近日，國際數據公司（IDC）預測，2026年至2030年，全球活躍智慧體數量將從7940萬個增長至22.16億個，複合增長率達到129.8%；全球Token消耗量急劇放大，複合增長率將達4822.6%。業內人士認為，智慧體數量與Token消耗的快速增長，正帶動算力需求持續攀升。同時，隨著智慧體任務從簡單的信息檢索、內容生成，向需要多輪推理、工具調用和跨系統協作的複雜任務演進，全球算力産業也在相應發生結構性、範式性變革。

　　圖為國家超級計算深圳中心內的“靈晟”超級計算機。“靈晟”超級計算機持續雙精度浮點性能達2.19EFlops（衡量算力規模的性能單位），即每秒可執行219億億次浮點運算，是世界上首個持續性能超200億億次（即2EFlops）的超算系統。新華社記者 梁旭攝

　　智慧體算力需求攀升

　　2026年，我國明確了實施“人工智能+”行動的階段性目標：到2027年，新一代智慧終端、智慧體等應用普及率超70%，智慧經濟核心産業規模快速增長；到2030年，新一代智慧終端、智慧體等應用普及率超90%。

　　隨著目標的進一步明確，今年我國人工智能蓬勃發展，智慧體成為驅動人工智能邁上新臺階的關鍵因素。智慧體規模化發展帶來巨大的算力需求。同時，隨著智慧體任務持續升級，從簡單信息檢索、內容生成，逐步走向多輪推理、工具調用、跨系統協作的複雜任務，Token消耗呈指數級放大。預計2026年至2030年中國活躍智慧體數量複合增長率達151.2%，同期中國Token消耗量的複合增長率也將高達3499.3%。

　　國內各地紛紛出臺政策、開放工業場景、建設算力底座、培育智慧工廠，力爭形成全球技術迭代、國內場景落地、算力底座支撐、産業全面升級的發展格局。

　　政策支持方面，北京市不久前正式發佈了《關於加快智慧體引領發展的若干措施》，圍繞技術、應用、産業、生態四大方面推出十項具體舉措，並明確對關鍵技術攻關、共性平臺和示範應用等重點項目擇優給予最高1億元資金支持。

　　根據IDC與浪潮信息聯合發佈的《2026年中國人工智能計算力發展評估報告》，北京、杭州、深圳、上海、廣州、成都、南京、武漢、濟南和蘇州分別位列2026年中國人工智能算力城市排行榜前十名。報告顯示，北京、杭州、深圳、上海和廣東智算基礎架構投資已經分別達到176.84億美元、48.08億美元、37.43億美元、33.16億美元和21.49億美元。

　　産業發展新範式加快構建

　　智慧體的規模化落地不僅增加了算力的需求，還改變了傳統AI算力的需求邏輯。隨著全球人工智能發展從大模型單點應用邁入智慧體自主執行、多主體協同作業的全新階段，以工業智慧體、具身智慧、生産自主決策為核心的新質智慧形態快速落地，牽引全球算力産業發生結構性、範式性變革。

　　在算力需求結構上，行業格局正在發生變化。大模型時代，算力消耗集中于階段性、集中式模型預訓練；而智慧體時代，推理算力取代訓練算力成為全球算力消耗的主戰場。

　　在商業模式上，業內人士認為，前沿大模型與智慧體的發展，正在推動計算産業從“提供算力”走向“生産智慧”。衡量計算系統價值的尺度，也從擁有多少算力，進一步轉向能夠支撐多強的智慧，以及能夠以多低的成本供給智慧。算力産業由“服務模型訓練”轉向“支撐持續智慧作業”。

　　全球諸多企業正順應這一發展趨勢做出調整。英偉達推出面向智慧體的Vera　Rubin全棧機架平臺，專門針對智慧體多步推理、長上下文、工具調用優化，集成GPU、Vera　CPU、DPU、高速網絡。谷歌雲海外大型AI工廠批量進行採購，用於企業智慧體、工業具身智慧場景；OpenAI推出智慧體決策API，面向企業自動化流程；Anthropic突破傳統GPU雲思路，與Akamai簽訂百億級別長期算力協議，把大量智慧體推理任務放到邊緣CPU算力網絡，探索模型推理和智慧體調度的算力架構。

