规模与结构：智算成为..主力

截至2026年6月，..在用标准机架达1556万架，智能算力规模达2185 EFLOPS（FP16），同比增长177%。智算占比的提升不是增量补充，而是结构性替代——赛迪研究院预计2026年智能算力占比有望突破35%，而贵州等枢纽节点的智算占比已超过98%。

空间布局上，“8大枢纽+10大集群”的框架已经成型，八大枢纽承载了..超过80% 的智算规模。区域分工逐渐清晰：东部在市场需求和产业生态上占优，中西部在能源、气候和规模承载上形成互补。

技术路径：从单点性能转向系统级协同

在..制程受限的背景下，国产算力的突围逻辑发生了根本变化。中科曙光副总裁魏振国的判断很有代表性：AI算力评价体系正从“峰值算力”转向“Token产出效率”，而Token效率的关键“不在于单一芯片，而在于系统级协同”。

具体实践上，华为的“超节点+集群”架构、曙光的scaleX超节点、移动云的国产GPU+类脑芯片异构混合推理系统，都在走“用架构创新换制程差距”的路线。2026年WAIC“镇馆之宝”曙光8000..产十万卡集群的数据更有说服力：上线首周即满载运行，日均处理作业15万个，..单日50万个。这组数据意味着十万卡规模不仅“建得成”，而且“跑得起来”。

需求侧：推理正在取代训练成为主战场

算力消耗的逻辑变了。国家数据局数据显示，2025年推理数据量达101.34艾字节，..超过训练数据量，未来推理与训练算力需求之比可能达到3:1甚至更高。日均Token调用量从2024年初的约1000亿升至2026年3月底的140万亿，两年增长超千倍。

这个转变的产业含义很直接：算力消耗不再取决于“有多少模型在训练”，而取决于“有多少AI应用在运行”。云厂商的资本开支也在印证这一点——2026年九大云厂商合计资本支出预计突破8867亿美元，同比增幅接近90%，投入方向从单一GPU采购延伸至液冷散热、高速光互联、自研芯片等全链条。

核心挑战：利用率与商业化的落差

繁荣背后有隐忧。白皮书数据显示，国内智算中心GPU平均利用率不足30%；2025年..智算中心对外“共享量”约38亿卡时，实际“用算量”仅14亿卡时，近三分之二的供给能力没有找到买家。大量2023—2024年按训练峰值需求建设的集群，撞上了潮汐式的推理需求，组网与显存配置并不经济。

政策端已经在回应这个问题。工信部推动普惠算力赋能中小企业，探索“算力银行”“算力超市”等模式，推行按“卡时”“核时”及Token计费的灵活付费方式。贵州的算力券政策将补贴比例从3%大幅提升至30%，2025年算力运营服务收入达824亿元，省外客户占比超九成。

（声明：本文来源于网络，仅供参考阅读，涉及侵权请联系我们删除、不代表任何立场以及观点。）