{"id":87001,"topic":"ai","source":"InfoQ-CN","title":"《2026年中国人工智能计算力发展评估报告》发布，智能体重塑算力基础设施，智能算力规模预计增长87.9% - InfoQ-CN","url":"https://www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","url_hash":"28a116d2ed928e40c35b8c6c9d9a4af8056e9011","author":"","summary":"《2026年中国人工智能计算力发展评估报告》发布，智能体重塑算力基础设施，智能算力规模预计增长87.9% InfoQ-CN","content":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。\nIDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至 2030 年的 22.16 亿个，复合增长率达到 129.8%。随着智能体任务从简单的信息检索、内容生成，向需要多轮推理、工具调用和跨系统协作的复杂任务演进，Token 消耗被指数级放大。同期全球 Token 消耗量复合增长率达 4822.6%，约为活跃智能体数量增速的 37 倍。中国增长同样显著，2026-2030 年中国活跃智能体数量复合增长率达 151.2%，同期中国 Token 消耗量的复合增长率高达 3499.3%。\n智能体数量与 Token 消耗的快速增长，正带动算力需求持续攀升。2026 年中国智能算力规模预计达到 2576.5 EFLOPS，同比增长 87.9%，到 2030 年将进一步达到 10524.3 EFLOPS；2025-2030 年智能算力规模复合增长率由上一版本预测的 46.2%提升至 50.3%。同时，中国人工智能算力市场规模将在 2026 年达到 515 亿美元，同比增长 37%，并在 2030 年达到 1501 亿美元，2025-2030 年复合增长率达 31.8%。\n中国智能算力规模及预测，2020-2030\n《报告》围绕智能体规模化带来的新一轮算力变革，从算力供需、Agent 基础设施重构、行业 AI 应用成熟度及区域 AI 算力发展格局等多角度展开研究，分析智能体如何推动人工智能在模型能力持续演进的基础上，加速走向规模化应用，并进一步重塑中国人工智能算力产业的发展路径。\n智能体重塑城市 AI 格局，北京、杭州、深圳位列前三\n智能体加速进入生产和业务流程，正在改变城市 AI 算力竞争的评价逻辑。《报告》首次将智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施等纳入城市人工智能算力发展水平的关键评价指标。\n在 2026 年中国人工智能城市排行榜中，北京、杭州、深圳位列前三。其中，北京凭借完整的算力供给产业链、实力雄厚的模型与人工智能应用企业稳居首位；杭州依托 AI 创新企业集群和互联网产业基础，以及在大模型、具身智能等领域的持续发展，保持第二位；深圳作为 AI 服务器与算力芯片制造的重要基地，凭借深厚的算力供给产业基础，把握智能体爆发机遇，排名由第四升至前三。此外，上海、广州、成都、南京、武汉、济南、苏州进入前十。\n2026 中国人工智能计算力城市 TOP10\n行业智能体应用进展不一，AI Coding、AI Work 率先规模化应用\n《报告》首次从智能体当前应用成熟度和长期生产力影响两个维度评估行业智能体发展。当前应用成熟度主要反映行业数字化基础、业务流程标准化程度和结果可验证性；长期生产力影响则关注专业知识密度、可被 AI 重构的工作环节等。评估显示，行业当前成熟度与长期生产力价值并不完全同步。\n这种分化已经体现在实际落地阶段上。代码开发（Coding）和办公任务（Work）凭借更高的数字化程度、更清晰的任务边界和更强的结果可验证性，已率先进入规模化应用阶段。传统行业受业务复杂度与安全约束影响，多数仍处于探索试点阶段。制造、医疗健康、能源/电力等行业真正进入核心业务并形成“执行—反馈—优化”闭环的比例仍为 0%；运营商虽然已有 70.0%接入部分业务流程，但进入核心业务闭环的比例仍只有 3.3%。\n各行业智能体落地成熟度与长期生产力影响分布矩阵\n与此同时，当前成熟度并不等于长期价值。教育、科研与研发、医疗健康等知识密集型领域虽然当前应用成熟度相对有限，但其专业知识密度高、专业判断占比大，可被 AI 重构的工作环节也更多，因此长期生产力影响更为突出；能源、交通等领域则受到物理系统、实时性和安全责任边界约束，整体推进相对更慢。\n全球算力供需缺口持续扩大，智能体重塑 AI 基础设施\n智能体规模化运行持续推高 AI 算力需求，但芯片、存储、服务器等关键基础设施扩张周期难以同步，加之能源供给约束，全球算力供需缺口进一步扩大。《报告》预计，全球 AI 算力需求满足率将由 2024 年的 79%下降至 2027 年的 71%，2030 年仅回升至 77%，即 23%的需求等不到供应，供需矛盾将长期存在。\n全球人工智能算力供给、需求与需求缺口（2024-2030）\n单纯扩大算力规模已难以应对持续增长的智能需求。《报告》指出，智能体时代，AI 基础设施正从规模扩张转向系统效率竞争。通过计算、存储、网络、数据中心、终端以及模型、调度和 Token 运营的全系统协同，竞争核心从“拥有多少算力”进一步转向“能够多高效地持续产出智能”。\n计算沿能力上限与容量普惠双线演进：智能体任务涉及推理、规划、工具调用和数据处理等多类负载，单一处理器峰值性能已难以全面衡量系统效率。《报告》指出，计算产业正在沿能力型智算（Capability）与容量型智算（Capacity）两大发展维度演进：\n- 一方面，以超节点为代表的 Scale-up 架构通过扩大高速互联域和统一内存寻址，支撑突破智能上限； \n- 另一方面，通过多元算力协同、推理解耦以及缓存和调度优化等系统创新，提高 Token 产出效率，实现智能充分供给。由此，计算竞争正从单芯片峰值性能转向系统能力竞争。 \nToken 运营从单项性能优化走向交互性与吞吐量平衡：随着 AI 基础设施从资源供给转向智能生产，Token 正在成为连接算力投入与智能产出的重要运营尺度。智能体多轮推理、工具调用和任务编排进一步放大吞吐量与响应速度之间此消彼长的矛盾。因此，Token 运营并非追求单一指标最优，而是在业务场景和服务等级约束下，通过模型、算力和调度动态配置，找到交互性与吞吐量的最优平衡，兼顾并发服务能力与单用户响应时延，实现资源利用效率与用户体验的综合优化。\n智能体规模化正在推动 AI 产业从“建设算力、部署模型”走向“持续生产智能、兑现业务价值”。随着算力加速成为国家战略基础设施，未来竞争的关键将不只是算力规模，而在于能否通过计算、存储、网络、调度和 Token 运营的系统协同，将有限算力持续、高效地转化为有效任务结果和业务价值。","image_url":"https://static001.infoq.cn/resource/image/ed/2a/ede4eb45ef1b1yyeb9c56b51563a9b2a.png","lang":"zh","published_at":"2026-09-21T09:10:27+00:00","fetched_at":"2026-09-21T09:15:09+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。\nIDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至 2030 年的 22.16 亿个，复合增长率达到 129.8%。随着智能体任务从简单的信息检索、内容生成，向需要多轮推理、工具调用和跨系统协作的复杂任务演进，Token 消耗被指数级放大。同期全球 Token 消耗量复合增长率达 4822.6%，约为活跃智能体数量增速的 37 倍。中国增长同样显著，2026-2030 年中国活跃智能体数量复合增长率达 151.2%，同期中国 Token 消耗量的复合增长率高达 3499.3%。\n智能体数量与 Token 消耗的快速增长，正带动算力需求持续攀升。2026 年中国智能算力规模预计达到 2576.5 EFLOPS，同比增长 87.9%，到 2030 年将进一步达到 10524.3 EFLOPS；2025-2030 年智能算力规模复合增长率由上一版本预测的 46.2%提升至 50.3%。同时，中国人工智能算力市场规模将在 2026 年达到 515 亿美元，同比增长 37%，并在 2030 年达到 1501 亿美元，2025-2030 年复合增长率达 31.8%。\n中国智能算力规模及预测，2020-2030\n《报告》围绕智能体规模化带来的新一轮算力变革，从算力供需、Agent 基础设施重构、行业 AI 应用成熟度及区域 AI 算力发展格局等多角度展开研究，分析智能体如何推动人工智能在模型能力持续演进的基础上，加速走向规模化应用，并进一步重塑中国人工智能算力产业的发展路径。\n智能体重塑城市 AI 格局，北京、杭州、深圳位列前三\n智能体加速进入生产和业务流程，正在改变城市 AI 算力竞争的评价逻辑。