　　業內人士認為，我國也處於智慧體算力升級週期，和海外相比，我們更突出工業場景、新型工業化和算力普惠等。

　　在浪潮信息首席AI戰略官劉軍看來，智慧體的發展，讓“智慧”有望像計算和電力一樣，成為可以規模化生産和供給的資源。他將智慧體時代的AI計算概括為兩個演進方向：能力型智算，支撐突破智慧上限；容量型智算，實現智慧算力充分供給。面向這兩類需求，計算系統需要以大模型和智慧體負載為牽引，統籌算子、記憶體、互連與整機系統，從局部優化走向端到端協同。

　　算力供給由此分化為兩類形態：一是支撐前沿技術突破的能力型算力，服務超大模型訓練與複雜場景推理；二是支撐海量場景落地的容量型算力，保障製造、醫療健康、能源/電力等行業智慧體常態化運行。算力也從互聯網配套資源升級為各國核心戰略基礎設施。

　　多重挑戰與機遇並行

　　在全球智慧體帶來的算力變革與國內産業升級的雙重背景下，算力基礎設施已經成為新型工業化的核心支撐。這一賽道既面臨著現實挑戰，也有發展新機遇。

　　《2026年中國人工智能計算力發展評估報告》預計，由於智慧體規模化運行持續推高AI算力需求，但晶片、存儲、伺服器等關鍵基礎設施擴張週期難以同步，加之能源供給約束，全球算力供需缺口進一步擴大。全球AI算力需求滿足率將由2024年的79%下降至2027年的71%，2030年僅回升至77%，供需矛盾將長期存在。

　　業內專家表示，當前AI算力産業面臨供需缺口、成本能效、資源利用率等多重挑戰，背後是三個結構性問題：基礎能力仍有短板，産業鏈縱向協同不足，橫向生態彼此割裂。

　　與此同時，智慧體快速發展也助推算力服務景氣度攀升。算力龍頭企業依託算力硬體+工程化平臺+生態服務的全棧工業AI底座，擁有更多發展機遇。浪潮信息最新發佈的元腦HC2000多元算力機組，在同等投資下Token産能提升10倍，可以為容量型智算擴産，推動智慧規模化供給；而其元腦AI超節點SD200　Ultra，單機承載運行2.8萬億參數的Kimi　K3大模型，Token生成時延首次突破5.85毫秒，助力能力型智算的發展。這些産品針對傳統工業算力能耗高、穩定性差、成本高等痛點，為各地智算中心、工業模型工廠提供核心硬體支撐。

　　“市場空間大了很多。”劉軍對記者表示，智慧體時代，智慧應從稀缺資源逐步成為整個社會都能獲得的基礎能力。而從提供算力到生産智慧的角色變化，使得企業不但能繼續服務專業用戶，還能對更多的通用用戶提供服務。

　　清華大學教授吳華強強調，面對大模型算力需求快速增長以及傳統晶片在面積、頻寬等方面的約束，AI算力晶片創新不能只依賴既有技術路徑，還需要從新器件、新架構和新計算範式中尋找突破。憶阻器存算一體通過重構計算與存儲的關係，減少數據搬移，並通過器件、工藝、電路、架構與軟體協同，為高算力晶片發展探索新的技術路徑。

　　工業和信息化部電子信息司電子系統處處長金磊表示，隨著智慧體加快進入生産、科研和社會服務，人工智能對計算能力提出了更大規模、更高效率和更多元化的需求。未來産業發展需要持續強化基礎創新，推動計算架構、數據存儲、高速互聯、軟硬協同和算電協同等關鍵技術突破；加強算力、存力、運力、電力等要素協同；完善標準體系、測試驗證和服務平臺建設，提升AI計算産業整體發展能力，把多元算力的優勢真正轉化為産業發展紅利。

　　未來，隨著智慧體技術持續成熟、算力底座不斷夯實、行業場景深度滲透，人工智能將從輔助生産轉向自主生産、自主調度、自主優化的全新階段。