给大家讲解“微信群链接房卡去哪购买”详细房卡使用教程-哔哩哔哩2026年10月12日 07时01分40秒
-->
近日 ，国际数据公司（IDC）预测 ，2026年至2030年，全球活跃智能体数量将从7940万个增长至22.16亿个 ，复合增长率达到129.8%；全球Token消耗量急剧放大 ，复合增长率将达4822.6% 。业内人士认为，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 。同时 ，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，全球算力产业也在相应发生结构性 、范式性变革。
智能体算力需求攀升
2026年 ，我国明确了实施“人工智能+”行动的阶段性目标：到2027年 ，新一代智能终端、智能体等应用普及率超70%，智能经济核心产业规模快速增长；到2030年 ，新一代智能终端 、智能体等应用普及率超90% 。
随着目标的进一步明确 ，今年我国人工智能蓬勃发展，智能体成为驱动人工智能迈上新台阶的关键因素 。智能体规模化发展带来巨大的算力需求。同时 ，随着智能体任务持续升级 ，从简单信息检索 、内容生成，逐步走向多轮推理、工具调用 、跨系统协作的复杂任务 ，Token消耗呈指数级放大。预计2026年至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也将高达3499.3% 。
国内各地纷纷出台政策 、开放工业场景、建设算力底座 、培育智能工厂，力争形成全球技术迭代 、国内场景落地、算力底座支撑 、产业全面升级的发展格局 。
政策支持方面 ，北京市不久前正式发布了《关于加快智能体引领发展的若干措施》 ，围绕技术 、应用、产业、生态四大方面推出十项具体举措，并明确对关键技术攻关 、共性平台和示范应用等重点项目择优给予最高1亿元资金支持。
根据IDC与浪潮信息联合发布的《2026年中国人工智能计算力发展评估报告》，北京 、杭州、深圳 、上海 、广州、成都 、南京 、武汉、济南和苏州分别位列2026年中国人工智能算力城市排行榜前十名 。报告显示 ，北京 、杭州 、深圳、上海和广东智算基础架构投资已经分别达到176.84亿美元 、48.08亿美元 、37.43亿美元、33.16亿美元和21.49亿美元 。
产业发展新范式加快构建
智能体的规模化落地不仅增加了算力的需求 ，还改变了传统AI算力的需求逻辑。随着全球人工智能发展从大模型单点应用迈入智能体自主执行、多主体协同作业的全新阶段，以工业智能体 、具身智能 、生产自主决策为核心的新质智能形态快速落地 ，牵引全球算力产业发生结构性、范式性变革 。
在算力需求结构上 ，行业格局正在发生变化 。大模型时代，算力消耗集中于阶段性 、集中式模型预训练；而智能体时代 ，推理算力取代训练算力成为全球算力消耗的主战场。
在商业模式上 ，业内人士认为，前沿大模型与智能体的发展 ，正在推动计算产业从“提供算力”走向“生产智能 ” 。衡量计算系统价值的尺度 ，也从拥有多少算力，进一步转向能够支撑多强的智能 ，以及能够以多低的成本供给智能 。算力产业由“服务模型训练 ”转向“支撑持续智能作业”。
全球诸多企业正顺应这一发展趋势做出调整 。英伟达推出面向智能体的Vera Rubin全栈机架平台 ，专门针对智能体多步推理 、长上下文、工具调用优化，集成GPU 、Vera CPU 、DPU、高速网络 。谷歌云海外大型AI工厂批量进行采购，用于企业智能体 、工业具身智能场景；OpenAI推出智能体决策API ，面向企业自动化流程；Anthropic突破传统GPU云思路 ，与Akamai签订百亿级别长期算力协议，把大量智能体推理任务放到边缘CPU算力网络 ，探索模型推理和智能体调度的算力架构。
业内人士认为 ，我国也处于智能体算力升级周期，和海外相比 ，我们更突出工业场景 、新型工业化和算力普惠等。
在浪潮信息首席AI战略官刘军看来 ，智能体的发展，让“智能 ”有望像计算和电力一样 ，成为可以规模化生产和供给的资源 。他将智能体时代的AI计算概括为两个演进方向：能力型智算 ，支撑突破智能上限；容量型智算，实现智能算力充分供给 。面向这两类需求 ，计算系统需要以大模型和智能体负载为牵引 ，统筹算子、内存 、互连与整机系统，从局部优化走向端到端协同。
算力供给由此分化为两类形态：一是支撑前沿技术突破的能力型算力，服务超大模型训练与复杂场景推理；二是支撑海量场景落地的容量型算力 ，保障制造 、医疗健康、能源/电力等行业智能体常态化运行 。算力也从互联网配套资源升级为各国核心战略基础设施 。
多重挑战与机遇并行
在全球智能体带来的算力变革与国内产业升级的双重背景下 ，算力基础设施已经成为新型工业化的核心支撑。这一赛道既面临着现实挑战，也有发展新机遇 。
《2026年中国人工智能计算力发展评估报告》预计 ，由于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 。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%，供需矛盾将长期存在。
业内专家表示 ，当前AI算力产业面临供需缺口 、成本能效、资源利用率等多重挑战 ，背后是三个结构性问题：基础能力仍有短板，产业链纵向协同不足 ，横向生态彼此割裂 。
与此同时 ，智能体快速发展也助推算力服务景气度攀升 。算力龙头企业依托算力硬件+工程化平台+生态服务的全栈工业AI底座，拥有更多发展机遇。浪潮信息最新发布的元脑HC2000多元算力机组，在同等投资下Token产能提升10倍 ，可以为容量型智算扩产 ，推动智能规模化供给；而其元脑AI超节点SD200 Ultra，单机承载运行2.8万亿参数的Kimi K3大模型 ，Token生成时延首次突破5.85毫秒 ，助力能力型智算的发展 。这些产品针对传统工业算力能耗高 、稳定性差 、成本高等痛点，为各地智算中心、工业模型工厂提供核心硬件支撑 。
“市场空间大了很多。”刘军对记者表示 ，智能体时代 ，智能应从稀缺资源逐步成为整个社会都能获得的基础能力。而从提供算力到生产智能的角色变化，使得企业不但能继续服务专业用户 ，还能对更多的通用用户提供服务 。
清华大学教授吴华强强调 ，面对大模型算力需求快速增长以及传统芯片在面积 、带宽等方面的约束，AI算力芯片创新不能只依赖既有技术路径 ，还需要从新器件 、新架构和新计算范式中寻找突破 。忆阻器存算一体通过重构计算与存储的关系 ，减少数据搬移，并通过器件、工艺 、电路 、架构与软件协同，为高算力芯片发展探索新的技术路径。
工业和信息化部电子信息司电子系统处处长金磊表示 ，随着智能体加快进入生产、科研和社会服务 ，人工智能对计算能力提出了更大规模 、更高效率和更多元化的需求 。未来产业发展需要持续强化基础创新，推动计算架构 、数据存储、高速互联、软硬协同和算电协同等关键技术突破；加强算力 、存力 、运力、电力等要素协同；完善标准体系 、测试验证和服务平台建设 ，提升AI计算产业整体发展能力 ，把多元算力的优势真正转化为产业发展红利 。
未来，随着智能体技术持续成熟 、算力底座不断夯实、行业场景深度渗透 ，人工智能将从辅助生产转向自主生产 、自主调度 、自主优化的全新阶段。
（文章来源：经济参考报）