《报告》首次将智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施等纳入城市人工智能算力发展水平的关键评价指标。\n在 2026 年中国人工智能城市排行榜中，北京、杭州、深圳位列前三。其中，北京凭借完整的算力供给产业链、实力雄厚的模型与人工智能应用企业稳居首位；杭州依托 AI 创新企业集群和互联网产业基础，以及在大模型、具身智能等领域的持续发展，保持第二位；深圳作为 AI 服务器与算力芯片制造的重要基地，凭借深厚的算力供给产业基础，把握智能体爆发机遇，排名由第四升至前三。此外，上海、广州、成都、南京、武汉、济南、苏州进入前十。\n2026 中国人工智能计算力城市 TOP10\n行业智能体应用进展不一，AI Coding、AI Work 率先规模化应用\n《报告》首次从智能体当前应用成熟度和长期生产力影响两个维度评估行业智能体发展。当前应用成熟度主要反映行业数字化基础、业务流程标准化程度和结果可验证性；长期生产力影响则关注专业知识密度、可被 AI 重构的工作环节等。评估显示，行业当前成熟度与长期生产力价值并不完全同步。\n这种分化已经体现在实际落地阶段上。代码开发（Coding）和办公任务（Work）凭借更高的数字化程度、更清晰的任务边界和更强的结果可验证性，已率先进入规模化应用阶段。传统行业受业务复杂度与安全约束影响，多数仍处于探索试点阶段。制造、医疗健康、能源/电力等行业真正进入核心业务并形成“执行—反馈—优化”闭环的比例仍为 0%；运营商虽然已有 70.0%接入部分业务流程，但进入核心业务闭环的比例仍只有 3.3%。\n各行业智能体落地成熟度与长期生产力影响分布矩阵\n与此同时，当前成熟度并不等于长期价值。教育、科研与研发、医疗健康等知识密集型领域虽然当前应用成熟度相对有限，但其专业知识密度高、专业判断占比大，可被 AI 重构的工作环节也更多，因此长期生产力影响更为突出；能源、交通等领域则受到物理系统、实时性和安全责任边界约束，整体推进相对更慢。\n全球算力供需缺口持续扩大，智能体重塑 AI 基础设施\n智能体规模化运行持续推高 AI 算力需求，但芯片、存储、服务器等关键基础设施扩张周期难以同步，加之能源供给约束，全球算力供需缺口进一步扩大。《报告》预计，全球 AI 算力需求满足率将由 2024 年的 79%下降至 2027 年的 71%，2030 年仅回升至 77%，即 23%的需求等不到供应，供需矛盾将长期存在。\n全球人工智能算力供给、需求与需求缺口（2024-2030）\n单纯扩大算力规模已难以应对持续增长的智能需求。《报告》指出，智能体时代，AI 基础设施正从规模扩张转向系统效率竞争。通过计算、存储、网络、数据中心、终端以及模型、调度和 Token 运营的全系统协同，竞争核心从“拥有多少算力”进一步转向“能够多高效地持续产出智能”。\n计算沿能力上限与容量普惠双线演进：智能体任务涉及推理、规划、工具调用和数据处理等多类负载，单一处理器峰值性能已难以全面衡量系统效率。《报告》指出，计算产业正在沿能力型智算（Capability）与容量型智算（Capacity）两大发展维度演进：\n- 一方面，以超节点为代表的 Scale-up 架构通过扩大高速互联域和统一内存寻址，支撑突破智能上限； \n- 另一方面，通过多元算力协同、推理解耦以及缓存和调度优化等系统创新，提高 Token 产出效率，实现智能充分供给。由此，计算竞争正从单芯片峰值性能转向系统能力竞争。 \nToken 运营从单项性能优化走向交互性与吞吐量平衡：随着 AI 基础设施从资源供给转向智能生产，Token 正在成为连接算力投入与智能产出的重要运营尺度。智能体多轮推理、工具调用和任务编排进一步放大吞吐量与响应速度之间此消彼长的矛盾。因此，Token 运营并非追求单一指标最优，而是在业务场景和服务等级约束下，通过模型、算力和调度动态配置，找到交互性与吞吐量的最优平衡，兼顾并发服务能力与单用户响应时延，实现资源利用效率与用户体验的综合优化。\n智能体规模化正在推动 AI 产业从“建设算力、部署模型”走向“持续生产智能、兑现业务价值”。随着算力加速成为国家战略基础设施，未来竞争的关键将不只是算力规模，而在于能否通过计算、存储、网络、调度和 Token 运营的系统协同，将有限算力持续、高效地转化为有效任务结果和业务价值。","cluster_id":3531978,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2710 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2710,"summary_length":2710,"usable_text_length":2710,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2710,"summary_length":2710}},"news_item":{"id":87001,"canonical_url":"https://www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","source_url":"https://www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","title":"《2026年中国人工智能计算力发展评估报告》发布，智能体重塑算力基础设施，智能算力规模预计增长87.9% - InfoQ-CN","source_name":"InfoQ-CN","author":null,"published_at":"2026-09-21T09:10:27+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"《2026年中国人工智能计算力发展评估报告》发布，智能体重塑算力基础设施，智能算力规模预计增长87.9% InfoQ-CN","full_text":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。\nIDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至 2030 年的 22.16 亿个，复合增长率达到 129.8%。随着智能体任务从简单的信息检索、内容生成，向需要多轮推理、工具调用和跨系统协作的复杂任务演进，Token 消耗被指数级放大。同期全球 Token 消耗量复合增长率达 4822.6%，约为活跃智能体数量增速的 37 倍。中国增长同样显著，2026-2030 年中国活跃智能体数量复合增长率达 151.2%，同期中国 Token 消耗量的复合增长率高达 3499.3%。\n智能体数量与 Token 消耗的快速增长，正带动算力需求持续攀升。2026 年中国智能算力规模预计达到 2576.5 EFLOPS，同比增长 87.9%，到 2030 年将进一步达到 10524.3 EFLOPS；2025-2030 年智能算力规模复合增长率由上一版本预测的 46.2%提升至 50.3%。同时，中国人工智能算力市场规模将在 2026 年达到 515 亿美元，同比增长 37%，并在 2030 年达到 1501 亿美元，2025-2030 年复合增长率达 31.8%。\n中国智能算力规模及预测，2020-2030\n《报告》围绕智能体规模化带来的新一轮算力变革，从算力供需、Agent 基础设施重构、行业 AI 应用成熟度及区域 AI 算力发展格局等多角度展开研究，分析智能体如何推动人工智能在模型能力持续演进的基础上，加速走向规模化应用，并进一步重塑中国人工智能算力产业的发展路径。\n智能体重塑城市 AI 格局，北京、杭州、深圳位列前三\n智能体加速进入生产和业务流程，正在改变城市 AI 算力竞争的评价逻辑。《报告》首次将智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施等纳入城市人工智能算力发展水平的关键评价指标。\n在 2026 年中国人工智能城市排行榜中，北京、杭州、深圳位列前三。其中，北京凭借完整的算力供给产业链、实力雄厚的模型与人工智能应用企业稳居首位；杭州依托 AI 创新企业集群和互联网产业基础，以及在大模型、具身智能等领域的持续发展，保持第二位；深圳作为 AI 服务器与算力芯片制造的重要基地，凭借深厚的算力供给产业基础，把握智能体爆发机遇，排名由第四升至前三。此外，上海、广州、成都、南京、武汉、济南、苏州进入前十。\n2026 中国人工智能计算力城市 TOP10\n行业智能体应用进展不一，AI Coding、AI Work 率先规模化应用\n《报告》首次从智能体当前应用成熟度和长期生产力影响两个维度评估行业智能体发展。当前应用成熟度主要反映行业数字化基础、业务流程标准化程度和结果可验证性；长期生产力影响则关注专业知识密度、可被 AI 重构的工作环节等。评估显示，行业当前成熟度与长期生产力价值并不完全同步。\n这种分化已经体现在实际落地阶段上。代码开发（Coding）和办公任务（Work）凭借更高的数字化程度、更清晰的任务边界和更强的结果可验证性，已率先进入规模化应用阶段。传统行业受业务复杂度与安全约束影响，多数仍处于探索试点阶段。