中國算力，以何強壯？|《財經》封面

中國算力的競爭力究竟來自哪里？答案是，把芯片、算法、能源等要素組合成一個效率更高、成本更低的系統，把算力應用在更多真實需求中，進而像十年前的移動互聯網一樣帶來更多市場創新

文｜《財經》研究員 吳俊宇 周源

編輯 | 謝麗容

2025年12月，國產AI芯片企業摩爾線程、沐曦相繼上市。2025年前三季度，摩爾線程營收7.9億元，沐曦12.4億元，兩家公司在國產AI芯片市場份額均在1%左右，營收規模、市場份額在現階段中國算力市場微乎其微，但兩家公司不到一個月，市值均上漲超過400%（截至12月26日）。資本市場對它們的熱捧，主要基于中國做強算力的預期和信心。

幾乎同期，美國政府釋放出將重新允許英偉達H200對華銷售的信號。一個背景是，美國政府長期面臨英偉達等美國芯片企業的商業和游說壓力，國產AI芯片近兩年正朝“能用”到“好用”前進。美國政府需要重新評估對華芯片出口管制的力度。

芯片是整個算力系統的“心臟”。在當前國際環境下，它是否強壯自主，意味著中國算力產業未來是否能夠強壯有力。國產算力被寄予長期安全與自主可控的期待。在現實業務中，企業仍需在效率與成本之間反復權衡，英偉達客觀上仍是性價比最高的選擇。

“算力即國力”，這句話已被討論三年。算力是什么？它是AI時代的電力。但與電力這種資源不同，算力決定了市場創新的上限。這三年，它的邊界隨著AI技術的發展不斷被拓寬——它既包括芯片等硬件，也包括算法模型、云和軟件，還受到能源、網絡影響，最終要通過應用被真正使用。

目前，全球算力產業鏈（包括芯片相關設備、算法模型、云和軟件等）最完整的兩個國家，分別是中國和美國。近三年全球人工智能產業的創新幾乎都在這兩個大國誕生。

最核心的AI芯片領域，英偉達占據了全球至少60%以上的市場份額。美國算力基礎設施建設也一路狂奔。近三年，美國五家科技公司資本支出約為中國七家科技公司和電信運營商的3.5倍，天然可以采購更多數量、性能更強的芯片。

《財經》統計發現，微軟、亞馬遜、谷歌、甲骨文、Meta 2023年-2025年資本支出總額約8400億美元（約合5.9萬億元），同期中國科技公司和電信運營商（包括阿里、字節跳動、騰訊、百度、中國移動、中國電信、中國聯通）資本支出總額約1.7萬億元。

三年前，中美算力產業規模還可以用服務器規模簡單對比，但隨著這三年算力產業的邊界拓寬，它已經變成兩個創新系統的對比。

這也引出了一個問題——在算力投資規模明顯處于劣勢、先進AI芯片供應受限的情況下，中國算力的競爭力究竟來自哪里？答案是，把芯片、算法、能源等要素組合成一個效率更高、成本更低的系統，把算力應用在更多真實需求中，并形成可持續的商業回報。

近三年來，中國產業界在采取一切能使用的策略，從芯片、算法、能源、應用等各個方向尋找突破口。

國產AI芯片已實現規?；慨a。華為昇騰、百度昆侖芯等產品，正被用于真實業務，它們走過了不可用的門檻。中國科技公司正通過算法創新與工程優化，“榨干”每一枚芯片的Token（詞元）。一些企業還在利用西部適宜地區的低價綠電，降低單位算力成本。

市場是無形的手，政策是有形的手。中國算力產業發展過程中，產業政策一直發揮著重要作用。

2022年2月，國家發展改革委等四部委聯合印發文件，同意啟動建設八大國家算力樞紐節點，并規劃了十個國家數據中心集群，“東數西算”工程啟動。2023年12月，國家發展改革委等五部委發布《關于深入實施“東數西算”工程，加快構建全國一體化算力網的實施意見》，全國一體化算力網政策出爐。

在這些政策的引導下，中國算力區位布局正變得更合理。過去幾年數據中心分散建設的情況已有好轉。算力背后的能源成本、網絡成本也在持續下降。

國產AI芯片，如何突圍

國產AI芯片的真正命題不是替代英偉達，而是被投入真實業務場景，加快從“能用”到“好用”腳步

芯片一直是中國算力產業不確定性最大的一環。

國產AI芯片的核心問題，不是能否全面替代英偉達，而是能否進入真實業務的“使用-反饋-迭代”正循環。目前，國產AI芯片不僅性能（包括峰值性能、帶寬內存等）和英偉達的旗艦芯片存在差距，市場份額也遠低于英偉達，不能完全滿足市場需求。

