智能算力服务研究报告（2026年）核心要点分析

报告基本信息

发布机构

• 中国信息通信研究院云计算与数字化研究所

发布时间

• 2026年4月

研究背景

• 响应工信部《算力互联互通行动计划》
• 推动算力服务普惠化、智能化、精益化发展

核心定义与特点

智能算力服务定义

• 基于互联网访问，汇聚GPU、NPU等异构计算资源
• 通过统一服务接口，按需提供可度量的计算、存储、网络等服务

与云服务、IDC服务的区别

• 交付形式
  • 智能算力服务：算力词元（机时、卡时、训练任务）
  • 云服务：云主机、云存储
  • IDC服务：物理机柜、机房
• 技术重心
  • 智能算力服务：异构计算、智能调度、高速互联
  • 云服务：资源池化、虚拟化
  • IDC服务：土木、电力、制冷
• 计费逻辑
  • 智能算力服务：按计算任务复杂度或算力使用量
  • 云服务：按资源规格和时长
  • IDC服务：按机柜/空间/带宽

三层体系架构

智能算力资源层

• 提供GPU、NPU、FPGA等异构算力资源集合
• 支撑万卡级大模型训练集群能力
• 通过资源池化形成统一智能算力资源池

智能算力互联互通层

• 构建"1+M+N"国家、区域、行业算力互联互通平台体系
• 实现跨主体、跨架构、跨地域算力资源标准化互联
• 采用"卡时（GPU-hour）"等标准化单位进行计量交易

智能算力应用层

• 面向AI、科学计算等场景提供应用服务
• 包括云电脑、云手机、大模型推理、视频渲染、智能体等
• 实现智能算力"漫游"和任务式交付

四大关键技术

算力标识网关技术

• 引入类似URL的算力互联网标识（C-URL）
• 为全网资源建立"身份证"，实现标准化感知与注册
• 算力网关负责协议转换和路由分发

算网协同技术

• RDMA（远程直接内存访问）
  • 降低通信时延，释放CPU算力
• SRv6（基于IPv6的段路由）
  • 实现网络可编程，携带算力信息和服务指令

算力资源池化技术

• 虚拟化/容器技术：通过"神龙架构"实现接近裸金属性能
• 资源解耦：采用CXL（Compute Express Link）技术，从"机架级解耦"向"数据中心级解耦"演进

异构算力调度技术

• 构建算网云调度系统，实现统一资源管理
• 发展OGPU（One-GPU）、ODPU（One-DPU）计算框架，解决GPU生态兼容难题
• 通过任务画像与匹配算法实现精准调度

市场规模与产业链

全球市场

• 2025年全球AI优化服务器市场支出：2800亿美元
• 2026年预计：3530亿美元，年均增速26.2%
• 2026年全球AI基础设施支出将突破1.36万亿美元

中国市场

• 2025年我国智能算力服务市场规模预计超1300亿元
• 结构呈现"双轮驱动"：
  • AI云企业级服务：800亿元
  • "卡时"消费级市场：500亿元（云电脑用户突破1000万，增长率超100%）

词元调用量爆发式增长

• 2024年初：日均1000亿词元
• 2025年底：日均100万亿词元
• 2026年3月：日均140万亿词元
• 两年增长超千倍！

产业链竞争格局

• 上游（芯片）
  • 国际态势：美国主导（NVIDIA、AMD、Intel），欧盟追赶
  • 国内态势：华为昇腾、海光、飞腾取得突破，但高端芯片仍依赖进口
• 中游（调度平台）
  • 国际态势：AWS、Azure、Google Cloud主导；NVIDIA推出DGX Cloud Lepton成为全球"总调度员"
  • 国内态势：天翼云、移动云、联通云、阿里云、华为云、腾讯云"六朵云"主导
• 下游（MaaS）
  • 国际态势：OpenAI、Google、Anthropic三巨头垄断，日均词元调用量超20万亿
  • 国内态势：火山引擎、阿里云、腾讯云领跑；豆包大模型日均调用量突破120万亿

典型应用场景

高强度计算与并行处理

• AI大模型训练与推理（如GPT-4、文心一言、盘古）
• 科学计算与仿真（AlphaFold 2、气象预报）
• 高清视觉渲染（《阿凡达》《流浪地球2》）

结果交付与体验类服务

• 云游戏：腾讯START、网易云游戏支撑《黑神话：悟空》云端运行
• 云电脑/云手机：天翼云电脑、移动云手机广泛应用于办公政务
• 智能体词元服务：OpenClaw（龙虾）等对话式AI服务

垂直行业融合与边缘协同

• 智慧工业：新能源电池缺陷检测率从90%提升至99.9%
• 智慧金融：身份核验、票据识别、智能风控
• 智慧零售：客流热力图分析、动态定价

四大发展趋势

趋势1：架构部署从"中心化"向"云边端高频协同"演变

• 形成"IDC大中心+边缘超节点"协同范式
• 大中心承担海量数据存储与批量处理
• 超节点提供毫秒级实时响应（如工业质检、自动驾驶）
• 百公里级AI广域网试验将跨域训练时延压降至1.1毫秒

趋势2：服务模式从"资源供给"向"任务式交付"升级

• 从"租赁硬件"转向"获取任务结果"
• 计费从"资源规格+时长"转向"任务复杂度+结果"
• 云电脑、云手机实现"前端轻载、后端强算"
• 用户无需关心底层算力结构，直接获得可使用服务成果

趋势3：产业格局从"独立发展"向"算力互联网"聚合

• 构建统一算力标识、度量与交易结算体系
• 算力资源像商品一样在平台上查询、竞价、流转
• 运营商推出"算力卡""云电脑"等普惠服务
• 降低中小企业AI应用门槛

趋势4：赋能路径从"计算能力"向"生态价值"延展

• 支撑多智能体协作：打破智能体"孤岛"，促进互联互通
• 普惠化用算：像水电一样便捷可用，全民触达、低成本获取、全场景覆盖
• 赋能新型工业化：智能工厂、数字孪生、仿真计算，实现高效生产、绿色低碳、智能决策

政策目标时间表

到2026年

• 建立较为完备的算力互联互通标准、标识和规则体系
• 推广新型高性能传输协议
• 建成国家、区域、行业算力互联互通平台
• 统一汇聚公共算力标识，实现全国头部算力企业公共算力资源互联

到2028年

• 基本实现全国公共算力标准化互联
• 逐步形成具备智能感知、实时发现、随需获取的算力互联网