制造、医疗健康、能源/电力等行业真正进入核心业务并形成“执行—反馈—优化”闭环的比例仍为 0%；运营商虽然已有 70.0%接入部分业务流程，但进入核心业务闭环的比例仍只有 3.3%。\n各行业智能体落地成熟度与长期生产力影响分布矩阵\n与此同时，当前成熟度并不等于长期价值。教育、科研与研发、医疗健康等知识密集型领域虽然当前应用成熟度相对有限，但其专业知识密度高、专业判断占比大，可被 AI 重构的工作环节也更多，因此长期生产力影响更为突出；能源、交通等领域则受到物理系统、实时性和安全责任边界约束，整体推进相对更慢。\n全球算力供需缺口持续扩大，智能体重塑 AI 基础设施\n智能体规模化运行持续推高 AI 算力需求，但芯片、存储、服务器等关键基础设施扩张周期难以同步，加之能源供给约束，全球算力供需缺口进一步扩大。《报告》预计，全球 AI 算力需求满足率将由 2024 年的 79%下降至 2027 年的 71%，2030 年仅回升至 77%，即 23%的需求等不到供应，供需矛盾将长期存在。\n全球人工智能算力供给、需求与需求缺口（2024-2030）\n单纯扩大算力规模已难以应对持续增长的智能需求。《报告》指出，智能体时代，AI 基础设施正从规模扩张转向系统效率竞争。通过计算、存储、网络、数据中心、终端以及模型、调度和 Token 运营的全系统协同，竞争核心从“拥有多少算力”进一步转向“能够多高效地持续产出智能”。\n计算沿能力上限与容量普惠双线演进：智能体任务涉及推理、规划、工具调用和数据处理等多类负载，单一处理器峰值性能已难以全面衡量系统效率。《报告》指出，计算产业正在沿能力型智算（Capability）与容量型智算（Capacity）两大发展维度演进：\n- 一方面，以超节点为代表的 Scale-up 架构通过扩大高速互联域和统一内存寻址，支撑突破智能上限； \n- 另一方面，通过多元算力协同、推理解耦以及缓存和调度优化等系统创新，提高 Token 产出效率，实现智能充分供给。由此，计算竞争正从单芯片峰值性能转向系统能力竞争。 \nToken 运营从单项性能优化走向交互性与吞吐量平衡：随着 AI 基础设施从资源供给转向智能生产，Token 正在成为连接算力投入与智能产出的重要运营尺度。智能体多轮推理、工具调用和任务编排进一步放大吞吐量与响应速度之间此消彼长的矛盾。因此，Token 运营并非追求单一指标最优，而是在业务场景和服务等级约束下，通过模型、算力和调度动态配置，找到交互性与吞吐量的最优平衡，兼顾并发服务能力与单用户响应时延，实现资源利用效率与用户体验的综合优化。\n智能体规模化正在推动 AI 产业从“建设算力、部署模型”走向“持续生产智能、兑现业务价值”。随着算力加速成为国家战略基础设施，未来竞争的关键将不只是算力规模，而在于能否通过计算、存储、网络、调度和 Token 运营的系统协同，将有限算力持续、高效地转化为有效任务结果和业务价值。","excerpt":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。\nIDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至 2030 年的 22.16 亿个，复合增长率达到 129.8%。随着智能体任务从简单的信息检索、内容生成，向需要多轮推理、工具调用和跨系统协作的复杂任务演进，Token 消耗被指数级放大。同期全球 Token 消耗量复合增长率达 4822.6%，约为活跃智能体数量增速的 37 倍。中国增长同样显著，2026-2030 年中国活跃智能体数量复合增长率达 151.2%，同期中国 Token 消耗量的复合增长率高达 3499.3%。\n智能体数量与 Token 消耗的快速增长，正带动算力需求持续攀升。2026 年中国智能算力规模预计达到 2576.5 EFLOPS，同比增长 87.9%，到 2030 年将进一步达到 10524.3 EFLOPS；2025-2030 年智能算力规模复合增长率由上一版本预测的 46.2%提升至 50.3%。同时，中国人工智能算力市场规模将在 2026 年达到 515 亿美元，同比增长 37%，并在 2030 年达到 1501 亿美元，2025-2030 年复合增长率达 31.8%。\n中国智能算力规模及预测，2020-2030\n《报告》围绕智能体规模化带来的新一轮算力变革，从算力供需、Agent 基础设施重构、行业 AI 应用成熟度及区域 AI 算力发展格局等多角度展开研究，分析智能体如何推动人工智能在模型能力持续演进的基础上，加速走向规模化应用，并进一步重塑中国人工智能算力产业的发展路径。\n智能体重塑城市 AI 格局，北京、杭州、深圳位列前三\n智能体加速进入生产和业务流程，正在改变城市 AI 算力竞争的评价逻辑。《报告》首次将智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施等纳入城市人工智能算力发展水平的关键评价指标。\n在 2026 年中国人工智能城市排行榜中，北京、杭州、深圳位列前三。其中，北京凭借完整的算力供给产业链、实力雄厚的模型与人工智能应用企业稳居首位；杭州依托 AI 创新企业集群和互联网产业基础，以及在大模型、具身智能等领域的持续发展，保持第二位；深圳作为 AI 服务器与算力芯片制造的重要基地，凭借深厚的算力供给产业基础，把握智能体爆发机遇，排名由第四升至前三。此外，上海、广州、成都、南京、武汉、济南、苏州进入前十。\n2026 中国人工智能计算力城市 TOP10\n行业智能体应用进展不一，AI Coding、AI Work 率先规模化应用\n《报告》首次从智能体当前应用成熟度和长期生产力影响两个维度评估行业智能体发展。当前应用成熟度主要反映行业数字化基础、业务流程标准化程度和结果可验证性；长期生产力影响则关注专业知识密度、可被 AI 重构的工作环节等。评估显示，行业当前成熟度与长期生产力价值并不完全同步。\n这种分化已经体现在实际落地阶段上。代码开发（Coding）和办公任务（Work）凭借更高的数字化程度、更清晰的任务边界和更强的结果可验证性，已率先进入规模化应用阶段。传统行业受业务复杂度与安全约束影响，多数仍处于探索试点阶段。制造、医疗健康、能源/电力等行业真正进入核心业务并形成“执行—反馈—优化”闭环的比例仍为 0%；运营商虽然已有 70.0%接入部分业务流程，但进入核心业务闭环的比例仍只有 3.3%。\n各行业智能体落地成熟度与长期生产力影响分布矩阵\n与此同时，当前成熟度并不等于长期价值。教育、科研与研发、医疗健康等知识密集型领域虽然当前应用成熟度相对有限，但其专业知识密度高、专业判断占比大，可被 AI 重构的工作环节也更多，因此长期生产力影响更为突出；能源、交通等领域则受到物理系统、实时性和安全责任边界约束，整体推进相对更慢。\n全球算力供需缺口持续扩大，智能体重塑 AI 基础设施\n智能体规模化运行持续推高 AI 算力需求，但芯片、存储、服务器等关键基础设施扩张周期难以同步，加之能源供给约束，全球算力供需缺口进一步扩大。《报告》预计，全球 AI 算力需求满足率将由 2024 年的 79%下降至 2027 年的 71%，2030 年仅回升至 77%，即 23%的需求等不到供应，供需矛盾将长期存在。\n全球人工智能算力供给、需求与需求缺口（2024-2030）\n单纯扩大算力规模已难以应对持续增长的智能需求。《报告》指出，智能体时代，AI 基础设施正从规模扩张转向系统效率竞争。通过计算、存储、网络、数据中心、终端以及模型、调度和 Token 运营的全系统协同，竞争核心从“拥有多少算力”进一步转向“能够多高效地持续产出智能”。\n计算沿能力上限与容量普惠双线演进：智能体任务涉及推理、规划、工具调用和数据处理等多类负载，单一处理器峰值性能已难以全面衡量系统效率。《报告》指出，计算产业正在沿能力型智算（Capability）与容量型智算（Capacity）两大发展维度演进：\n- 一方面，以超节点为代表的 Scale-up 架构通过扩大高速互联域和统一内存寻址，支撑突破智能上限； \n- 另一方面，通过多元算力协同、推理解耦以及缓存和调度优化等系统创新，提高 Token 产出效率，实现智能充分供给。由此，计算竞争正从单芯片峰值性能转向系统能力竞争。 \nToken 运营从单项性能优化走向交互性与吞吐量平衡：随着 AI 基础设施从资源供给转向智能生产，Token 正在成为连接算力投入与智能产出的重要运营尺度。智能体多轮推理、工具调用和任务编排进一步放大吞吐量与响应速度之间此消彼长的矛盾。因此，Token 运营并非追求单一指标最优，而是在业务场景和服务等级约束下，通过模型、算力和调度动态配置，找到交互性与吞吐量的最优平衡，兼顾并发服务能力与单用户响应时延，实现资源利用效率与用户体验的综合优化。\n智能体规模化正在推动 AI 产业从“建设算力、部署模型”走向“持续生产智能、兑现业务价值”。