國際市場調研機構IDC 2025年10月數據顯示，2025年上半年中國加速（即AI芯片）服務器市場規模達到160億美元，同比2024年上半年增長超過1倍。2025上半年中國加速芯片市場規模超過190萬張。英偉達約占62%市場份額，本土芯片約占35%市場份額。非GPU（圖形處理器，即英偉達的產品）芯片需求持續增長，增長速度遠超GPU。

嚴格的出口管制客觀上加速了國產AI芯片的自主化進程。國產AI芯片包括華為昇騰、百度昆侖芯、阿里PPU、寒武紀等十余個品牌。如果只算經濟賬、效率賬，英偉達仍是最優解。但經過多次出口管制，企業都在尋找自主可控的方案。

英偉達之外，華為昇騰910系列是目前使用最多的國產AI芯片，包括三大電信運營商、字節跳動、阿里、騰訊、百度、螞蟻集團等企業都在使用。據《財經》不完全統計，包括中國移動、中國電信、螞蟻集團都部署了使用國產AI芯片的萬卡集群。

目前，國產AI芯片走過了“不可用”到“可用”的門檻。它已被用于模型訓練。

2025年上半年，華為用昇騰910系列訓練出了1350億參數的盤古Ultra和7180億參數的盤古Ultra MoE。2025年5月，一位華為資深技術人士在一場小規模溝通中對《財經》介紹，華為用系統工程手段解決了昇騰910系列單卡性能相對不足的短板。華為投入了超過1萬人的研發團隊，華為云、計算產品線、海思、2012實驗室、數通產品線、光產品線等團隊都參與其中。華為2025年9月還公布了昇騰未來三年四款芯片的路線圖。

百度2025年2月也點亮了昆侖芯P800萬卡集群，并計劃未來點亮三萬卡集群。在芯片或系統領域，“點亮”是指首次通電并成功運行基礎功能或軟件系統的過程。這意味著硬件設計基本成功，可以進入下一階段的測試和優化。

一位了解該產品的資深技術人士對《財經》表示，經過近兩年持續迭代，在典型訓練場景下，昆侖芯P800模型訓練精度對齊問題已不是主要障礙。在訓練中小參數模型時也有一定性價比。后續重點是性能和工程層面的持續優化。

不過，國產AI芯片用于大模型訓練時，成本仍然偏高，且需要更長的周期。

一家計算機視覺企業的模型訓練負責人2025年11月曾對《財經》表示，他們2025年用英偉達某款芯片訓練了一款小參數視覺理解模型，后來嘗試用昆侖芯P800復現，發現同樣能達成目標。只是訓練周期要長20%以上，綜合成本會高更多。

在門檻更低、使用更多的推理場景，部分國產AI芯片性能表現，已超過英偉達H20。英偉達H20是一款為了符合美國出口管制政策，性能被大幅閹割的“中國特供版”AI芯片。

一位地方國企智算技術人士2025年12月對《財經》表示，他測試了華為昇騰910B、百度昆侖芯P800、阿里PPU等國產AI芯片的推理性能。百度昆侖芯P800、阿里PPU跑DeepSeek-R1和阿里千問等經過適配優化的模型，Token吞吐效率優于英偉達H20。不過，國產AI芯片適配新模型，通常要一兩個月。

AI基礎設施創業公司新智惠想創始人吳健對《財經》表示，他和十家以上的國產AI芯片企業都有接觸。他發現，國產AI芯片在快速進步。2026年-2027年中國市場還會多款國產AI推理芯片上市，預計該市場2026年-2027年會迎來爆發。

國產AI芯片正在艱難地建立軟件生態。軟件生態是為特定硬件（如AI芯片）建立的一套完整的軟件工具、編程模型、優化庫和開發者社區的總和。它的核心是讓開發者能夠方便、高效、穩定地利用這塊芯片的算力，避免長期處于低效開發和難以規模化的狀態。

大量工程師正在實際業務的錘煉中，為芯片寫算子（深度學習最小的可執行計算單元）、修Bug（程序錯誤）。工程師要把基于英偉達CUDA軟件生態的代碼，重新寫在國產芯片的軟件棧上，再把計算精度和英偉達的芯片對齊。算子適配和精度對齊，決定了究竟要花多少芯片、多長時間才能達到英偉達相同的效果。

