2026年计算机行业：国产算力调度运营的机会

算力需求持续增强，调度运营是关键所在

（一）应用新形态继续突破，算力需求增强态势不减

应用不断出现新形态，带动算力需求持续增长。以OpenClaw为例，其带来的丰富 功能和便捷化操作大大推动了相关Agent应用的落地。AI Agent对于Tokens的消耗 远高于AI大模型文字生成任务。与传统Chatbot仅需单轮、短文本交互的低 Token 消耗模式不同，AI Agent因具备自主规划、多步推理、循环思考、工具调用及长上 下文读写能力，其Token消耗并非线性增加，而是呈现指数级、数量级跃升：单智 能体执行任务时的Token消耗通常为大语言模型文字生成任务的10 倍以上。例 如，在社交媒体平台上调用Agent，生成并发布一个带有文本和图片的帖子，其消 耗量约1500-2000 Tokens；而GPT 5.2模型在博客和邮件场景中生成300字的文字 内容，仅消耗110 Tokens。而多Agent协同、复杂业务流程自动化等场景下更是可 达百倍甚至更高。以OpenClaw为代表的AI Agent在执行任务过程中自主规划任务 以及调用工具产生的大量Tokens有望进一步推动AI算力需求的快速增长。

我们预期伴随应用的持续发展，以及新形态的不断突破，算力需求当维持高位。此 外，从相关龙头的财报数据中，也可以印证这一点。以Oracle为例，26Q3Oracle剩 余履约义务（RPO）达到5530亿美元，同比增长325%，显著超出市场预期，订单增 长主要来自与OpenAI、Meta Platform等公司在AI数据中心与算力基础设施方面的合 作订单。

（二）从供给端看，算力投入维持高位，但算力供给扩张并不等于供需 匹配改善，亟需对算力进行统一的调度及运营

从供给角度出发，我国在算力方面投入较多。根据IDC的数据，我国算力规模将于 2028年达到2781.9EFLOPS，24-28年CAGR为39.9%；通用算力于2028年达 140EFLOPS，24-28年CAGR为18.3%。根据IDC的数据，2025-2027年期间，中 国人工智能服务器市场规模增速预计分别为36.2%、30.2%和28.8%。

尽管我国算力相关资源建设加速，投入维持高水平，但是有着算力资源利用率低、 算力的弹性需求高、算力中心所处区域错配下导致供需不平衡、以及异构资源较多 导致管控难度较高的特点。

1. 算力资源利用率低

我国算力资源整体利用率较低，存量盘活空间大。受前期“新基建”驱动及地方政 策激励影响，我国数据中心建设节奏整体偏快，行业供给在短期内集中释放，但 实际需求消化相对滞后，导致资源利用效率整体偏低。分省份来看，浙江省、江 苏省、山西省、内蒙古自治区等省份依托本地需求或周边地区外溢去求，实现算 力资源供需高效对接，上架率平均超70%；广东省、河北省等省份上架率约为50%， 仍有提升空间。根据科智咨询数据，2023年IDC机架平均上架率在58%左右，同 时其也预测该数据在未来几年将保持平稳，而我国在用算力中心机架总规模已达 1085万标准机架（截至25年6月底），以此数据为基础进行测算，我国仍有约456 万标准机架的存量算力空间有待盘活与释放。

2. 算力的弹性需求较高

AI训练、云渲染及科学计算等核心业务场景的算力需求呈现出显著的波动性特征， 从而驱动企业对弹性算力的需求持续提升。具体来看，在模型训练、项目交付等 阶段性任务推动下，算力需求在短期内快速攀升，而在非高峰阶段又明显回落， 整体利用率存在较大不确定性，导致算力资源易出现阶段性紧缺与长期闲置并存 的现象。在此背景下，传统以一次性大规模资本开支为主导的算力基础设施建设 模式难以有效适配企业需求：一方面，其前期投入高、回收周期长，显著加重企 业资本负担；另一方面，固定化部署缺乏灵活调整能力，既难以应对业务高峰期 的算力需求激增，也易在需求回落阶段造成资源闲置，整体投入产出效率承压。 因此，能够实现按需获取、动态扩展与灵活调配的弹性算力逐步成为企业刚性需 求，而算力调度平台通过整合分散资源并优化配置效率，正成为支撑弹性算力供 给、提升资源利用率的关键基础设施。

3. 算力中心所处区域分散且错配导致供需不平衡

我国算力资源分布呈现显著的区域错配，供需矛盾突出。一方面，东部沿海地区 数字经济发达，人工智能、大模型等新兴应用驱动算力需求持续旺盛，但当地面 临土地资源紧张、能耗指标收紧等硬约束，电力成本高昂且供给紧缺，一线城市 及周边算力中心供给已现稀缺性。另一方面，西部地区风光水电等清洁能源丰沛， 气候条件适宜自然冷却，土地资源广阔，且电价优势明显，但本地数字产业化基 础相对薄弱，算力需求有限。这种结构性错配，使得单纯依靠本地建设难以满足 算力的高效、普惠供给，跨区域协同成为必然选择。

