算力重构：迈向“十五五”的智能底座与新质供给

随着2026年全国两会的落幕与“十五五”规划的开局,人工智能与实体经济的融合正在进入一个前所未有的深度渗透期。站在当前这一时间节点回望,算力已不再是单纯的IT资源,而是如同工业时代的电力一样,演变为国家核心基础设施与战略生产力。对于政府部门而言,理解当前算力产业的真实格局、洞察技术范式的剧烈变革、把握“十五五”期间的演进脉络,对于科学布局产业、精准配置资源具有至关重要的意义。

一、格局之变:算力成为国家基础设施,智能算力结构持续演变

当前我国算力产业最显著的特征,是从“通用算力”的规模扩张转向“智能算力”的结构性主导。赛迪研究院近期发布的报告指出,预计到2026年,我国智能算力占比有望突破35%。这一数据背后折射出的是需求端的深刻变化:大模型技术正从文字符号处理迈向物理世界交互,人形机器人、自动驾驶等需要与现实世界强耦合的场景,对算力提出了三维空间理解与物理规律编码的全新要求。

图表:2026年我国算力结构调整关键指标预测

数据来源:中投产业研究院

在这种背景下,“十五五”规划建议将“加快高水平科技自立自强”置于突出位置,明确提出要强化算力、算法、数据的高效供给。这意味着未来的竞争将不再是单一硬件性能的比拼,而是涵盖了从底层芯片生态、中间层智能体框架到顶层行业应用的系统性协同。值得注意的是,国产芯片虽然在部分场景已实现规模化应用,但软硬件的协同生态仍在紧锣密鼓地构建之中。

二、需求的“通胀”:从训练到推理的算力重心转移

如果说2025年之前算力需求的驱动力主要来自大模型的预训练,那么2026年则迎来了算力需求结构的关键转折点——推理算力的爆发。政府工作报告连续第三年提及“人工智能+”,并首次引入“智能体”和“智能经济新形态”等概念,标志着AI正在从辅助工具向自主劳动力跨越。

这一跨越带来的直接后果,是Token调用量的指数级增长。东莞证券的数据显示,2026年2月,中国模型周调用量已突破5万亿Token,首次超过美国模型调用量。随着AI原生应用如豆包、通义千问等月活用户突破亿级门槛,C端流量爆发与B端垂类模型蓄势,共同驱动实时推理算力消耗大幅增长。中信建投证券的研究指出,当AI处理复杂任务的时长有望跨越8小时临界点,碎片化任务向端到端项目交付的能力提升,标志着AI正式从提效工具演变为可规模化部署的数字劳动力。

在这种供需双侧的强逻辑挤压下,算力市场正在进入一个“全链通胀”周期。阿里云、火山引擎等平台近期对API调用价格的调整,以及部分优惠套餐的限量供应,都反映出高质量算力服务的商业价值正在经历重估。这种“算力通胀”并非资源短缺下的被动涨价,而是技术价值在商业化进程中的必然回归。

三、新范式的崛起:边缘计算与ASIC的双重突围

当云端算力持续高歌猛进的同时,另一个深刻的技术变革正在产业侧悄然发生——算力正在下沉。安富利(Avnet)发布的第五次年度《Avnet Insights》研究报告为行业提供了一份极具参考价值的样本。该报告基于对全球1200名工程师的调研显示,56%的工程师所在企业已经开始向客户正式交付集成AI技术的产品,这一比例相比上一年的42%同比增长了33%。

这一数据的意义在于,AI正在从实验室的概念验证走向工厂车间的规模化量产。工程师们在实际产品研发中面临的最大挑战已不再是算法模型的先进性,而是功耗、热设计以及数据质量——46%的受访者将数据质量列为首要挑战,甚至排在成本压力之前。在工业场景中,真正有价值的故障数据极其稀缺,而从“现场数据”到“可训练数据”之间的工程成本,往往超出模型本身的设计难度。

与算力下沉相伴的,是芯片架构的分化。随着智能体工作流的普及,以谷歌TPU v7为代表的ASIC芯片凭借单芯片能效比及低推理成本优势,正在加速对通用GPU的市场侵蚀。在国内,华为昇腾、寒武纪、海光信息等领军企业也在GPGPU与ASIC双架构路线上持续迭代。更值得关注的是,国内厂商通过Chiplet技术路径,以“制程混搭”有效兼顾了性能、良率与成本,支撑了高端AI芯片在先进制程受限背景下的规模化落地。

四、资本的流向:全球科技巨头的军备竞赛

透视全球资本流动,可以清晰地看到算力基础设施的“军备竞赛”正在以惊人的规模展开。亚马逊、谷歌、Meta、微软2025年四季度资本开支均大幅增长,其中谷歌同比增95%、微软增66%、亚马逊增48%,四家公司均大幅上调2026年资本支出计划,亚马逊预计达2000亿美元(同比增56%),谷歌预计约1800亿美元(同比增97%),Meta预计1350亿美元。

更具指标性意义的是Open AI近期完成的1100亿美元私募融资。这场由亚马逊、英伟达和软银主导的资本盛宴中,亚马逊承诺的500亿美元出资包含一个极具深意的条件:350亿美元需待Open AI实现AGI重大突破或成功IPO后触发,且Open AI承诺将在AWS基础设施上消耗约2吉瓦的Trainium定制AI芯片算力。这清晰地揭示了巨头们的战略意图——通过资本纽带重构算力供应链,将自研芯片嵌入全球最顶级的模型训练体系。

与此同时,国内企业的技术突破也在同步推进。三安光电联合清华大学、中国移动在Micro LED光互连技术上取得突破,基于Micro LED的共封装光学方案可将整体能耗大幅降低至铜缆方案的5%,为数据中心内部高速互连的“光进铜退”提供了关键的技术支撑。

五、“十五五”的新课题:算电协同与系统性工程

随着吉瓦级数据中心成为行业标配,单个数据中心的用电量已相当于一座核反应堆的年发电量,电力供需矛盾正成为制约行业发展的刚性瓶颈。根据IEA数据,2024年全球数据中心用电量约为415TWh,预计到2030年将上升至945TWh。

在这一背景下,2026年政府工作报告首次提出“算电协同”新基建工程,标志着AI基础设施从单一算力建设向“算力+电力”系统性工程演进。国务院研究室副主任陈昌盛明确表示要“用好我们国家电网体系的优势,进一步建设超大规模的智算集群和算电协同新型基础设施”。这意味着在“十五五”期间,算力中心的规划布局将不再仅仅是信息产业的内部事务,而必须与能源布局、电网规划深度耦合。

中投产业研究院预测,2030年美国累计AI算力将达153GW,对应全社会用电尖峰负荷升至963GW,考虑尖峰负荷率后,未来5年年均需新增发电装机100GW,而目前美国的规划产能仅能覆盖需求的39%。这一供需缺口警示我们,算力产业的可持续发展必须建立在可靠的能源保障基础之上。对国内而言,燃气轮机、光储系统以及电网设备的配套能力,将与芯片性能一样,成为决定算力产业竞争力的关键变量。

综合来看,站在“十五五”的开局之年,我国算力产业正经历从“技术自立”向“产业引领”跨越的历史性窗口。这一进程中既面临智能算力结构优化、国产芯片性能跃升的内生动力,也需应对能源供给约束、软件生态构建的系统性挑战。唯有以全局视野统筹算力、电力、算法与数据的协同发展,方能在新一轮智能革命中筑牢国家竞争力的战略基石。

责任编辑：石旭