10月20日，国务院新闻办公室举行新闻发布会，介绍2026年前三季度工业和信息化发展情况。
工业和信息化部信息通信管理局局长谢存在发布会上介绍，截至2026年9月底，我国智能算力规模达到2592 EFLOPS，同比增长146%，为人工智能产业发展提供了算力支撑。
同场发布的信息显示，截至目前，我国已建成5G基站525.4万座，5G-A网络覆盖逐步推进。相关部门表示，下一步将加快算力设施扩容提质，推动信息通信基础设施持续升级。
一、智能算力规模增长意味着什么？
智能算力通常是指面向人工智能训练、推理和相关智能应用的计算能力，常见载体包括GPU、NPU等加速计算资源。
2592 EFLOPS这一数据，反映出我国智能算力基础设施建设和资源投入仍在较快推进。算力已经不只是数据中心内部的技术资源，也逐渐成为支撑人工智能产业发展的基础设施。
需要注意的是，智能算力规模是一个全国性统计指标，并不等同于所有企业都可以直接使用的可调度算力资源。不同地区、不同平台和不同类型算力之间，在资源配置、网络连接、服务方式和使用成本等方面可能存在差异。
因此，理解这一数据时，既要关注总体规模，也要关注算力资源能否有效服务实际应用。
二、算力需求正在从训练向推理延伸
人工智能模型的发展通常包括训练和推理两个主要环节。
模型训练需要大量计算资源，通常对并行计算能力、显存容量、网络带宽和集群稳定性有较高要求。
模型推理则更加接近实际业务使用。例如，用户调用智能客服、生成内容、分析图像或处理行业数据时，都需要模型进行持续推理。推理环节通常更加关注：
- 响应速度；
- 服务稳定性；
- 单位调用成本；
- 并发处理能力；
- 数据安全和访问控制。
随着人工智能应用逐步进入企业日常业务，算力需求可能不再集中于大规模模型训练，推理算力、边缘算力和行业应用算力的重要性也会进一步提升。
三、算力资源需要更加贴近应用场景
算力规模增长的最终价值，需要通过具体应用体现。
不同领域对算力的需求并不相同：
- 制造业可能关注质量检测、设备维护和生产调度；
- 交通领域可能关注运行监测、智能运输和风险预警；
- 科研领域可能关注复杂计算、模拟仿真和数据分析；
- 医疗领域可能关注医学影像、辅助诊断和科研计算；
- 政务和公共服务领域可能关注知识问答、数据分析和智能辅助决策。
这些应用对算力的要求也各不相同。有的需要集中式高性能计算，有的更加关注靠近业务现场的边缘计算，有的则需要稳定的云端推理服务。
因此，企业选择算力资源时，不能只看芯片型号或资源数量，还需要结合具体业务判断部署方式、网络条件、数据处理要求和服务连续性。
四、算力服务评价标准正在变得更加综合
过去，企业了解算力资源时，往往重点关注服务器配置、GPU型号和可租用数量。
随着应用深入，算力服务的评价维度可能更加丰富，主要包括：
- 资源是否真实可用；
- 计算性能是否与业务需求匹配；
- 网络延迟和带宽是否满足要求；
- 资源调度是否灵活；
- 使用情况是否能够监测；
- 服务是否具备连续性；
- 数据和任务是否能够有效隔离；
- 出现故障后是否有明确的响应和处理机制。
对于企业而言，算力并不是一次性采购完成的产品，而是与模型部署、数据处理、网络连接和持续运维相关的综合服务。
五、算力基础设施建设也要关注能源和效率
随着智算中心和数据中心规模扩大，能源供应、制冷系统和运行效率的重要性进一步提升。
算力设施建设需要综合考虑：
- 电力供应的稳定性；
- 数据中心能效水平；
- 制冷和液冷技术应用；
- 绿色电力使用情况；
- 峰谷电价和运行成本；
- 算力资源的实际利用率。
这也是“算电协同”受到行业关注的原因之一。对于算力基础设施而言，稳定、经济和高效的能源供给，会影响项目建设、运营成本和长期服务能力。
不过，算力规模增长并不意味着所有算力资源都能保持高利用率。资源利用率、任务匹配度和实际应用效果，仍然需要通过具体项目和运营数据进一步观察。
六、企业应如何理解这一变化？
对于计划使用人工智能的企业而言，首先需要明确业务目标，而不是简单追求更大的算力规模。
在选择算力服务前，可以重点考虑以下问题：
- 业务需要训练模型、微调模型，还是直接调用成熟模型？
- 主要使用训练算力、推理算力，还是边缘侧算力？
- 对响应速度、并发量和服务稳定性有哪些要求？
- 企业数据是否具备合法、合规的使用条件？
- 是否需要对任务、数据和访问权限进行隔离？
- 如何监测算力使用情况和资源利用效率？
- 如何评估算力投入与实际业务效果之间的关系？
对于算力服务提供方而言，除了持续建设资源能力，也需要重视资源调度、运行监测、交付管理和安全合规能力。
结语
截至2026年9月底，我国智能算力规模达到2592 EFLOPS，同比增长146%。这一数据体现出我国人工智能基础设施建设仍在持续推进。
但算力规模只是观察行业发展的一个指标。未来，行业还需要进一步关注算力资源能否与实际应用有效匹配，训练与推理需求如何变化，数据中心运行效率如何提升，以及算力服务能否满足企业对稳定性、安全性和可持续运营的要求。
随着人工智能应用不断深入，算力行业的关注重点可能逐渐从“资源规模”扩展到“资源质量、应用效果和服务能力”。
本文根据中国政府网、国务院新闻办公室及公开行业信息整理，仅用于行业信息交流，不构成投资或商业建议。
信息来源：中国政府网、国务院新闻办公室
本文转自：万象硅芯OmniS，转载此文目的在于传递更多信息，版权归原作者所有。如不支持转载，请联系小编demi@eetrend.com删除。