随着算力加速成为国家战略基础设施，未来竞争的关键将不只是算力规模，而在于能否通过计算、存储、网络、调度和 Token 运营的系统协同，将有限算力持续、高效地转化为有效任务结果和业务价值。","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 2710 characters.","diagnostics_url":"/api/diagnose?url=https%3A//www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2710 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2710,"summary_length":2710,"usable_text_length":2710,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2710,"summary_length":2710}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"《2026年中国人工智能计算力发展评估报告》发布，智能体重塑算力基础设施，智能算力规模预计增长87.9% - InfoQ-CN","url":"https://www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","summary":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。\nIDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至 2030 年的 22.16 亿个，复合增长率达到 129.8%。随着智能体任务从简单的信息检索、内容生成，向需要多轮推理、工具调用和跨系统协作的复杂任务演进，Token 消耗被指数级放大。同期全球 Token 消耗量复合增长率达 4822.6%，约为活跃智能体数量增速的 37 倍。中国增长同样显著，2026-2030 年中国活跃智能体数量复合增长率达 151.2%，同期中国 Token 消耗量的复合增长率高达 3499.3%。\n智能体数量与 Token 消耗的快速增长，正带动算力需求持续攀升。2026 年中国智能算力规模预计达到 2576.5 EFLOPS，同比增长 87.9%，到 2030 年将进一步达到 10524.3 EFLOPS；2025-2030 年智能算力规模复合增长率由上一版本预测的 46.2%提升至 50.3%。同时，中国人工智能算力市场规模将在 2026 年达到 515 亿美元，同比增长 37%，并在 2030 年达到 1501 亿美元，2025-2030 年复合增长率达 31.8%。\n中国智能算力规模及预测，2020-2030\n《报告》围绕智能体规模化带来的新一轮算力变革，从算力供需、Agent 基础设施重构、行业 AI 应用成熟度及区域 AI 算力发展格局等多角度展开研究，分析智能体如何推动人工智能在模型能力持续演进的基础上，加速走向规模化应用，并进一步重塑中国人工智能算力产业的发展路径。\n智能体重塑城市 AI 格局，北京、杭州、深圳位列前三\n智能体加速进入生产和业务流程，正在改变城市 AI 算力竞争的评价逻辑。《报告》首次将智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施等纳入城市人工智能算力发展水平的关键评价指标。\n在 2026 年中国人工智能城市排行榜中，北京、杭州、深圳位列前三。其中，北京凭借完整的算力供给产业链、实力雄厚的模型与人工智能应用企业稳居首位；杭州依托 AI 创新企业集群和互联网产业基础，以及在大模型、具身智能等领域的持续发展，保持第二位；深圳作为 AI 服务器与算力芯片制造的重要基地，凭借深厚的算力供给产业基础，把握智能体爆发机遇，排名由第四升至前三。此外，上海、广州、成都、南京、武汉、济南、苏州进入前十。\n2026 中国人工智能计算力城市 TOP10\n行业智能体应用进展不一，AI Coding、AI Work 率先规模化应用\n《报告》首次从智能体当前应用成熟度和长期生产力影响两个维度评估行业智能体发展。当前应用成熟度主要反映行业数字化基础、业务流程标准化程度和结果可验证性；长期生产力影响则关注专业知识密度、可被 AI 重构的工作环节等。评估显示，行业当前成熟度与长期生产力价值并不完全同步。\n这种分化已经体现在实际落地阶段上。代码开发（Coding）和办公任务（Work）凭借更高的数字化程度、更清晰的任务边界和更强的结果可验证性，已率先进入规模化应用阶段。传统行业受业务复杂度与安全约束影响，多数仍处于探索试点阶段。制造、医疗健康、能源/电力等行业真正进入核心业务并形成“执行—反馈—优化”闭环的比例仍为 0%；运营商虽然已有 70.0%接入部分业务流程，但进入核心业务闭环的比例仍只有 3.3%。\n各行业智能体落地成熟度与长期生产力影响分布矩阵\n与此同时，当前成熟度并不等于长期价值。教育、科研与研发、医疗健康等知识密集型领域虽然当前应用成熟度相对有限，但其专业知识密度高、专业判断占比大，可被 AI 重构的工作环节也更多，因此长期生产力影响更为突出；能源、交通等领域则受到物理系统、实时性和安全责任边界约束，整体推进相对更慢。\n全球算力供需缺口持续扩大，智能体重塑 AI 基础设施\n智能体规模化运行持续推高 AI 算力需求，但芯片、存储、服务器等关键基础设施扩张周期难以同步，加之能源供给约束，全球算力供需缺口进一步扩大。《报告》预计，全球 AI 算力需求满足率将由 2024 年的 79%下降至 2027 年的 71%，2030 年仅回升至 77%，即 23%的需求等不到供应，供需矛盾将长期存在。\n全球人工智能算力供给、需求与需求缺口（2024-2030）\n单纯扩大算力规模已难以应对持续增长的智能需求。《报告》指出，智能体时代，AI 基础设施正从规模扩张转向系统效率竞争。通过计算、存储、网络、数据中心、终端以及模型、调度和 Token 运营的全系统协同，竞争核心从“拥有多少算力”进一步转向“能够多高效地持续产出智能”。\n计算沿能力上限与容量普惠双线演进：智能体任务涉及推理、规划、工具调用和数据处理等多类负载，单一处理器峰值性能已难以全面衡量系统效率。《报告》指出，计算产业正在沿能力型智算（Capability）与容量型智算（Capacity）两大发展维度演进：\n- 一方面，以超节点为代表的 Scale-up 架构通过扩大高速互联域和统一内存寻址，支撑突破智能上限； \n- 另一方面，通过多元算力协同、推理解耦以及缓存和调度优化等系统创新，提高 Token 产出效率，实现智能充分供给。由此，计算竞争正从单芯片峰值性能转向系统能力竞争。 \nToken 运营从单项性能优化走向交互性与吞吐量平衡：随着 AI 基础设施从资源供给转向智能生产，Token 正在成为连接算力投入与智能产出的重要运营尺度。智能体多轮推理、工具调用和任务编排进一步放大吞吐量与响应速度之间此消彼长的矛盾。因此，Token 运营并非追求单一指标最优，而是在业务场景和服务等级约束下，通过模型、算力和调度动态配置，找到交互性与吞吐量的最优平衡，兼顾并发服务能力与单用户响应时延，实现资源利用效率与用户体验的综合优化。\n智能体规模化正在推动 AI 产业从“建设算力、部署模型”走向“持续生产智能、兑现业务价值”。随着算力加速成为国家战略基础设施，未来竞争的关键将不只是算力规模，而在于能否通过计算、存储、网络、调度和 Token 运营的系统协同，将有限算力持续、高效地转化为有效任务结果和业务价值。","source":"InfoQ-CN","date":"2026-09-21T09:10:27+00:00","content":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。\nIDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至 2030 年的 22.16 亿个，复合增长率达到 129.8%。随着智能体任务从简单的信息检索、内容生成，向需要多轮推理、工具调用和跨系统协作的复杂任务演进，Token 消耗被指数级放大。同期全球 Token 消耗量复合增长率达 4822.6%，约为活跃智能体数量增速的 37 倍。中国增长同样显著，2026-2030 年中国活跃智能体数量复合增长率达 151.2%，同期中国 Token 消耗量的复合增长率高达 3499.3%。\n智能体数量与 Token 消耗的快速增长，正带动算力需求持续攀升。2026 年中国智能算力规模预计达到 2576.5 EFLOPS，同比增长 87.9%，到 2030 年将进一步达到 10524.3 EFLOPS；2025-2030 年智能算力规模复合增长率由上一版本预测的 46.2%提升至 50.3%。同时，中国人工智能算力市场规模将在 2026 年达到 515 亿美元，同比增长 37%，并在 2030 年达到 1501 亿美元，2025-2030 年复合增长率达 31.8%。\n中国智能算力规模及预测，2020-2030\n《报告》围绕智能体规模化带来的新一轮算力变革，从算力供需、Agent 基础设施重构、行业 AI 应用成熟度及区域 AI 算力发展格局等多角度展开研究，分析智能体如何推动人工智能在模型能力持续演进的基础上，加速走向规模化应用，并进一步重塑中国人工智能算力产业的发展路径。\n智能体重塑城市 AI 格局，北京、杭州、深圳位列前三\n智能体加速进入生产和业务流程，正在改变城市 AI 算力竞争的评价逻辑。