2023年之后，各類模型逐漸收斂到Transformer（大語言模型）、Diffusion（文生圖）這兩大架構。這為國產芯片縮小與英偉達CUDA生態差距提供了窗口期。一位資深算法工程師對《財經》解釋，2023年之前芯片廠商要適配的算子數量超過2000個。但現在，以目前阿里千問系列、DeepSeek系列等主流模型為例，要適配的核心算子大約只有幾百個。

2025年，美國政府兩度松口，試圖放松對中國的芯片出口管制。2025年7月一度稱可向中國出口H20，12月稱可向中國出口H200。

英偉達作為商業企業，它迫切期望服務中國市場。英偉達創始人黃仁勛2025年7月在訪華期間曾對《財經》等媒體表示，中國是全球第二大技術市場，并且發展迅速。這是一個非常重要的市場，充滿活力。我們在中國有非常優秀的客戶，我們希望能夠服務他們，并將繼續這樣做。

一種觀點認為，美國政府階段性放松出口管制背后一種考量是——讓英偉達搶占中國市場的同時，也讓中國企業離不開英偉達的軟件生態。

中國企業此時面臨兩難——不用英偉達，基礎模型訓練難度更大、成本更高，未來會在大模型性能競賽中落后。但過于依賴英偉達可能會削弱國產芯片現有的軟件生態。國產AI芯片剛建立的“用戶-反饋-迭代”生態可能會被影響。

如何面對這個兩難選擇？

另一位算法工程師的看法是，英偉達的旗艦芯片事實上仍是國內基礎模型訓練的主流選擇。英偉達H200等芯片該買還是要買，它在萬億參數的基礎模型訓練中不可替代。

但他認為，國產芯片不能只停留在推理階段，還要真正投入精力用于中小模型、行業模型、垂直模型以及模型精調場景，甚至是基礎模型訓練的驗證。只有持續暴露問題、修復問題，才能逐步養生態，把國產芯片的軟件棧打磨到穩定可用。

事實上，國產AI芯片真正的對手不是英偉達，而是被真正使用。被采購只是第一步，它們更需要更多真實業務場景錘煉，以及抓住接下來三年至五年“從能用到好用”的時間窗口。

算法和工程，另一個突破口

做好硬件適配、調度優化等工作，有可能將同樣的芯片、同樣的模型發揮出數倍以上的Token吞吐性能

在芯片長期受限的情況下，要發揮現有芯片的性能，需要更多依靠算法創新、工程優化。

當算力規模無法正面比拼時，決定差距的不是有多少芯片，而是每張芯片能吐出多少Token。Token是模型推理的基本單位。當算力規模受限時，每秒能生成多少Token（Token/s），直接決定了AI服務的響應速度、吞吐量和成本。這是衡量芯片實際推理效率的核心指標。

算法創新和工程優化，一直是中國算力產業可以挖掘潛力的領域。當單位Token成本更低的時，芯片使用成本也會被攤薄。

由于美國政府長期對中國實行芯片出口管制，多位行業人士對《財經》表示，在采購同等算力規模的硬件時（如采購英偉達或自研芯片），中國企業的綜合采購成本，往往較海外市場高出約20%。這體現在多個環節，如供應鏈路徑拉長導致的渠道溢價，部分國產算力硬件在代工等環節綜合成本上升。

中國科技公司手中既有英偉達的芯片，也有其他國產芯片。不同品牌的芯片甚至被混合部署在一起。如何充分用好手頭的每一張芯片，都變得極為重要。

這倒逼中國科技公司在算法創新、工程優化等層面提升算力效率，“榨干”每一張芯片的Token。

DeepSeek-R1 2025年初引發轟動的原因之一就是算法創新——采用MoE（混合專家）架構和MLA（多潛頭注意力）機制。每次調用6710億參數的基礎模型，只激活370億參數的專家模型，并把專家模型部署在不同芯片并行計算。這種策略減輕了單卡負荷，也提升了芯片利用率。DeepSeek R1單位Token定價，僅有當時對標的OpenAI o1的5%左右。

包括阿里、字節跳動、百度等中國科技公司，也在軟件工程層面采用各種手段提高算力利用效率。

常用的三項技術包括——潮汐調度（削峰填谷，錯峰利用芯片資源）、P/D分離（將推理中的計算密集型任務、高帶寬任務分配到適合的芯片上）、KVCache（通過緩存上下文，減少重復計算）。這些做法最終目的，都是讓芯片便宜地“吐出”更多Token。

