10亿亿到3500亿亿：一个词元如何撬动算力焦虑
3500亿亿词元，这是中国电信研究院对2030年我国年度词元消耗量的预测值——相当于2026年预计消耗量10亿亿的350倍，年复合增长率接近12倍。支撑这一爆炸式曲线的是智能体的快速普及：中国工程院院士邬贺铨在9月12日举行的2026中国算力大会上指出，智能体的普及直接拉动词元（Token）消耗激增，而词元消耗规模与算力消耗呈正比关系。
算力供给侧同样在狂奔。公开数据显示，我国智算规模去年末为1590 EFLOPS，今年7月已提升至2185 EFLOPS；按《国家算力网建设规划》口径测算，2030年中国智能算力规模预计达9800 EFLOPS。届时中国算力有望占全球30%，较目前21%的份额明显提升——同一时期，美国算力全球占比为46%。
怪圈：缺口与闲置并存
数据看似乐观，行业体感却是另一回事。"未来三五年，智能算力将继续保持需求蓬勃而供给不足的状态。"天数智芯副总裁、产品线总裁邹翾在主论坛上给出这一判断。其背后是一个矛盾现象：面向大模型训练和高性能推理的高端算力存在明显缺口，而部分已建成算力中心的上架率却不及预期——"一边紧缺、一边闲置"。
闲置的原因是多重的。软件栈适配、跨域调度能力、电力网络配套等短板，让不少算力中心建成后难以承接真实业务；高端芯片供应链约束又进一步压缩了高端供给的弹性。换言之，中国的算力问题正在从"有没有"，转向"能不能用、好不好用"。
竞争重心转移：从单卡到十万卡集群
太初元碁首席架构师夏忠谋认为，行业竞争重心已从比拼单卡硬件性能，转向整个计算系统的集群能力。国内现有智算集群规模约十万卡级别，海外已达到百万卡级，差距体现在集群规模、性能和运行稳定性三个维度。硬件天然存在故障率，万卡以上超大规模集群既要求器件可靠，也依赖软件调度实现故障容错——这正是国内外差距的核心之一。
值得一提的是，他同时认为推理场景下国产算力已能满足绝大多数业务替代需求；训练侧差距依然存在，但正在收窄。其逻辑在于：训练端短板很大程度源于缺少大规模真实业务负载在国产集群上的打磨，真实业务跑得越多，芯片与软件栈的迭代优化就越快。
三条路径：贴近市场、专用推理芯片与规模扩张
润泽智算总裁李笠从供给、成本、规模三个维度给出解题思路。供给端，算力节点靠近产业市场，能有效拉高集群实际利用率；成本端，随着主流大模型算法逐步定型，面向通用需求开发专用推理芯片，可提升推理效率、下压算力使用成本——目前国内大模型调用成本已显著低于海外同类服务；规模端，当前AI在各行业工作场景的渗透率仍然有限，向千行百业深度渗透后，算力需求将呈几何级增长，适度扩大有效供给是大势所趋。
他还特别澄清了一个行业认知：传统IDC主要承载互联网通用业务，AIDC（人工智能数据中心）聚焦AI集群运行，二者并非替代关系。AIDC的发展会反向带动传统IDC扩容，长时记忆等新需求也对对象存储等传统基础设施提出更高要求，两套设施需要协同演进。
词元工厂：算力版的"电厂"
软通动力高级副总裁刘怡则提出一个新概念——词元工厂。其判断依据是周期错配：大模型迭代以周、月为单位，而能源、芯片、算力基础设施的迭代以年计算。词元工厂并非简单堆叠服务器，而是硬件、调度算法、缓存策略三位一体的技术密集型系统，可以类比为算力版的电厂，全国一体化算力网则相当于国家电网。它需要重点保障缓存命中率、首响稳定性等关键指标，抹平业务波峰波谷，对外输出稳定的词元服务。她同时呼吁行业共同建设词元工厂性能基准，推动国内AI服务走向普惠、廉价、高效。
政策加码：构建多层次网络化算力体系
顶层设计同样在跟进。9月11日召开的国务院常务会议指出，算力网是人工智能发展的基础支撑，要坚持合理布局、规范有序，构建多层次网络化算力体系，更好发挥市场机制作用，促进供需更好匹配。工业和信息化部总工程师钟志红在算力大会上进一步提出四项举措：强化系统谋划，加快构建"枢纽—区域—边缘"多层次、梯次化算力架构；强化算网融合，按需部署城域毫秒接入；强化技术创新，支持高端芯片、架构设计等技术攻关；强化应用赋能，降低用算成本和应用门槛，把"普惠算力应用红利"转化为"中小企业发展动力"。
综合来看，3500亿亿词元的市场预期既是机会也是压力测试。未来三到五年的胜负手，或许不在单颗芯片的参数表上，而在集群稳定性、调度软件、专用推理芯片与词元工厂这类系统性能力上。谁先把"已建成"的算力变成"在用"的算力，谁就拿到了下一程的入场券。
本文由AI辅助生成