《报告》首次将智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施等纳入城市人工智能算力发展水平的关键评价指标。\n在 2026 年中国人工智能城市排行榜中，北京、杭州、深圳位列前三。其中，北京凭借完整的算力供给产业链、实力雄厚的模型与人工智能应用企业稳居首位；杭州依托 AI 创新企业集群和互联网产业基础，以及在大模型、具身智能等领域的持续发展，保持第二位；深圳作为 AI 服务器与算力芯片制造的重要基地，凭借深厚的算力供给产业基础，把握智能体爆发机遇，排名由第四升至前三。此外，上海、广州、成都、南京、武汉、济南、苏州进入前十。\n2026 中国人工智能计算力城市 TOP10\n行业智能体应用进展不一，AI Coding、AI Work 率先规模化应用\n《报告》首次从智能体当前应用成熟度和长期生产力影响两个维度评估行业智能体发展。当前应用成熟度主要反映行业数字化基础、业务流程标准化程度和结果可验证性；长期生产力影响则关注专业知识密度、可被 AI 重构的工作环节等。评估显示，行业当前成熟度与长期生产力价值并不完全同步。\n这种分化已经体现在实际落地阶段上。代码开发（Coding）和办公任务（Work）凭借更高的数字化程度、更清晰的任务边界和更强的结果可验证性，已率先进入规模化应用阶段。传统行业受业务复杂度与安全约束影响，多数仍处于探索试点阶段。制造、医疗健康、能源/电力等行业真正进入核心业务并形成“执行—反馈—优化”闭环的比例仍为 0%；运营商虽然已有 70.0%接入部分业务流程，但进入核心业务闭环的比例仍只有 3.3%。\n各行业智能体落地成熟度与长期生产力影响分布矩阵\n与此同时，当前成熟度并不等于长期价值。教育、科研与研发、医疗健康等知识密集型领域虽然当前应用成熟度相对有限，但其专业知识密度高、专业判断占比大，可被 AI 重构的工作环节也更多，因此长期生产力影响更为突出；能源、交通等领域则受到物理系统、实时性和安全责任边界约束，整体推进相对更慢。\n全球算力供需缺口持续扩大，智能体重塑 AI 基础设施\n智能体规模化运行持续推高 AI 算力需求，但芯片、存储、服务器等关键基础设施扩张周期难以同步，加之能源供给约束，全球算力供需缺口进一步扩大。《报告》预计，全球 AI 算力需求满足率将由 2024 年的 79%下降至 2027 年的 71%，2030 年仅回升至 77%，即 23%的需求等不到供应，供需矛盾将长期存在。\n全球人工智能算力供给、需求与需求缺口（2024-2030）\n单纯扩大算力规模已难以应对持续增长的智能需求。《报告》指出，智能体时代，AI 基础设施正从规模扩张转向系统效率竞争。通过计算、存储、网络、数据中心、终端以及模型、调度和 Token 运营的全系统协同，竞争核心从“拥有多少算力”进一步转向“能够多高效地持续产出智能”。\n计算沿能力上限与容量普惠双线演进：智能体任务涉及推理、规划、工具调用和数据处理等多类负载，单一处理器峰值性能已难以全面衡量系统效率。《报告》指出，计算产业正在沿能力型智算（Capability）与容量型智算（Capacity）两大发展维度演进：\n- 一方面，以超节点为代表的 Scale-up 架构通过扩大高速互联域和统一内存寻址，支撑突破智能上限； \n- 另一方面，通过多元算力协同、推理解耦以及缓存和调度优化等系统创新，提高 Token 产出效率，实现智能充分供给。由此，计算竞争正从单芯片峰值性能转向系统能力竞争。 \nToken 运营从单项性能优化走向交互性与吞吐量平衡：随着 AI 基础设施从资源供给转向智能生产，Token 正在成为连接算力投入与智能产出的重要运营尺度。智能体多轮推理、工具调用和任务编排进一步放大吞吐量与响应速度之间此消彼长的矛盾。因此，Token 运营并非追求单一指标最优，而是在业务场景和服务等级约束下，通过模型、算力和调度动态配置，找到交互性与吞吐量的最优平衡，兼顾并发服务能力与单用户响应时延，实现资源利用效率与用户体验的综合优化。\n智能体规模化正在推动 AI 产业从“建设算力、部署模型”走向“持续生产智能、兑现业务价值”。随着算力加速成为国家战略基础设施，未来竞争的关键将不只是算力规模，而在于能否通过计算、存储、网络、调度和 Token 运营的系统协同，将有限算力持续、高效地转化为有效任务结果和业务价值。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 2710 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2710 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2710,"summary_length":2710,"usable_text_length":2710,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2710,"summary_length":2710}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/87001","export_markdown":"/api/items/87001/export?format=markdown","export_json":"/api/items/87001/export?format=json","diagnose":"/api/diagnose?url=https%3A//www.infoq.cn/article/vA7opkWL5WYlwYcPIdds"},"formats":{"full":{"id":87001,"title":"《2026年中国人工智能计算力发展评估报告》发布，智能体重塑算力基础设施，智能算力规模预计增长87.9% - InfoQ-CN","url":"https://www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","source":"InfoQ-CN","author":null,"published_at":"2026-09-21T09:10:27+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。\nIDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至 2030 年的 22.16 亿个，复合增长率达到 129.8%。随着智能体任务从简单的信息检索、内容生成，向需要多轮推理、工具调用和跨系统协作的复杂任务演进，Token 消耗被指数级放大。同期全球 Token 消耗量复合增长率达 4822.6%，约为活跃智能体数量增速的 37 倍。中国增长同样显著，2026-2030 年中国活跃智能体数量复合增长率达 151.2%，同期中国 Token 消耗量的复合增长率高达 3499.3%。\n智能体数量与 Token 消耗的快速增长，正带动算力需求持续攀升。2026 年中国智能算力规模预计达到 2576.5 EFLOPS，同比增长 87.9%，到 2030 年将进一步达到 10524.3 EFLOPS；2025-2030 年智能算力规模复合增长率由上一版本预测的 46.2%提升至 50.3%。同时，中国人工智能算力市场规模将在 2026 年达到 515 亿美元，同比增长 37%，并在 2030 年达到 1501 亿美元，2025-2030 年复合增长率达 31.8%。\n中国智能算力规模及预测，2020-2030\n《报告》围绕智能体规模化带来的新一轮算力变革，从算力供需、Agent 基础设施重构、行业 AI 应用成熟度及区域 AI 算力发展格局等多角度展开研究，分析智能体如何推动人工智能在模型能力持续演进的基础上，加速走向规模化应用，并进一步重塑中国人工智能算力产业的发展路径。\n智能体重塑城市 AI 格局，北京、杭州、深圳位列前三\n智能体加速进入生产和业务流程，正在改变城市 AI 算力竞争的评价逻辑。《报告》首次将智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施等纳入城市人工智能算力发展水平的关键评价指标。\n在 2026 年中国人工智能城市排行榜中，北京、杭州、深圳位列前三。其中，北京凭借完整的算力供给产业链、实力雄厚的模型与人工智能应用企业稳居首位；杭州依托 AI 创新企业集群和互联网产业基础，以及在大模型、具身智能等领域的持续发展，保持第二位；深圳作为 AI 服务器与算力芯片制造的重要基地，凭借深厚的算力供给产业基础，把握智能体爆发机遇，排名由第四升至前三。此外，上海、广州、成都、南京、武汉、济南、苏州进入前十。\n2026 中国人工智能计算力城市 TOP10\n行业智能体应用进展不一，AI Coding、AI Work 率先规模化应用\n《报告》首次从智能体当前应用成熟度和长期生产力影响两个维度评估行业智能体发展。当前应用成熟度主要反映行业数字化基础、业务流程标准化程度和结果可验证性；长期生产力影响则关注专业知识密度、可被 AI 重构的工作环节等。评估显示，行业当前成熟度与长期生产力价值并不完全同步。