AI算力的路、油與交規

# AI算力的路、油與交規：三重錯配卡住中國AI基建咽喉

政策在修路，產業在缺油，交規還在路上。AI算力的三重錯配，正卡在中國數字經濟轉型的關鍵節點上。2026年7月20日，兩份重磅政策信號同日釋放。中央網絡安全和信息化委員會印發《深化互聯網協議第六版（IPv6）技術創新和融合應用實施方案（2026—2030年）》，為網絡底座繪製五年升級藍圖；工信部在發佈會上披露，將加快推進《算力標準體系建設指南》正式版落地，為市場秩序建立規則。一紙指向長期基建，一紙指向當下規範，兩份文件的交匯點，正是中國AI算力產業當前面臨的核心矛盾。## 一、IPv6在鋪什麼路？

我國IPv6規模部署自2017年啟動，2021年進入規模部署階段，本次《實施方案》是深化階段文件——目標不是從零修路，而是把已修好的路升級為智能高速。對AI產業而言，IPv6解決的是一個基礎技術問題：算力網絡需要統一的編址與調度底座。大量存量網絡仍基於IPv4，無法實現跨層級、跨地域的統一編址與端到端調度。基於IPv6演進的SRv6技術，正試圖通過算力感知路由和業務鏈編排，將邊緣、區域、樞紐三級節點串聯為邏輯統一的算力網絡。但這條路解決的是「能不能通」的技術可能性，而非「跑不跑得起」的成本問題——後者需要靠油和交規來回答。更深層的隱憂在於時間尺度的錯配。

IPv6的五年規劃與AI產業的季度迭代，遵循完全不同的時鐘。政策層以五年為單位規劃路，產業層以月為單位消耗油——這種週期錯配，是所有矛盾的根源。## 二、算力在缺什麼油？產業層面對的是另一道題。國內首座全鏈路國產十萬卡AI超集群在鄭州落成，標誌著國產算力基建的重大突破；與此同時，內蒙一座已投產的智算園區綜合算力利用率不足五成——以機櫃上架率統計已是如此，若按GPU有效計算時長佔比，該數值可能更低。一熱一冷，構成當下算力供給的典型圖景。十萬卡集群中，制約大模型訓練效率的往往不是算力芯片本身的計算能力，而是顯存帶寬（HBM）導致的內存牆效應。GPU大量時間在等數據，而非算數據。

以昇騰910B與英偉達H200對比：910B顯存64GB、帶寬1.6TB/s，H200為141GB、帶寬4.8TB/s，差距約2倍。國產芯片集群訓練時間拉長，單卡算力差距之外，HBM容量和帶寬的代差是更隱蔽的核心瓶頸。科大訊飛管理層在業績會上坦言：在昇騰910B上訓練大模型，因顯存和帶寬限制，訓練效率從開箱狀態的30%，經深度調優後提升至84%和93%。實驗數據顯示，在特定測試環境和框架下，昇騰910B在通用NLP任務中可達A800的約85%-90%，在複雜領域微調任務中降至50%-60%。

這些數據受測試框架、精度模式、集群互聯方案影響顯著，但指向一個共同結論：硬件只是起點，軟件調優才是決定最終效率的關鍵變量。內蒙智算中心利用率不足的完整誘因包括：訓練/推理需求分化導致時延不匹配、跨省數據合規顧慮、算力平臺缺少標準化交易體系、西部本地AI產業薄弱、地方政績驅動上馬項目。多重因素疊加，才構成西部「曬太陽」、東部「買不到」的結構性割裂。## 三、供給側的全球視角與外部硬約束

算力結構性緊缺並非中國獨有。據中國信通院《中國算力發展研究報告（2026年）》及IDC數據，截至2025年底，中美智能算力規模（FP16理論峰值口徑，不含邊緣算力）差距約2倍。需要說明的是，理論峰值指硬件標稱算力上限，未計入實際集群利用率、軟件棧效率、互聯損耗等因素——若以有效算力衡量，實際可用差距可能更大。海外市場同樣火熱。美國Meta將2026年全年資本開支（CapEx）指引上調至1250億至1450億美元，資金向AI基礎設施傾斜，多家市場機構據此預估其高端GPU部署規模將大幅擴張。海外依靠單一芯片生態短期調度更順暢，但也承受供應鏈風險與定價權外溢的代價。

數據中心用電量預計從2024年1660億千瓦時增至2030年3000億至7000億千瓦時，能耗指標已是比網絡時延更前置的硬約束。對中國而言，外部環境更為嚴峻。美國對華高端GPU出口禁令、EDA工具限制、先進製程封鎖，共同構成國產芯片追趕的外部硬約束。國產化是戰略必選項，而非純商業選擇——這意味著「油」的補給不僅要解決產能問題，還要在技術封鎖的夾縫中尋找突圍路徑。## 四、交規沒到位，車在路上堵

如果把網絡底座比作路，芯片和電力是油，那麼當前缺的不僅是油，還有一套讓車在跨省道路上順暢行駛的交規。這裡有兩條紅線需要區分：IPv6和SRv6解決的是算力調度的技術可行性——能不能把東西部的算力在協議層連接起來。但跨省稅收留存、GDP核算、能耗指標分攤、數據跨域流通規則，解決的是算力調度的制度可行性——體制機制允不允許算力順暢流動。東數西算的理想模型是東部推理、西部訓練，但跨省綠電交易機制不健全、碳排放指標不單列，導致西部綠電無法高效輸向東部數據中心。即便網絡時延達標，數據屬地和行業監管要求——很多東部實時推理業務的數據不允許出省，西部算力從根源上無法承接——這是比網絡時延更前置的門檻。

