段，需要大量的时间和投入。

“技术发展、生态培育需要较长的培育期，现阶段应重点利用好已建算力资源，整合利用各类公共算力资源，促进算力高效供需匹配，提升我国算力使用效率和服务水平。”一位算力领域的专家对21世纪经济报道记者表示。

我国高度重视算力产业的发展，今年以来，一系列政策文件接连出台，其中供需匹配问题在多个文件中均有提及。

今年年初发布的《国家数据基础设施建设指引》提到，算力资源多元异构、异地分布、动态变化，给大规模计算任务的统一调度与任务协同带来挑战。面向“东数西算”等场景中对异属异构异地算力的调度需求，需要建立多元异构算力统筹调度的能力，促进算力和运力的高度融合，推进算力资源之间的无缝对接与协同计算，提高整体计算效率与资源利用率，实现算力最优配置与动态调整。

今年5月，国家数据局综合司印发了《数字中国建设2025年行动方案》，提出深入实施“东数西算”工程，逐步实现各地区算力需求与国家枢纽节点算力资源高效供需匹配。当月，《算力互联互通行动计划》公布，提出到2026年，建立较为完备的算力互联互通标准、标识和规则体系；到2028年，基本实现全国公共算力标准化互联，逐步形成具备智能感知、实时发现、随需获取的算力互联网。

“短期来看，‘人工智能+’与各行各业的深度融合将快速拉升算力需求，随着国家算力产业的优化布局、软硬件生态的逐步完善，长期看算力供给问题将逐步平衡。”前述专家表示。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。