字節跳動旗下火山引擎智能算法負責人吳迪2025年12月對《財經》表示，利用上述技術，火山引擎在云上可將推理成本降至自建機房的10%-20%。

吳健直言，芯片是資產，但算力才是生產力 。買不到芯片可能會滯后。買到卻浪費，會一直落后。他分析，過去大家對芯片、模型關注度更多，對系統工程關注少。但這里挖掘潛力很大，做好硬件適配、調度優化等工作，有可能將同樣的芯片、同樣的模型發揮出數倍甚至數十倍的Token吞吐性能。

無論是算法創新，還是工程優化，本質上都是系統能力，這對芯片、網絡等資源的使用提出了更高要求。從工程實踐看，這些能力往往難以在單一企業、自建機房的條件下長期維持，更適合在具備萬卡甚至10萬卡算力規模，且擁有成熟調度體系的公共云之上。

中國信息通信研究院截至2024年5月數據顯示，當時全國建設和規劃中的智算中心共有185座，總算力約272 EFLOPS（每秒百億億次浮點運算次數），已建成并投入運營的算力約104 EFLOPS。云服務形式對外提供算力的比例為23%。這意味著，一部分芯片仍以封閉分散的方式運行，潛力尚未被充分挖掘。

在今天AI技術競賽的過程中，云的作用甚至不亞于芯片。

AI幾乎天然長在云上?；A模型的訓練、推理，持續迭代和規模化應用，幾乎在云上完成。在公共云上，算力、模型、應用才能快速部署、彈性調度，并觸達更多用戶。

事實上，包括微軟、亞馬遜、谷歌等科技公司之所以能長期在AI競賽中保持領先，一個重要原因是，它們通過公共云的形式，向全球市場提供算力、模型、應用服務。全球最大AI創業公司OpenAI的GPT系列模型誕生在微軟Azure上，全球第二大AI創業公司Anthropic的Claude系列模型是在亞馬遜AWS和谷歌云GCP上訓練出的。

公共云不僅加快了模型、應用迭代速度，還帶來了商業循環。亞馬遜AWS、微軟Azure、谷歌云GCP、甲骨文OCI這四家云廠商2024年總營收2647億美元（約合1.85萬億元）。中國市場，有五家科技云廠商（阿里云、華為云、騰訊云、百度智能云、火山引擎），三家電信運營商云（天翼云、移動云、聯通云）。八家云廠商2024年總營收約5270億元。美國云廠商總營收約為中國云廠商的3.5倍。

中國云計算市場競爭激烈。阿里云智能集團資深副總裁、公共云事業部總裁劉偉光2025年5月在一場主題為出海的專訪中對《財經》表示，美國主要有四家云廠商，它們面向全球。中國大小十余家云廠商，主要服務國內且高度內卷，大盤增速不到15%（國際市場調研機構IDC 2024下半年數據）。中國云廠商必須在國際市場具備競爭力，否則只能坐以待斃。

事實上，中國云市場還未得到充分挖掘。公共部門、政企機構甚至很多制造企業都對公共云尤為謹慎。

這是一系列復雜因素造成的。云計算2014年之后在國內逐步被推廣，至今僅有12年。它雖已被互聯網、汽車等行業被廣泛使用，但在政企行業、公共部門還沒有被完全理解和接受。

和芯片、服務器等硬件相比，云看不見、摸不著，且采用年/月訂閱或按量付費的靈活模式。這種付費模式并不直觀。目前，公共云在公共采購科目中尚無明確歸屬，主要列入維護費用類項目。它受按采購固定資產15%配置的限制。

在大部分政企機構、公共部門現有預算采購、審計機制下，云是費用支出，服務器等硬件是固定資產。云按年訂閱付費，容易影響當期利潤指標。服務器哪怕攤銷成本更高，報表上體現是存量資產。因此大部分政企機構、公共部門寧愿購買服務器等硬件。

2024年12月初，在《財經》參加的一場政策研究部門組織的小規模討論中，一位政策研究部門人士提出，全球AI技術競爭加劇，且國內部分智算中心資源閑置的背景下，公共云或許可以成為一種選擇方案。在他看來，公共云在資源調度、彈性擴展等方面有優勢，有助于提高算力效率。