\n这种分化已经体现在实际落地阶段上。代码开发（Coding）和办公任务（Work）凭借更高的数字化程度、更清晰的任务边界和更强的结果可验证性，已率先进入规模化应用阶段。传统行业受业务复杂度与安全约束影响，多数仍处于探索试点阶段。制造、医疗健康、能源/电力等行业真正进入核心业务并形成“执行—反馈—优化”闭环的比例仍为 0%；运营商虽然已有 70.0%接入部分业务流程，但进入核心业务闭环的比例仍只有 3.3%。\n各行业智能体落地成熟度与长期生产力影响分布矩阵\n与此同时，当前成熟度并不等于长期价值。教育、科研与研发、医疗健康等知识密集型领域虽然当前应用成熟度相对有限，但其专业知识密度高、专业判断占比大，可被 AI 重构的工作环节也更多，因此长期生产力影响更为突出；能源、交通等领域则受到物理系统、实时性和安全责任边界约束，整体推进相对更慢。\n全球算力供需缺口持续扩大，智能体重塑 AI 基础设施\n智能体规模化运行持续推高 AI 算力需求，但芯片、存储、服务器等关键基础设施扩张周期难以同步，加之能源供给约束，全球算力供需缺口进一步扩大。《报告》预计，全球 AI 算力需求满足率将由 2024 年的 79%下降至 2027 年的 71%，2030 年仅回升至 77%，即 23%的需求等不到供应，供需矛盾将长期存在。\n全球人工智能算力供给、需求与需求缺口（2024-2030）\n单纯扩大算力规模已难以应对持续增长的智能需求。《报告》指出，智能体时代，AI 基础设施正从规模扩张转向系统效率竞争。通过计算、存储、网络、数据中心、终端以及模型、调度和 Token 运营的全系统协同，竞争核心从“拥有多少算力”进一步转向“能够多高效地持续产出智能”。\n计算沿能力上限与容量普惠双线演进：智能体任务涉及推理、规划、工具调用和数据处理等多类负载，单一处理器峰值性能已难以全面衡量系统效率。《报告》指出，计算产业正在沿能力型智算（Capability）与容量型智算（Capacity）两大发展维度演进：\n- 一方面，以超节点为代表的 Scale-up 架构通过扩大高速互联域和统一内存寻址，支撑突破智能上限； \n- 另一方面，通过多元算力协同、推理解耦以及缓存和调度优化等系统创新，提高 Token 产出效率，实现智能充分供给。由此，计算竞争正从单芯片峰值性能转向系统能力竞争。 \nToken 运营从单项性能优化走向交互性与吞吐量平衡：随着 AI 基础设施从资源供给转向智能生产，Token 正在成为连接算力投入与智能产出的重要运营尺度。智能体多轮推理、工具调用和任务编排进一步放大吞吐量与响应速度之间此消彼长的矛盾。因此，Token 运营并非追求单一指标最优，而是在业务场景和服务等级约束下，通过模型、算力和调度动态配置，找到交互性与吞吐量的最优平衡，兼顾并发服务能力与单用户响应时延，实现资源利用效率与用户体验的综合优化。\n智能体规模化正在推动 AI 产业从“建设算力、部署模型”走向“持续生产智能、兑现业务价值”。随着算力加速成为国家战略基础设施，未来竞争的关键将不只是算力规模，而在于能否通过计算、存储、网络、调度和 Token 运营的系统协同，将有限算力持续、高效地转化为有效任务结果和业务价值。","full_text":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。\nIDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至 2030 年的 22.16 亿个，复合增长率达到 129.8%。随着智能体任务从简单的信息检索、内容生成，向需要多轮推理、工具调用和跨系统协作的复杂任务演进，Token 消耗被指数级放大。同期全球 Token 消耗量复合增长率达 4822.6%，约为活跃智能体数量增速的 37 倍。中国增长同样显著，2026-2030 年中国活跃智能体数量复合增长率达 151.2%，同期中国 Token 消耗量的复合增长率高达 3499.3%。\n智能体数量与 Token 消耗的快速增长，正带动算力需求持续攀升。2026 年中国智能算力规模预计达到 2576.5 EFLOPS，同比增长 87.9%，到 2030 年将进一步达到 10524.3 EFLOPS；2025-2030 年智能算力规模复合增长率由上一版本预测的 46.2%提升至 50.3%。同时，中国人工智能算力市场规模将在 2026 年达到 515 亿美元，同比增长 37%，并在 2030 年达到 1501 亿美元，2025-2030 年复合增长率达 31.8%。\n中国智能算力规模及预测，2020-2030\n《报告》围绕智能体规模化带来的新一轮算力变革，从算力供需、Agent 基础设施重构、行业 AI 应用成熟度及区域 AI 算力发展格局等多角度展开研究，分析智能体如何推动人工智能在模型能力持续演进的基础上，加速走向规模化应用，并进一步重塑中国人工智能算力产业的发展路径。\n智能体重塑城市 AI 格局，北京、杭州、深圳位列前三\n智能体加速进入生产和业务流程，正在改变城市 AI 算力竞争的评价逻辑。《报告》首次将智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施等纳入城市人工智能算力发展水平的关键评价指标。\n在 2026 年中国人工智能城市排行榜中，北京、杭州、深圳位列前三。其中，北京凭借完整的算力供给产业链、实力雄厚的模型与人工智能应用企业稳居首位；杭州依托 AI 创新企业集群和互联网产业基础，以及在大模型、具身智能等领域的持续发展，保持第二位；深圳作为 AI 服务器与算力芯片制造的重要基地，凭借深厚的算力供给产业基础，把握智能体爆发机遇，排名由第四升至前三。此外，上海、广州、成都、南京、武汉、济南、苏州进入前十。\n2026 中国人工智能计算力城市 TOP10\n行业智能体应用进展不一，AI Coding、AI Work 率先规模化应用\n《报告》首次从智能体当前应用成熟度和长期生产力影响两个维度评估行业智能体发展。当前应用成熟度主要反映行业数字化基础、业务流程标准化程度和结果可验证性；长期生产力影响则关注专业知识密度、可被 AI 重构的工作环节等。评估显示，行业当前成熟度与长期生产力价值并不完全同步。\n这种分化已经体现在实际落地阶段上。代码开发（Coding）和办公任务（Work）凭借更高的数字化程度、更清晰的任务边界和更强的结果可验证性，已率先进入规模化应用阶段。传统行业受业务复杂度与安全约束影响，多数仍处于探索试点阶段。制造、医疗健康、能源/电力等行业真正进入核心业务并形成“执行—反馈—优化”闭环的比例仍为 0%；运营商虽然已有 70.0%接入部分业务流程，但进入核心业务闭环的比例仍只有 3.3%。\n各行业智能体落地成熟度与长期生产力影响分布矩阵\n与此同时，当前成熟度并不等于长期价值。教育、科研与研发、医疗健康等知识密集型领域虽然当前应用成熟度相对有限，但其专业知识密度高、专业判断占比大，可被 AI 重构的工作环节也更多，因此长期生产力影响更为突出；能源、交通等领域则受到物理系统、实时性和安全责任边界约束，整体推进相对更慢。\n全球算力供需缺口持续扩大，智能体重塑 AI 基础设施\n智能体规模化运行持续推高 AI 算力需求，但芯片、存储、服务器等关键基础设施扩张周期难以同步，加之能源供给约束，全球算力供需缺口进一步扩大。《报告》预计，全球 AI 算力需求满足率将由 2024 年的 79%下降至 2027 年的 71%，2030 年仅回升至 77%，即 23%的需求等不到供应，供需矛盾将长期存在。\n全球人工智能算力供给、需求与需求缺口（2024-2030）\n单纯扩大算力规模已难以应对持续增长的智能需求。《报告》指出，智能体时代，AI 基础设施正从规模扩张转向系统效率竞争。通过计算、存储、网络、数据中心、终端以及模型、调度和 Token 运营的全系统协同，竞争核心从“拥有多少算力”进一步转向“能够多高效地持续产出智能”。\n计算沿能力上限与容量普惠双线演进：智能体任务涉及推理、规划、工具调用和数据处理等多类负载，单一处理器峰值性能已难以全面衡量系统效率。《报告》指出，计算产业正在沿能力型智算（Capability）与容量型智算（Capacity）两大发展维度演进：\n- 一方面，以超节点为代表的 Scale-up 架构通过扩大高速互联域和统一内存寻址，支撑突破智能上限； \n- 另一方面，通过多元算力协同、推理解耦以及缓存和调度优化等系统创新，提高 Token 产出效率，实现智能充分供给。由此，计算竞争正从单芯片峰值性能转向系统能力竞争。 \nToken 运营从单项性能优化走向交互性与吞吐量平衡：随着 AI 基础设施从资源供给转向智能生产，Token 正在成为连接算力投入与智能产出的重要运营尺度。智能体多轮推理、工具调用和任务编排进一步放大吞吐量与响应速度之间此消彼长的矛盾。因此，Token 运营并非追求单一指标最优，而是在业务场景和服务等级约束下，通过模型、算力和调度动态配置，找到交互性与吞吐量的最优平衡，兼顾并发服务能力与单用户响应时延，实现资源利用效率与用户体验的综合优化。\n智能体规模化正在推动 AI 产业从“建设算力、部署模型”走向“持续生产智能、兑现业务价值”。