路、油、交規三者並非獨立並行，而是層層牽制的關係：交規打通後，若無充足的算力油，調度平臺無貨可調；大量算力油投產，若缺少統一網絡路和流通交規，依然會持續區域錯配。更深一層的制度根源在於：地方同質化建設智算園區的衝動，源於能耗指標屬地化管理、數字經濟考核偏重機櫃建設規模，缺乏算力利用率、產業落地成效等後置硬性考核指標。## 五、算力通脹與壟斷格局

算力的結構性分化已經形成，且短期內趨於固化。第一層，萬億參數級大模型預訓練。中國最強模型約1.6萬億參數（MoE架構，激活參數量遠小於總參數量），海外前沿模型總參數已進入十萬億級別。這一層是巨頭遊戲，短期內看不到鬆動跡象。第二層，行業大模型微調與中等規模訓練。門檻持續下降，模型蒸餾、開源生態、輕量化技術正在降低算力消耗，但企業仍需承擔相當的算力成本。第三層，高併發、低時延商業推理。優質算力依舊緊缺，輕量化離線推理門檻相對較低。算力壟斷的答案已經清晰：高端訓練算力的壟斷格局已經固化，短期內不可逆；推理側正在分化，但優質實時推理算力依然稀缺。

中小企業從推理側向訓練側滲透的可能性極低——訓練算力的規模效應構成結構性壁壘：萬卡級集群的邊際成本遠低於千卡級，巨頭在單位算力成本上具備持續擴大的優勢，且數據規模與模型迭代速度形成正反饋閉環。## 六、標準化落地：技術博弈與商業壁壘

《算力標準體系建設指南》試圖解決的是服務評估與交易結算層面的標準化問題。當前算力租賃市場的深層問題，不僅是算力不夠或算力放錯了地方，更是行業缺乏統一的計量與定價參照。異構芯片之間不存在通用換算標準，這才是「堵車」的重要內因。 但需冷靜看待標準的邊界。異構芯片架構完全不同，強制推行統一的算力度量衡會觸及各廠商的商業護城河與生態壁壘。統一換算標準不僅是技術問題，更是產業鏈多方商業博弈。標準在短期內只能停留在服務評估和交易結算層面，底層硬件的無縫互換仍需依賴類似CUDA的中間件生態——而這正是國產芯片當前最缺的軟實力。 生態的本質是開發者習慣。國產芯片最缺的不僅是底層編譯器，更是百萬級習慣了海外生態的AI工程師。即便路修好了、油補齊了、交規理順了，如果沒有人會開這輛車，一切仍是空談。 ## 七、激勵扭曲與路徑選擇

在算力緊缺的上行週期，一個值得警惕的現象正在發生：囤積硬件資源的短期商業回報經常高於長期投入算力調度和算法優化的收益。原因是什麼？算力緊缺週期中，囤積硬件可在短期內獲得確定性回報（租賃溢價），而投入算力調度優化和算法效率提升則需要長期研發投入且回報路徑不確定。企業作為理性經濟主體，天然傾向於前者。若不借助政策工具改變相對價格，這種激勵扭曲將持續存在。算力券補貼、標準化交易結算、能耗指標傾斜、考核機制調整——這些「交規」層面的強制糾偏，才能將市場的短期套利衝動，引導向長期的生態建設。

更深層的問題在於：推動算力精細化調度、提升資源利用率的主體，究竟是政策引導下的國資算力平臺，還是具備長期投入能力的大型科技企業？兩套體系推進算力調度的邏輯完全不同。國資算力平臺的優勢在於政策執行力強、可承擔跨省調度的制度性成本，但運營效率和市場化定價能力偏弱；大型科技企業的優勢在於技術積累和商業化敏捷度，但缺乏將自身算力資源納入公共調度體系的商業動力。孰為主導，將取決於政策設計能否在公共性與市場化之間找到平衡。## 八、結論：生態突圍戰才是終局考驗

中國AI基建的終局，表面上是路、油、交規的賽跑，本質上是一場生態突圍戰。無論是IPv6的演進、國產芯片的迭代，還是算力標準的統一，最終都要回答一個問題：我們能否在脫離海外單一生態依賴的前提下，建立起一套自洽、高效、具備商業閉環的中國AI底座？算力的結構性緊缺是全球AI爆發的共性挑戰，而非中國獨有的佈局問題。歐美同樣面臨算力分佈不均、電價上漲、集群建設週期漫長的難題；海外依靠CUDA生態的便利，代價是算力供給高度集中於單一廠商，長期存在供應鏈風險。真正拉開差距的，不是誰先建起更多集群，而是誰能在路升級、油補齊、交規理順的三重節奏中，率先跑通從「拼卡的數量」到「拼Token的產出成本」的轉型。

在算力緊缺的上行週期，囤積硬件資源的短期商業回報經常高於長期投入算力調度和算法優化的收益。原因在於：算力緊缺週期中，囤積硬件可在短期內獲得確定性回報（租賃溢價），而投入算力調度優化和算法效率提升則需要長期研發投入且回報路徑不確定。企業作為理性經濟主體，天然傾向於前者。若不借助政策工具改變相對價格，這種激勵扭曲將持續存在。這場轉型，註定不會靠市場自發完成。它必須依靠前述交規的強制糾偏——算力券補貼、標準化交易結算、能耗指標傾斜、考核機制調整——才能將市場的短期套利衝動，引導向長期的生態建設。

既然市場自發缺乏動力，那麼推動算力精細化調度、提升資源利用率的主體，究竟是政策引導下的國資算力平臺，還是具備長期投入能力的大型科技企業？這個問題的答案，將決定對齊之日何時到來。