他建議，未來可以適時調整固定資產的范疇，拓展至公共云產品的支持。還可以優化政企機構的IT產品和服務采購辦法，鼓勵政企機構和公共部門數字化轉型優先上云。但這些設想仍需在財政、審計等多個層面進一步論證。

一位頭部ICT硬件企業政策研究人士對《財經》表示，近三年他多次向相關政策部門介紹公共云的重要性。三年前，多數人對云缺乏了解，或是擔憂云的安全性。近兩年AI浪潮來臨，云的效率優勢逐漸得到認同。但在實際推進過程中，云的付費模式和預算管理、采購流程、審計規則之間仍無法很好對接。

能源優勢如何發揮？

“算力的盡頭是電力”，電力越來越成為影響算力的重要變量。電力并非算力成本中占比最高的一項，但卻是決定算力能否持續擴張，以及單位算力成本能否下降的影響條件

無論是中國還是美國，建設數據中心的前提都是——在合適的位置，獲得長期、穩定、可預期的電力供應。

電力目前是中國算力布局中的一個現實優勢條件。中國在西部地區擁有相對充足、價格較低的風電和光伏資源。而美國的數據中心建設，則暫時面臨電力系統制約。

過去十年，美國社會用電總量增長緩慢。近三年，美國用電凈增量主要來自數據中心建設。美國能源信息署數據顯示，2024年數據中心在美國社會用電量占4%，2030年會增至9%。但美國電網平均服役年限已有40年，新增發電與輸配電能力建設進展緩慢，難以應對算力激增的需求。

高盛2025年7月報告顯示，2023年起美國數據中心電力缺口一直在10GW（吉瓦是功率單位。1GW算力集群可容納20萬枚英偉達GB200芯片）左右。美國每年新增發電容量僅為12GW。巴克萊銀行2025年10月報告統計稱，包括亞馬遜、微軟、谷歌、甲骨文、OpenAI等科技公司和數據中心服務商的算力投資規劃至少有45GW。

缺電正在成為美國算力投資計劃能否落地的關鍵因素。微軟CEO（首席執行官）薩蒂亞·納德拉（Satya Nadella）2025年11月在一場播客中稱，如果不能快速在有電力的地方建成數據中心，可能會有大量芯片在倉庫無法通電。納德拉說，“這是我今天面臨的問題。”

為解決缺電問題，部分美國科技公司開始嘗試新思路。微軟、谷歌、亞馬遜等企業已陸續與核電站簽署項目開發協議，為未來三年至五年引入小型模塊化核電（SMR）預留條件。

算力成本結構中，電力并非占比最高的一項，但直接影響單位算力成本。黃仁勛近兩年在多個場合提到，“我們要計算每兆瓦的每秒Token數?！?/strong>

中國信息通信研究院云計算與大數據研究所副所長李潔對《財經》表示，數據中心總擁有成本（TCO），涵蓋從規劃建設、運營改造到退役的全生命周期費用。整體可劃分為資本支出（CapEx）和運營支出（OpEx）。資本支出以土建工程、機電配套、IT設備等一次性投入為主；運營支出則包括水電費、人員薪酬、設備運維費、帶寬網絡租賃費等。

如何發揮能源優勢？李潔認為可從三方面發力。一是做好“算電協同”發展模式，推動適合的算力中心向能源富集、氣候適宜的區域優化布局。二是鼓勵創新建設運營模式，探索綠電直連、源網荷儲一體化、高效儲能等模式，適配超大規模算力中心的未來發展需求。三是積極引導算力用戶優先選用綠色算力，推動清潔低碳效益向各行業延伸傳導。

電力在以GPU為主的數據中心中，綜合成本約占10%。根據《財經》粗略估算，中國幾家頭部科技公司2024年綜合電力成本（含數據中心和辦公樓宇電力）均為數十億元，對比當年700億-800億元資本支出，這看起來暫時不算高，但它未來會快速增長。

中國信息通信研究院2025年6月報告顯示，2024年中國數據中心用電量1660億千瓦時，占社會用電量比例1.68%。按照中等增速，預計2030年底數據中心耗電量占社會用電量比例將達3%左右。

國產AI芯片工藝制程受限，單位算力能耗偏高（英偉達H200/GB200芯片采取4納米工藝，國產AI芯片普遍在7納米工藝以上）。一些中國企業在采用“用瓦特換比特”的思路——在部分西部樞紐節點城市部署數據中心，利用低價且相對充足的綠電資源，抵消國產AI芯片在能效上的劣勢，從而降低單位算力成本。