随着算力加速成为国家战略基础设施，未来竞争的关键将不只是算力规模，而在于能否通过计算、存储、网络、调度和 Token 运营的系统协同，将有限算力持续、高效地转化为有效任务结果和业务价值。","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 2710 characters.","diagnostics_url":"/api/diagnose?url=https%3A//www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2710 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2710,"summary_length":2710,"usable_text_length":2710,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2710,"summary_length":2710}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2710 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2710,"summary_length":2710,"usable_text_length":2710,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2710,"summary_length":2710}},"actions":{"read":"/item/87001","export_markdown":"/api/items/87001/export?format=markdown","export_json":"/api/items/87001/export?format=json","diagnose":"/api/diagnose?url=https%3A//www.infoq.cn/article/vA7opkWL5WYlwYcPIdds"}},"digest":{"id":87001,"title":"《2026年中国人工智能计算力发展评估报告》发布，智能体重塑算力基础设施，智能算力规模预计增长87.9% - InfoQ-CN","url":"https://www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","source":"InfoQ-CN","topic":"ai","published_at":"2026-09-21T09:10:27+00:00","excerpt":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。 IDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至 2030 年的 22.16 亿个，复合增长率达到…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 2710 characters.","reading_time_min":1,"cluster_id":3531978},"card":{"display_title":"《2026年中国人工智能计算力发展评估报告》发布，智能体重塑算力基础设施，智能算力规模预计增长87.9% - InfoQ-CN","subtitle":"InfoQ-CN · 2026-09-21","summary":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。 IDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至…","badges":["quality:high"],"links":{"read":"/item/87001","original":"https://www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","diagnose":"/api/diagnose?url=https%3A//www.infoq.cn/article/vA7opkWL5WYlwYcPIdds"},"quality_warning":null},"export":{"title":"《2026年中国人工智能计算力发展评估报告》发布，智能体重塑算力基础设施，智能算力规模预计增长87.9% - InfoQ-CN","url":"https://www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","summary":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。\nIDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至 2030 年的 22.16 亿个，复合增长率达到 129.8%。随着智能体任务从简单的信息检索、内容生成，向需要多轮推理、工具调用和跨系统协作的复杂任务演进，Token 消耗被指数级放大。同期全球 Token 消耗量复合增长率达 4822.6%，约为活跃智能体数量增速的 37 倍。中国增长同样显著，2026-2030 年中国活跃智能体数量复合增长率达 151.2%，同期中国 Token 消耗量的复合增长率高达 3499.3%。\n智能体数量与 Token 消耗的快速增长，正带动算力需求持续攀升。2026 年中国智能算力规模预计达到 2576.5 EFLOPS，同比增长 87.9%，到 2030 年将进一步达到 10524.3 EFLOPS；2025-2030 年智能算力规模复合增长率由上一版本预测的 46.2%提升至 50.3%。同时，中国人工智能算力市场规模将在 2026 年达到 515 亿美元，同比增长 37%，并在 2030 年达到 1501 亿美元，2025-2030 年复合增长率达 31.8%。\n中国智能算力规模及预测，2020-2030\n《报告》围绕智能体规模化带来的新一轮算力变革，从算力供需、Agent 基础设施重构、行业 AI 应用成熟度及区域 AI 算力发展格局等多角度展开研究，分析智能体如何推动人工智能在模型能力持续演进的基础上，加速走向规模化应用，并进一步重塑中国人工智能算力产业的发展路径。\n智能体重塑城市 AI 格局，北京、杭州、深圳位列前三\n智能体加速进入生产和业务流程，正在改变城市 AI 算力竞争的评价逻辑。《报告》首次将智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施等纳入城市人工智能算力发展水平的关键评价指标。\n在 2026 年中国人工智能城市排行榜中，北京、杭州、深圳位列前三。其中，北京凭借完整的算力供给产业链、实力雄厚的模型与人工智能应用企业稳居首位；杭州依托 AI 创新企业集群和互联网产业基础，以及在大模型、具身智能等领域的持续发展，保持第二位；深圳作为 AI 服务器与算力芯片制造的重要基地，凭借深厚的算力供给产业基础，把握智能体爆发机遇，排名由第四升至前三。此外，上海、广州、成都、南京、武汉、济南、苏州进入前十。\n2026 中国人工智能计算力城市 TOP10\n行业智能体应用进展不一，AI Coding、AI Work 率先规模化应用\n《报告》首次从智能体当前应用成熟度和长期生产力影响两个维度评估行业智能体发展。当前应用成熟度主要反映行业数字化基础、业务流程标准化程度和结果可验证性；长期生产力影响则关注专业知识密度、可被 AI 重构的工作环节等。评估显示，行业当前成熟度与长期生产力价值并不完全同步。\n这种分化已经体现在实际落地阶段上。代码开发（Coding）和办公任务（Work）凭借更高的数字化程度、更清晰的任务边界和更强的结果可验证性，已率先进入规模化应用阶段。传统行业受业务复杂度与安全约束影响，多数仍处于探索试点阶段。制造、医疗健康、能源/电力等行业真正进入核心业务并形成“执行—反馈—优化”闭环的比例仍为 0%；运营商虽然已有 70.0%接入部分业务流程，但进入核心业务闭环的比例仍只有 3.3%。\n各行业智能体落地成熟度与长期生产力影响分布矩阵\n与此同时，当前成熟度并不等于长期价值。教育、科研与研发、医疗健康等知识密集型领域虽然当前应用成熟度相对有限，但其专业知识密度高、专业判断占比大，可被 AI 重构的工作环节也更多，因此长期生产力影响更为突出；能源、交通等领域则受到物理系统、实时性和安全责任边界约束，整体推进相对更慢。\n全球算力供需缺口持续扩大，智能体重塑 AI 基础设施\n智能体规模化运行持续推高 AI 算力需求，但芯片、存储、服务器等关键基础设施扩张周期难以同步，加之能源供给约束，全球算力供需缺口进一步扩大。《报告》预计，全球 AI 算力需求满足率将由 2024 年的 79%下降至 2027 年的 71%，2030 年仅回升至 77%，即 23%的需求等不到供应，供需矛盾将长期存在。\n全球人工智能算力供给、需求与需求缺口（2024-2030）\n单纯扩大算力规模已难以应对持续增长的智能需求。《报告》指出，智能体时代，AI 基础设施正从规模扩张转向系统效率竞争。