AI算力竞赛进入下半场：谁能让算力“流动”起来

过去三年，中国掀起了一轮前所未有的算力建设热潮。从地方智算中心到互联网大厂集群，各地竞相布局AI基础设施。国家数据局数据显示，截至2026年3月底，我国智能算力总规模已达到188万PFLOPS（FP16），其中八大国家枢纽节点占比超过80%。

算力规模快速攀升，大模型同步进入规模化应用阶段，双重变量叠加下，如何让算力资源实现统一发现、统一调度和按需使用，正成为决定产业效率的新课题。

作为国家“六张网”之一，算力网建设因此被提上新的战略高度。据央视6月16日报道，“算力网”是把散落在全国各地的算力设施连成一张网，它是支撑数字经济、人工智能等高质量发展的关键基础设施，包括信息设备和土木建筑工程等在内，算力网直接投资将达到万亿量级。

“随着智能经济快速发展，算力需要更加集约化和弹性化，技术迭代需要持续更新的基础设施支撑，数据安全也需要体系化保障。”罗兰贝格全球高级合伙人郑赟对第一财经记者表示，单独依赖线下部署的算力、算法和数据资源，已越来越难满足需求，传统部署模式在成本、效率以及更新扩展方面的局限正在被放大。

如何从“建得起”到“流得动”

从“抢卡建中心”到“联网提效率”，中国算力产业正在经历一场重心转移。

过去两年，行业竞争的核心是建设更多算力。地方政府、运营商、云厂商和产业资本密集投入，一批智算中心快速落地。但随着模型能力向头部集中，以及AI基础设施更新周期大幅缩短，单纯依靠新增建设获得竞争优势正变得越来越困难。

业内一家云计算企业负责人对记者表示，几年前建设的许多AI算力中心，如今既谈不上大规模，也难称技术领先。“按过去经验，一座数据中心可以使用五年甚至十年，但生成式AI时代的技术迭代速度远超预期。模型架构、训练方法和芯片能力都在快速变化，很多项目刚投入运营，就面临新一轮升级压力。”

在他看来，三年前的“百模大战”中，很多企业认为必须拥有自己的基础模型。而今天，真正具备能力很强、通用能力的大模型其实并没有那么多。模型能力正向头部集中，而模型规模持续膨胀。从数十亿参数到数百亿、数千亿，训练门槛已超出多数企业能承担的范围。未来几年会出现数T甚至十几T参数规模的模型，对基础设施提出更高要求。

比起投入周期，另一个挑战是利用率。信通院的一位负责人表示，很多企业在用云时并没有把云的真正价值发挥出来，“如果我只是用了虚拟化，或者把应用放在云上，可能并不会真正改变企业的流程”。

根据罗兰贝格联合华为云发布的《先进公共云》白皮书数据，在传统自建模式下，GPU平均利用率仅维持在30%-40%之间。大量昂贵的服务器并未持续创造价值。要让算力真正流动起来、按需取用，意味着未来AI基础设施需要承担更复杂的角色。

郑赟对记者表示，AI正在推动云计算的角色发生变化。“过去大家更多把云看作一种IT资源，但今天它正在升级成为智能价值转化的核心要素。”这意味着，云不再只是存储和运行软件的平台，而是聚合数据、算力、模型和应用的核心载体。

“我们现在看到的大量AI产业落地，已经开始从技术突破走向规模化应用，但部分基础设施建设思路仍停留在购买资产自建的上一阶段。”郑赟说。

根据罗兰贝格测算，当服务器规模低于5000台时，土建、电力、安防和运维等成本难以有效摊薄。以2000台规模集群为例，其单位资源成本约为5000台规模集群的2.5倍。

云厂商竞争焦点转移

目前，国内不少企业和机构仍在建设小规模专属集群，难以形成规模效应，也难以跟上技术迭代速度。而更大的问题在于平台割裂。长期以来，行业习惯按部署形态划分公有云、私有云、行业云和边缘云，不同平台采用不同架构和标准，数据、模型和算力资源难以流动。

郑赟对记者表示，未来云计算的一个重要任务是让原本割裂的资源体系实现统一协同。“从资源型向服务型、智能型升级，先进公共云是一个明确趋势。大家通过统一架构同源技术、服务化按需供给、集中化统一运维，达到公共利益的最大化、资源共享的最优化，而不限于某一种部署形态。”

在业内看来，如何打破算力孤岛，实现跨区域、跨平台协同，已经成为中国AI基础设施建设进入下一阶段后必须解决的问题。

今年4月，算力网首次被纳入国家“六张网”，上升为国家级基础设施，一个月后，国务院常务会议进一步部署“六张网”建设，明确算力网为扩大有效投资的重要发力点。

按照相关部门部署，未来全国将形成国家枢纽节点算力网、区域算力网和城市算力网三级架构。其中，国家枢纽节点算力网时延控制在20毫秒以内，区域算力网控制在5毫秒以内，城市算力网控制在1毫秒以内。目前，国家超算互联网平台已连接超过300万CPU核和20万张GPU卡，逐步接入全国一体化算网调度体系。

如果说算力是电，那么算力网正在成为连接这些资源的“国家电网”，其目标并非建设更多服务器，而是让已经建成的算力能够被统一发现、统一调度和统一使用。

对于云厂商而言，这也意味着竞争逻辑正在发生变化。

过去几年，阿里云、腾讯云、火山引擎、华为云等厂商竞争焦点主要集中在资源规模和市场份额。进入2026年后，一个明显变化开始出现：云厂商越来越少单独谈服务器，越来越多讨论智能体、行业模型以及场景落地能力。

郑赟认为，过去的云更多承担IT基础设施角色，而AI时代的云正在变成智能经济运行的平台。“行业发展中，大家不再单纯讨论服务器数量，而是讨论工业、金融、医疗、机器人等场景的协同落地。”

这一变化已经开始体现在云厂商的行业布局上。

华为云公有云总裁胡玉海对记者表示，随着智能体技术在各个行业的广泛应用，AI对城市的赋能场景已经从传统的政务服务快速延伸到公共服务领域。截至目前，华为云已在全国范围与160多个城市共建“一城一云”解决方案。在具身智能领域，类似方案也在落地。胡玉海透露，该方案已与数十家企业展开合作。其中，上海国地人形机器人创新中心借助华为云云端自动生成的高仿真训练数据，将机器人任务的整体成功率提升到了90%。

此外，华为云发布的全球首个全流程具身智能开发平台CloudRobo上，搭载了业界首个云原生具身模型生产引擎及首个全国产Real-Sim数据生产及模型评测体系，帮助机器人小时级上云，模型实现分钟级部署。该平台也将于6月30日公测。

从全球经验来看，这一路径也正在成为共识。过去十余年，从亚马逊AWS到微软Azure，再到谷歌Cloud，全球AI能力大多建立在公共云体系之上。资源利用率持续提升，技术升级成本被分摊到更大的用户群体中，最终形成规模效应。

郑赟对记者表示，中国公共云产业正处于从“资源型云”向“服务型云、智能型云”升级的关键阶段。未来能否让算力像水电一样流动起来、普惠下去，将决定中国AI产业真正的竞争力。