國際半導體和AI市場調研機構SemiAnalysis 2024年數據顯示，美國數據中心使用的平均工業電價0.083美元（約合0.59元）/千瓦時，各州數據中心電價各不相同。中國市場西部樞紐節點城市電價普遍更低。內蒙古烏蘭察布等西部樞紐節點城市的電價甚至在0.3元/千瓦時以下。包括阿里、華為等科技公司都將超大型數據中心部署在烏蘭察布。

多位數據中心行業者對《財經》表示，數據中心實際電力成本，通常由基準電價、輸配電價、容量電價及儲能攤銷等成本組成。他們正在通過簽署PPA（企業直接簽署的供電協議）、源網荷儲、綠電直連等方式使用風電光伏等綠電，并持續降低電力成本。

秦能科技是一家算力基礎設施服務商，它服務國內大型科技公司。秦能科技創始人、CEO（首席執行官）居靜2025年8月接受《財經》專訪時表示，公司在山西大同建設的多個數據中心，采取在園區周邊20公里范圍內投資建設300兆瓦以上風電、光伏和儲能設施的方式，實現綠電直連。這相較傳統供電模式，可下降30%以上的電力成本。在他看來，部署AI芯片的數據中心需要獨立設計電氣架構，形成適應高功耗特性的微電網，以降低對大電網的依賴。

不過，在現有電力體系下，數據中心難以完全脫離大電網運行。在提高綠電占比的同時，數據中心仍需向電網支付備用容量費用。因為電網的固定資產折舊、輸配電成本并不會因用戶自發自用而同步下降，相關成本仍需通過容量電價等方式進行分攤。

隔墻售電等交易方式在實踐中也有挑戰。如果企業自建光伏風電后，既發電、又輸電、又供電，甚至一對多供電，這將與電力監管和交易規則存在沖突。

長期來看，算力產業若要持續發揮能源優勢，仍需建立在更加靈活的能源系統之上。因為國際市場正逐步提高對綠電標準，不再只關注年度綠電比例，而是向小時級綠電演進。

GHG Protocol（溫室氣體核算體系，一套國際公認的溫室氣體核算和報告標準框架）指導委員會委員翟永平對《財經》表示，目前多數科技公司承諾的“2030年之前實現100%綠電”，主要指年度用電總量與綠電采購量的平衡，并不意味著全天候使用綠電?，F實中，數據中心夜間仍需依賴煤電。他解釋，若未來按照小時級綠電標準衡量，分布式能源、綠電直供的重要性將進一步凸顯。如果考慮更長遠，小型模塊化核電也可能是探索方向。

在西部使用低價綠電，并不等于綜合成本最低，還有一個限制條件是——網絡成本。因為東西部跨區域傳輸的網絡費用、時延帶來的業務損耗，可能會抵消一部分電價優勢。

沒有直連專線的情況下，東西部之間網絡傳輸要經過層層繞轉。部分西部樞紐節點城市無法完全滿足東部20毫秒內時延的需求。因此，企業傾向把低時延業務（實時結算、視頻會議、實時推理等）部署在東部，對時延需求不高的業務（如冷數據存儲等）部署在西部。

問題的關鍵在于，降低東西部網絡的成本和時延的同時，還要保證三大電信運營商的投資回報率。《財經》了解到，一些東西部樞紐節點城市間的直連網絡正在建設。一些數據傳輸規模大的東西部城市間，三大電信運營商也推出了“東數西算”優惠套餐。 （報道詳見《》）

中國算力的能源優勢，最終不單獨取決于能源總量和電力價格，而取決于能否和算力、網絡在一個賬本上統一設計。

算力的目的，是應用繁榮

上一輪移動互聯網基礎設施的強壯，造就了中國延續十多年的移動互聯網創新。這一輪算力基礎設施建設的目標，是帶來新一輪市場創新

算力最終還是要被應用，才能發揮實際價值。被足夠多的用戶使用，也是攤薄每個Token算力成本，帶來新一輪應用創新的最有效方式。

美國擁有龐大的軟件生態作為支撐，這是其算力得以持續使用的關鍵。在公共云上，形成了IaaS（基礎設施）、MaaS（模型平臺）、PaaS（平臺軟件）、SaaS（應用軟件）的完整生態。云廠商花費資本支出購買芯片提供算力，SaaS與PaaS通過服務客戶持續消耗算力，模型公司訓練基礎模型提供AI能力。這形成了一個龐大的生態閉環。

