近日，世界 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比较高 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名 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：经济借鉴 报）
