中国或将成为全世界,乃至人类历史上,第一个“超级算力王国”!
晚上打开手机,问AI一个问题,几秒钟就能得到答案;企业用人工智能分析订单、设计产品,医院借助AI辅助医生分析影像。很多人觉得这只是软件技术进步,但很少有人意识到,这些服务背后都离不开一个庞大的基础设施——算力。
大家比较一个国家的科技实力,往往看芯片、汽车、飞机和高铁。如今,人工智能快速发展,算力正在成为新的重要竞争力。谁能提供更多、更便宜、更稳定的计算资源,谁就有机会在下一轮科技竞争中占据主动。
2026年10月,工业和信息化部公布,截至9月底,全国智能算力规模达到2592 EFLOPS,同比增长146%。此前,2025年底智能算力规模为159万PFlops,位居全球第二。这个增长速度,已经让算力成为数字基础设施中备受关注的领域。
我认为,未来真正值得关注的,不只是算力规模增长,而是能不能把算力建设成覆盖全国、连接产业、服务普通企业的基础设施。如果这条路走通,所谓的“超级算力王国”就不再只是一个概念。
算力规模快速增长,背后是一场基础设施竞争
什么是算力?简单理解,就是计算机处理信息、执行任务的能力。
训练一个大型人工智能模型,需要大量计算资源;用户每天向AI提问、生成图片、处理视频,同样需要持续消耗算力。
截至2026年6月底,全国智能算力规模达到2185 EFLOPS,算力设施在用标准机架达到1556万架。全国算力设施整体上架率达到71.4%。
这说明,算力竞争已经不只是购买几台高性能服务器,而是涉及芯片、服务器、数据中心、网络、电力和散热的一整套产业链。
真正的优势,不只是服务器多,而是全国算力能够协同
过去,算力设施容易集中在少数城市。东部地区人工智能企业多、需求大,但土地和电力成本较高;西部地区能源资源相对丰富,却距离部分应用市场较远。
为了解决这个问题,近年来持续推进的“东数西算”工程,正在推动算力资源跨区域布局。
2026年9月,国家算力平台已经实现全国31个省区市接入,汇聚注册企业用户超过1万家,上架算力产品2000多项。
这件事的意义很大。未来企业不一定非要在自己所在城市建设大型数据中心,而是可以根据任务需求购买异地算力服务。
就像用电一样,企业更关心能不能稳定获得、价格是否合理,而不是电厂建在什么地方。
算力王国离不开电力,能源才是另一张底牌
很多人谈人工智能,只关注芯片,却忽略了一个问题:服务器可以不断增加,电力供应和散热能力却必须跟得上。
大型数据中心一年到头都要运行,服务器需要持续供电,产生的热量也必须及时排出去。算力越密集,对供电稳定性、冷却系统和能源成本的要求就越高。
这也是为什么西部地区的能源资源和土地条件越来越受到重视。内蒙古、甘肃、宁夏等地拥有丰富的风电、光伏资源,可以探索绿电与数据中心协同发展。
2026年出现的一个新趋势,就是算力建设不再只看服务器数量,而是更加重视算电协同、绿色供电和整体运营效率。
我的看法是,未来真正有竞争力的算力中心,不一定是规模最大的,而是能够用更低的能源成本、更少的资源消耗,持续提供稳定计算服务的设施。
未来的竞争,还要看芯片和产业应用
但是要注意到,算力规模的增长并不意味着所有的技术环节都处于领先地位。
根据2026年的斯坦福大学《人工智能指数报告》,到2025年的时候,在美国的数据中心数量为5427个,而在我国则为449个。但是数据中心的数量并不等同于真正的计算能力,机房的大小、服务器的速度以及使用率都会受到影响。美国联邦储备委员会在2025年所做的研究中表明,在所选取的高端人工智能超级计算能力样本中,美国所占的比例要高于其他国家。
因此,真正的竞争还包括高性能芯片、先进封装、高速互联、基础软件和模型生态。
如果算力设施建起来了,却缺少合适的芯片、软件适配和应用需求,就可能出现设备闲置、运营成本过高的问题。
反过来,如果算力能够进入制造业、医疗、交通、农业和科研领域,帮助企业提高效率、降低成本,它才真正创造了价值。
普通人能从算力发展中得到什么?
我认为未来的最值得期待的就是算力逐渐成为一种普惠资源。
过去中小企业想要使用大型计算资源的时候,通常需要花费大量的资金去购买设备。但是以后如果算力租赁、云服务以及标准化的服务都比较成熟的话,小企业也可以根据自己的需求来租用计算能力。
这样就会产生新的工作机会,比如数据中心运维、网络工程、芯片设计、散热设备维护、电力工程以及人工智能的应用开发等。
另外人的生活也会发生改变。医院可以更快地处理医学影像,工厂可以优化生产计划,科研人员也可以减少模拟计算的时间。
但是也要注意到,算力中心的投资很大,耗电量也很多,并不是建得越多越好。怎样避免出现重复建设、提高利用率、降低使用成本,才是接下来要解决的问题。
我认为未来是否能成为真正的超级算力王国,并不在于拥有多少服务器,而在于能否把芯片、能源、网络、数据中心和产业应用联系在一起形成一个高效的体系。
这场竞争才刚刚开始,在规模上相差甚远的情况下,效率和应用才是决定胜负的关键。
评论 共 21 条 · 0.29s