中国电信研究院-智能体时代AI基础设施行业发展研究报告

全球政策焦点转向主权AI基础设施建设

2026年，全球主要经济体在人工智能领域的政策导向发生显著变化，核心焦点全面转向主权AI基础设施建设及智能体应用。美国持续构建AI基础设施安全管控体系，依托标准与出口管制巩固全球AI竞争优势。2月17日，美国国家标准与技术研究院发布《AI智能体标准倡议》，制定自主智能体的互操作性、安全边界、身份认证等标准。3月26日，众议院推动《芯片安全法案》落地，建立高端芯片全生命周期溯源管控机制，并先后出台《远程访问安全法案》、《云安全法案》，将管制范围从实体硬件延伸至云端。

欧盟则独立于中美技术生态，通过立法深化主权AI与安全。1月16日发布《欧洲高性能计算条例修订案》，新增“AI超级工厂”相关规定。6月3日发布的《技术主权一揽子方案》首次将云、AI、芯片、软件、能源等基础设施设为独立政策框架，投入万亿欧元资金支持以降低对海外供应商依赖。7月30日，欧盟发起“AI超级工厂”建设招标，计划在欧洲设立最多7个涵盖高端AI芯片、配套软件与云架构、高速互联网络等设施的超级工厂。

日韩两国以巨额资本加码本土AI基础设施建设。日本经济产业省主导成立“日本AI基础模型开发公司”，主导一万亿日元国家级人工智能计划，形成从国产底层模型研发到实际应用的完整链条。韩国公布《国家AI战略》蓝图，2026年AI年度预算提升至10万亿韩元，计划撬动公私部门合计30万亿韩元投资，三星电子、SK集团本土合计投资规模达4700万亿韩元。

我国以智能体应用为牵引，全面升级算力基础设施能力及服务水平。“十五五规划”明确鼓励包括智能体在内的技术创新。5月8日，国家网信办等三部门落地《智能体规范应用与创新发展实施意见》，首次明确智能体创新发展路径。围绕算电协同与全国一体化算力网构建，国家发改委已形成“8+10+3”空间布局，并研究建立算力网、新型电网、新一代通信网“2+3+N”协调机制。

人工智能迈入代理式AI新阶段带动算力需求激增

全球AI发展演进可清晰划分四个阶段：感知式AI、生成式AI、代理式AI（Agentic AI）以及物理AI。当前全球人工智能正处于从生成式AI迈向代理式AI阶段的拐点，智能体成为人工智能产品及服务的重要形态。智能体具备自主感知、记忆、决策、交互与执行能力，正逐步融入产业、民生、治理等领域，把大模型能力组织成能对任务结果负责的系统嵌入场景应用。

2026年，智能体由概念验证加快进入生产环境，应用从客服、知识检索向数据分析、流程自动化、软件研发等核心业务扩展。智能体需要持续进行任务规划、长上下文读取、检索、工具调用、结果校验和失败重试，形成多轮模型调用。智能体单次任务的Token消耗可达普通对话数千倍。IDC预计，到2030年，我国Token年消耗量将达3547亿亿。AI基础设施需求形态将由短时、单次推理转向长周期、高并发运行，预计未来2-3年，我国算力需求平均每年将增长近10倍。从算力需求结构来看，推理算力需求将远远超过训练算力，预计2029年我国推理算力市场占比将达到80%。

AI Coding成为主流AI应用场景之一，驱动软件生产范式重构。编码智能体正由代码补全和问答助手，向需求解析、架构设计、跨文件修改、测试验证、代码审查、持续集成和运维交付延伸。IDC数据显示，2025年中国AI编程市场规模为3.99亿元，预计2026年底增至11.73亿元，增长约194%。

AI基础设施竞争转向系统全栈与Harness工程化

早期AI基础设施竞争以算力规模、集群性能、模型跑分等单一维度能力比拼为主。随着AI智能体加速落地，算力、模型、智能体、应用之间的垂直耦合关系持续增强。全球头部科技企业纷纷差异化布局，构建全栈AI基础设施体系。具体路径包括：坚持端到端全栈自研筑牢软硬件协同竞争壁垒；通过“超级应用”场景牵引抢占下一代AI交互入口；打造中立开放平台构建多元兼容的AI产业供给生态；推行“多芯多云”弹性布局降低单一供应链依赖风险。

生成式AI驱动云市场保持强劲增长。2026年第一季度企业云基础设施服务支出达1290亿美元，同比增速35%，已连续第九个季度上升。高盛预测全球AI基础设施2026年至2031年累计投入将达到7.6万亿美元。我国公有云IaaS市场同比增速恢复至20.0%，GPU/MaaS等AI相关领域贡献显著提升。