通过计算、存储、网络、数据中心、终端以及模型、调度和 Token 运营的全系统协同，竞争核心从“拥有多少算力”进一步转向“能够多高效地持续产出智能”。\n计算沿能力上限与容量普惠双线演进：智能体任务涉及推理、规划、工具调用和数据处理等多类负载，单一处理器峰值性能已难以全面衡量系统效率。《报告》指出，计算产业正在沿能力型智算（Capability）与容量型智算（Capacity）两大发展维度演进：\n- 一方面，以超节点为代表的 Scale-up 架构通过扩大高速互联域和统一内存寻址，支撑突破智能上限； \n- 另一方面，通过多元算力协同、推理解耦以及缓存和调度优化等系统创新，提高 Token 产出效率，实现智能充分供给。由此，计算竞争正从单芯片峰值性能转向系统能力竞争。 \nToken 运营从单项性能优化走向交互性与吞吐量平衡：随着 AI 基础设施从资源供给转向智能生产，Token 正在成为连接算力投入与智能产出的重要运营尺度。智能体多轮推理、工具调用和任务编排进一步放大吞吐量与响应速度之间此消彼长的矛盾。因此，Token 运营并非追求单一指标最优，而是在业务场景和服务等级约束下，通过模型、算力和调度动态配置，找到交互性与吞吐量的最优平衡，兼顾并发服务能力与单用户响应时延，实现资源利用效率与用户体验的综合优化。\n智能体规模化正在推动 AI 产业从“建设算力、部署模型”走向“持续生产智能、兑现业务价值”。随着算力加速成为国家战略基础设施，未来竞争的关键将不只是算力规模，而在于能否通过计算、存储、网络、调度和 Token 运营的系统协同，将有限算力持续、高效地转化为有效任务结果和业务价值。","source":"InfoQ-CN","date":"2026-09-21T09:10:27+00:00","content":"9 月 21 日，国际数据公司（IDC）与浪潮信息联合发布《2026 年中国人工智能计算力发展评估报告》（以下简称《报告》）。作为业内首份聚焦智能体基础设施的研究报告，《报告》指出，智能体（Agent）正在重塑算力基础设施，以乘数效应推动 Token（词元）消耗激增，带动中国智能算力规模斜率大幅上调，算力跃升为与水利、电网、铁路等同等级的国家战略基础设施。\nIDC 预测，全球活跃智能体数量将从 2026 年的 7940 万个增长至 2030 年的 22.16 亿个，复合增长率达到 129.8%。随着智能体任务从简单的信息检索、内容生成，向需要多轮推理、工具调用和跨系统协作的复杂任务演进，Token 消耗被指数级放大。同期全球 Token 消耗量复合增长率达 4822.6%，约为活跃智能体数量增速的 37 倍。中国增长同样显著，2026-2030 年中国活跃智能体数量复合增长率达 151.2%，同期中国 Token 消耗量的复合增长率高达 3499.3%。\n智能体数量与 Token 消耗的快速增长，正带动算力需求持续攀升。2026 年中国智能算力规模预计达到 2576.5 EFLOPS，同比增长 87.9%，到 2030 年将进一步达到 10524.3 EFLOPS；2025-2030 年智能算力规模复合增长率由上一版本预测的 46.2%提升至 50.3%。同时，中国人工智能算力市场规模将在 2026 年达到 515 亿美元，同比增长 37%，并在 2030 年达到 1501 亿美元，2025-2030 年复合增长率达 31.8%。\n中国智能算力规模及预测，2020-2030\n《报告》围绕智能体规模化带来的新一轮算力变革，从算力供需、Agent 基础设施重构、行业 AI 应用成熟度及区域 AI 算力发展格局等多角度展开研究，分析智能体如何推动人工智能在模型能力持续演进的基础上，加速走向规模化应用，并进一步重塑中国人工智能算力产业的发展路径。\n智能体重塑城市 AI 格局，北京、杭州、深圳位列前三\n智能体加速进入生产和业务流程，正在改变城市 AI 算力竞争的评价逻辑。《报告》首次将智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施等纳入城市人工智能算力发展水平的关键评价指标。\n在 2026 年中国人工智能城市排行榜中，北京、杭州、深圳位列前三。其中，北京凭借完整的算力供给产业链、实力雄厚的模型与人工智能应用企业稳居首位；杭州依托 AI 创新企业集群和互联网产业基础，以及在大模型、具身智能等领域的持续发展，保持第二位；深圳作为 AI 服务器与算力芯片制造的重要基地，凭借深厚的算力供给产业基础，把握智能体爆发机遇，排名由第四升至前三。此外，上海、广州、成都、南京、武汉、济南、苏州进入前十。\n2026 中国人工智能计算力城市 TOP10\n行业智能体应用进展不一，AI Coding、AI Work 率先规模化应用\n《报告》首次从智能体当前应用成熟度和长期生产力影响两个维度评估行业智能体发展。当前应用成熟度主要反映行业数字化基础、业务流程标准化程度和结果可验证性；长期生产力影响则关注专业知识密度、可被 AI 重构的工作环节等。评估显示，行业当前成熟度与长期生产力价值并不完全同步。\n这种分化已经体现在实际落地阶段上。代码开发（Coding）和办公任务（Work）凭借更高的数字化程度、更清晰的任务边界和更强的结果可验证性，已率先进入规模化应用阶段。传统行业受业务复杂度与安全约束影响，多数仍处于探索试点阶段。制造、医疗健康、能源/电力等行业真正进入核心业务并形成“执行—反馈—优化”闭环的比例仍为 0%；运营商虽然已有 70.0%接入部分业务流程，但进入核心业务闭环的比例仍只有 3.3%。\n各行业智能体落地成熟度与长期生产力影响分布矩阵\n与此同时，当前成熟度并不等于长期价值。教育、科研与研发、医疗健康等知识密集型领域虽然当前应用成熟度相对有限，但其专业知识密度高、专业判断占比大，可被 AI 重构的工作环节也更多，因此长期生产力影响更为突出；能源、交通等领域则受到物理系统、实时性和安全责任边界约束，整体推进相对更慢。\n全球算力供需缺口持续扩大，智能体重塑 AI 基础设施\n智能体规模化运行持续推高 AI 算力需求，但芯片、存储、服务器等关键基础设施扩张周期难以同步，加之能源供给约束，全球算力供需缺口进一步扩大。《报告》预计，全球 AI 算力需求满足率将由 2024 年的 79%下降至 2027 年的 71%，2030 年仅回升至 77%，即 23%的需求等不到供应，供需矛盾将长期存在。\n全球人工智能算力供给、需求与需求缺口（2024-2030）\n单纯扩大算力规模已难以应对持续增长的智能需求。《报告》指出，智能体时代，AI 基础设施正从规模扩张转向系统效率竞争。通过计算、存储、网络、数据中心、终端以及模型、调度和 Token 运营的全系统协同，竞争核心从“拥有多少算力”进一步转向“能够多高效地持续产出智能”。\n计算沿能力上限与容量普惠双线演进：智能体任务涉及推理、规划、工具调用和数据处理等多类负载，单一处理器峰值性能已难以全面衡量系统效率。《报告》指出，计算产业正在沿能力型智算（Capability）与容量型智算（Capacity）两大发展维度演进：\n- 一方面，以超节点为代表的 Scale-up 架构通过扩大高速互联域和统一内存寻址，支撑突破智能上限； \n- 另一方面，通过多元算力协同、推理解耦以及缓存和调度优化等系统创新，提高 Token 产出效率，实现智能充分供给。由此，计算竞争正从单芯片峰值性能转向系统能力竞争。 \nToken 运营从单项性能优化走向交互性与吞吐量平衡：随着 AI 基础设施从资源供给转向智能生产，Token 正在成为连接算力投入与智能产出的重要运营尺度。智能体多轮推理、工具调用和任务编排进一步放大吞吐量与响应速度之间此消彼长的矛盾。因此，Token 运营并非追求单一指标最优，而是在业务场景和服务等级约束下，通过模型、算力和调度动态配置，找到交互性与吞吐量的最优平衡，兼顾并发服务能力与单用户响应时延，实现资源利用效率与用户体验的综合优化。\n智能体规模化正在推动 AI 产业从“建设算力、部署模型”走向“持续生产智能、兑现业务价值”。随着算力加速成为国家战略基础设施，未来竞争的关键将不只是算力规模，而在于能否通过计算、存储、网络、调度和 Token 运营的系统协同，将有限算力持续、高效地转化为有效任务结果和业务价值。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//www.infoq.cn/article/vA7opkWL5WYlwYcPIdds","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 2710 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2710 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2710,"summary_length":2710,"usable_text_length":2710,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2710,"summary_length":2710}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}