美國市場2025年11月出現了“算力泡沫”討論。投資者擔憂，龐大的資本支出最終無法轉化為實際收入。甲骨文和OpenAI的確存在泡沫，但亞馬遜、微軟、谷歌的算力供不應求積壓訂單。截至2025年6月末，三家公司積壓訂單（即剩余履約義務，財務指標是RPO）分別是3680億美元、1950億美元、951億美元，是各自2024年云收入的2倍以上。

中國To B（面向企業級）市場形成了云、模型、軟件、服務、硬件的完整拼圖，但一直未能形成類似的龐大軟件生態——一套相對標準化的軟件市場。

由于IT發展進程、采購習慣不同，國內數字化市場的長期現狀是，硬件大于軟件。AI和軟件的能力，更多是通過系統集成、行業服務才能真正落地。這和通過軟件直接帶動算力消耗不同，這個路徑相對漫長，且伴隨著更高的人力定制和服務成本。中國To B軟件市場從業者2021年-2023年長期在思考的一個問題是——軟件市場的出路到底在哪里？

2025年，一個新的變量出現——AI可以通過智能體（Agent）這種更碎、更輕、門檻更低的形式，嵌入到業務系統中。從目前最新的市場實踐來看，它正在更多與真實業務效果直接掛鉤，甚至在逐漸從訂閱付費，走向按效果付費。

與國際市場通過軟件持續帶動算力消耗不同，中國的應用落地，一開始就更像工程問題——它無法依賴單一軟件，而取決于能否被嵌入真實業務，并在長期業務中被使用。

百度智能云大模型平臺總經理忻舟長期服務政企行業（金融、能源、交通、制造等大型集團企業）。他觀察到的情況是，和兩三年前更多強調采購硬件、建設平臺不同，2025年以后這類企業的數字化轉型逐漸進入深水區，它們對AI投資回報率要求更高，越來越把目光更多聚焦在“高價值場景”——包括電網調度、供應鏈優化、機械故障診斷、AI科學研究等實際業務。

如何解決這些實際問題？忻舟解釋，這類大型集團企業落地AI應用的典型模式是，采購硬件設備搭建基礎設施、軟件平臺，訓練專精模型，再通過智能體協同等方式獲得可開箱即用的應用。比如，中國能源建設集團廣東院的海上鉆油平臺管道布線等問題，就采用了百度的“伐謀”（一款面向生產研發環節的AI自主優化引擎）進行算法優化，這取得了可精確計算的業務回報。

在過去，政企行業（金融、能源、交通、制造等行業）的數字化建設強調硬件資產交付，交付即結束。但今天，落地AI的交付邏輯不同?；A模型每三個至六個月就有一輪迭代，容易出現“建成即落后”的情況。上述行業對技術及時更新的訴求正在變強。

忻舟的看法是，哪怕是用私有云，也可以盡量嘗試訂閱制（訂閱模型、軟件服務等）。這樣廠商可以幫客戶持續迭代技術，避免因技術過時導致的資產閑置。事實上，軟件訂閱，甚至是效果付費呼聲很高，這有賴于采取更靈活的預算機制。

國際市場調研機構Omdia高級首席分析師詹墨磊認為，Agent正在拆解SaaS的功能，舊的軟件形態正在被打散。如果從這個視角看，Agent可能會改變SaaS滲透率。他同時認為，專業軟件工具的復雜性決定了用戶規模會相對有限。

2025年，另一個正在逐漸萌芽的方向是，中國市場的AI應用未來不一定會直接長成SaaS/PaaS軟件，而在于能否被嵌入更多硬件設備，被反復、低價、長期調用。

一位軟件行業投資人2025年11月對《財經》表示，他們2025年之后把更多精力投入到機器人、自動駕駛、物理AI等賽道。他看到的真實情況是，越來越多硬件正在和AI結合，產生更大價值。中國有更強的生產制造能力，更低的供應鏈成本。如果搭載AI的硬件設備逐漸被用戶更多使用，算力同樣會被真正使用。

聯合國統計司數據2025年顯示，2024年中國制造業增加值2023年總額達4.8萬億美元，占中國經濟總產出的27%。它在全球制造業增加值占比28.9%，美國占比為17.2%。中國制造業的創新能力，在未來AI應用中可能會帶來潛在的比較優勢。