AI工程范式正经历从提示词工程、上下文工程到Harness工程的三阶段演进。当智能体具备工具调用能力，运行过程更加难以管控，安全风险、流程失控、成本不可预测等挑战显著增加。Gartner预测，到2026年底，40%的企业应用将嵌入AI Agent。Harness工程关注如何为自主AI智能体构建一套完整可控的运行环境，通过标准化约束、工具编排、校验闭环与反馈机制，保障智能体在生产环境中稳定执行任务。Anthropic的对比实验显示，同一模型不变，仅优化Harness，其编程任务成功率从42%提升至78%。

头部科技厂商正加速将Harness工程产品化。AWS正式宣布Amazon Bedrock AgentCore中托管Agent Harness全面可用；阿里云AgentRun定位为面向生产环境的一站式Agentic AI基础设施平台；Anthropic正式发布Claude Managed Agents，以托管API形式提供服务，将Harness与生产级基础设施打包交付。

智能体重塑AI全栈能力与底层基础设施架构

智能体规模落地实际生产场景本质是一项复杂系统性工程。AI全产业链生态的协同发展呈现“自上而下（智能体应用驱动）”和“自下而上（基础设施底层支撑）”的动态正反馈增强回路。最上层是Agent应用层，中间层是Agent基础设施层，最底层是AI云基础设施层，重点向Agent原生演进，打造低成本高效率Token工厂。

在算力层面，智能体重塑算力基础设施架构。AI数据中心CPU与GPU配比将从当前的1:4-1:8演变至1:1-1:2，CPU正在成为智能体时代算力性能约束的核心瓶颈。算力布局转向推理优先，训推解耦、异构协同等多路线并行。超大规模高密度智算集群仍是AI产业刚需，超节点驱动算力基础设施竞争迈入系统级博弈新阶段，AI算力集群持续向十万/百万卡演进。

在网络层面，“光进铜退”成为超节点智算集群高密互联的技术刚需，LPO、NPO、CPO多技术路线并行。受信号衰减等固有物理特性限制，铜缆的有效传输距离存在刚性约束，光互联具备高带宽、低时延、抗干扰等优势。多数据中心协同正在成为AI集群规模扩张的关键手段，微软、中国电信、谷歌等已实现跨数据中心分布式训练。AI算力扩张引爆光纤需求，全球AIDC光纤需求占比预计从2024年不足5%升至2027年30-35%。

在云层面，传统聚焦算存资源供给的云原生服务已无法满足智能体需求。Agent Native云工作负载以“任务执行”为中心，内存峰值可达平均值的15.4倍，CPU利用率在13%-175%波动。云平台能力向极致性能提升、支持长链有状态任务运行、隔离增强方向升级。同时，产品全面Skill化、MCP化、CLI化，简化被Agent调用难度。

我国省域智能体产业发展潜力评估格局

报告创新构建了智能体产业发展潜力评估模型（AIDP-EM），从发展环境、基础设施、服务应用3大维度包含10项二级指标、29项三级指标，量化分析省域智能体产业发展的资源基础与应用转化能力。评估结果显示，我国省域智能体产业发展呈现头部集聚与梯度分化并存的基本格局。

从质量调整得分看，全国形成四个梯队。领先梯队（北京、上海、江苏、浙江、广东）平均得分为68.6分，政策、数据、算力、模型平台和产业应用多维领先；较强梯队（山东、四川、重庆、湖北、贵州、福建、河北）得分区间为41.6-51.6分；中等梯队平均得分32.6分；追赶梯队平均得分18.3分。区域格局呈现“京沪创新策源、长三角均衡集群、粤鲁产业应用川渝黔算力节点”的基本特征。

基础设施与服务应用的协同程度直接决定算力资源能否转化为智能体产业能力。以31省基础设施和服务应用平均得分为界，北京、上海、江苏、浙江、广东等位于“高基础设施—高应用”象限；湖北、贵州位于“高基础设施—低应用”象限；福建、湖南、陕西位于“低基础设施—高应用”象限。对于“高基础设施-低应用”地区，应把发展重点从继续扩张资源规模转向建设公共模型服务、行业工具链和标杆场景。

在行业适配方面，数字化程度高、跨系统协同需求强的行业智能体任务适配度相对较高。信息通信与软件的任务适配度为96.7分位居首位，商贸零售、金融服务、交通物流、能源电力和工业制造得分均超过83分。东部地区的平台型行业优势较为突出，中西部地区在特色产业场景中具有比较优势。综合潜力较高地区具备建设平台型智能体和跨区域服务输出的条件，资源型和农业地区可依托能源、农情等数据资源形成专业化的任务闭环。