越來越多硬件——如手機、AI眼鏡、自動駕駛、機器人、工業設備，甚至是毛絨玩具都在接入大模型，成為潛在的算力消耗設備。這些都是由真實需求驅動的。

一個不起眼的案例是，2025年AI玩具正在中國市場悄然流行。在深圳，電子制造供應鏈可以快速把大模型API（應用接口）塞進玩具。一個不足100元的可對話毛絨玩具，背后通過云端連接阿里千問、字節跳動豆包的模型。一個孩子每和它對話一次，千里之外的數據中心的芯片都在高速運轉生產Token，單位算力成本也將因此降低。

一位AI玩具從業者對《財經》表示，中國市場的軟件訂閱付費習慣不成熟，他們產品定價時沒采用每年支付Token費用的方式，而是直接計算產品三年生命周期Token總成本，一次性計入硬件售價。他估算，目前1萬臺AI玩具平均1臺每年Token消耗成本約為6元-10元，這還是行業早期互動頻率不高的計算結果。

AI玩具的算力使用量微乎其微，但重要的是，它代表了一種方向——算力不再只是以軟件訂閱形式被感知，而是被埋入硬件的生命周期，隨著使用頻率被持續消耗。這個模式一旦在更高價值的硬件上成立，它會帶來更大的潛力。

智能汽車、具身智能機器人、工業設備，都有可能是這種高價值硬件?！昂贾萘↓垺敝坏娜汉丝萍荚緸榧已b行業提供設計軟件。它過去十多年積累了空間數據和空間計算能力，這家公司正在為智元、銀河通用等機器人公司提供空間模型能力。

群核科技董事長黃曉煌2025年12月接受《財經》專訪時表示，未來五年至十年，所有智能設備都需要空間智能模塊?，F在的機器人只有小腦（運動控制能力），未來還要有大腦（空間識別能力）。未來不會有純軟件公司，或者純硬件公司。

中國AI應用爆發的趨勢正在出現。國家數據局2025年8月數據顯示，2024年初中國日均Token消耗量1000億。截至2025年6月底，中國日均Token消耗量已經突破30萬億。一年半時間增長了300多倍，這反映了中國AI應用規模的快速增長。

算力消耗快速增長的同時，一個更“功利”的問題也開始浮現——中國在AI時代，能否像移動互聯網時代一樣，誕生一批創新企業？

一位長期從事信息化產業政策研究的產業資深人士對《財經》表示，回顧2013年-2019年，4G通信基礎設施高速發展階段，中國網絡資本支出長期領先，基站數量、網絡覆蓋全球最廣。這為應用創新創造了充分的試錯空間，字節跳動、小米、美團、滴滴、小紅書等一代創新企業快速成長。

隨著產業輪動，算力正在變成新一代基礎設施。他的現實擔憂是，國內AI創業公司如智譜、DeepDeek等，和OpenAI、Anthropic等AI創業公司企業的收入估值等差距在拉大。美國市場，一批百億美元、千億美元估值的AI創新企業正在批量誕生。在他看來，中國算力未來五年至十年的長期競爭力，決定性因素不僅在于芯片、算法、能源、應用的系統優化能力，更在于能否創造創新土壤，孕育出新一代創新企業。

與上述觀點不同，另一位通信與ICT產業資深技術人士的看法是，基礎設施與應用創新之間，不是簡單的線性關系。中國市場4G時代移動互聯網集中爆發，不只是因為網絡建設本身，更是因為移動手機普及、互聯網應用創新、互聯網商業模式逐漸清晰等多重因素在同一時間點匯聚。他認為，算力不是最終目的，算力、應用供需平衡且同頻共振才是關鍵。

回顧上一輪移動互聯網的創新周期，3G-5G移動基礎設施的價值，不只是“修好了一條寬闊大路”，它更是系統性地降低了應用創新和獲取用戶的門檻。移動應用帶來的巨大流量與數據，又反過來帶動了網絡擴容、云服務增長和終端性能升級，商業價值因此完成了閉環。中國不只培育了全球最龐大、最活躍的移動用戶群體，還催生了若干全球知名的科技巨頭，更是在零售、支付、出行、文娛等多個行業帶來了市場創新。

上述兩位產業資深人士的共同看法是，在芯片受限、資本規模存在差距的背景下，中國算力的關鍵不在于是否擁有更多算力資源，而在于能否讓算力被真實應用、持續使用，并最終形成可驗證、可持續的商業回報。

算力只有真正被使用，才是生產力。算力的競爭，最終不是資源規模的競賽，而是創新能否發生，發生在哪里，是否被市場持續放大的問題。