为破解区域错配难题，国家层面大力推进“东数西算”工程与全国一体化算力网 建设，通过顶层设计引导算力资源向西部集聚。目前，我国已布局京津冀、长三 角、粤港澳大湾区、成渝、贵州、内蒙古、甘肃、宁夏等8大国家算力枢纽节点 及10大数据中心集群，构建了“东数西算”的骨架。同时，跨区域算力协同网络 加速成型，国家枢纽节点间传输时延不超过20ms，集群到周边主要城市传输时 延不超过5ms，区域内算力节点间时延达1ms，显著降低了东西部数据传输壁垒。 通过网络与调度的协同，东部的人工智能训练推理、视频渲染、存储备份等业务 正有序向西部迁移，逐步实现“东数西算”、“东数西训”、“东数西渲”的跨 域供需匹配与资源互补。

4. 异构资源较多导致管控难度较大

算力资源涵盖CPU、GPU、FPGA、ASIC等多种架构，每种硬件的性能特点（如 并行计算能力、能效比）和指令集差异显著。例如，GPU擅长并行计算（如深度 学习训练），而CPU更适合逻辑控制密集型任务。同时，不同任务依赖特定的软 件框架（如TensorFlow、PyTorch）和库（如CUDA、OpenCL），调度系统需 确保软件环境兼容性。若任务代码未适配目标硬件的编程接口（如CUDA代码无 法直接在HIP生态中运行），则需进行代码迁移或重构，显著增加调度成本。同 时，由于当前算力调度缺乏统一的计量标准和接口规范，导致跨架构资源难以互 通，管控难度较大。

因此，在面对上文中我们所提到的四点现状下，如何更好的对算力进行调度运营则 更显得重要，而算力调度平台则是实现这一点的基础。 总的来说，算力调度运营平台能够通过统一架构整合异构资源，并简化算力获取流 程，实现高效便捷的服务供给。因此也能够在一定程度上解决我国算力需求与资源 分布不均的矛盾,快速满足上层应用多样化的算力需求,助推我国数字经济进入普惠 共享的新阶段。

算力调度运营架构、商业模式及产业链主要参与方 梳理

（一）算力互联网体系架构解析

从整个算力互联网体系出发，根据中国信通院，最终的组网大致可分为三层，由下 至上分别为算网设施层、互联资源层、应用服务层。 1. 算网设施层：算网设施层由计算与传输两类物理基础设施组成，是算力互联网 的底层资源载体。①计算设施包括通用计算、智能计算、超级计算等数据中心 以及云、边、端等算力资源。②传输设施包括公共互联网、企业算力专网等，承 载算力节点间数据高效、可靠传输的承载功能。 2. 互联资源层：互联资源层由国家算力互联网服务平台、区域和行业算力互联互 通平台组成，位于算网设施层和业务应用层之间，是算力互联网的核心节点。 ①国家算力互联网服务平台，承担算力资源标识标准化分配、运行监测、信息 发布等综合管理职能，旨在实现全国算力资源的统一调配与管理。②国家算力 互联网（区域）核心节点，整合统筹区域内跨服务商的多元异构算力资源。③ 国家算力互联网（行业）核心节点，当前主要面向基础电信运营商、云服务商 等具备全国算力资源布局且正在开展算力并网的企业，结合算力专网或云专网 形成算网一体化调度平台，依据算力互联网建设相关标准规范升级已有平台， 接入国家算力互联网平台体系，承担加速算力供需匹配、培育算力服务业态等 功能。 互联资源层中，其中的算力互联网各级节点具有对等互联关系，也就是区域及 行业核心节点通过算力互联互通平台接入公共算力资源，并基于对等交换机制 实现算力资源信息共享与协同。

3. 应用服务层：面向用户提供多元化的算力服务，主要包括传统算力资源式服务、 算力调配接入服务以及算力应用服务等不同算力服务业务。该层通过统一的服 务接口与服务目录，实现算力能力的封装与开放，为用户提供建立在统一调度 体系之上的便捷化、普惠化算力使用模式，助力实现 “像用电一样使用算力” 的 服务愿景。

从这三层出发，我们可以发现算力互联网生态体系是由多元主体协同构成，涵盖从 算力资源供给、网络传输、平台支撑到应用服务的全链条参与方。主要生态主体包 括：算力资源提供商（提供算力）、网络运营商（提供传输服务，保障算力资源高效 调度）、算力互联互通平台主体（负责建设和运营算力互联互通平台的机构）、算力 调配接入服务商（面向算力任务需求，整合多源异构算力资源，并提供供需对接）、 算力应用服务商（提供基于算力资源封装的各类应用层服务，如算力卡、云电脑等） 以及算力互联运营商（同时具备算、网服务的主体）等，各主体在生态中承担不同角 色，共同推动算力资源的高效整合与服务化演进。

从产业链的角度出发，总共涉及供给方、需求方以及中间方。 需求方主要由政府及企业构成。大模型计算需求场景主要包括训练、微调以及推理， 模型参数规模与对算力的消耗成正比，参数规模越大，对智能算力的需求越大。不 同体量的智算中心支撑不同的大模型计算场景。根据中国信通院，推进基础预训练 大模型（千亿级以上参数）的训练，需要具备 E 级（EFlops）计算能力的高端万卡 集群中心支撑。推进小模型 (百亿级及以下参数) 的训练、微调，或推进模型的推理， 依托百 P 级（100PFlops）计算能力的中小型智算中心即可支撑。 供给方则是上图中提及的算力资源提供商。该主体主要为用户提供通算、智算、超 算等软硬件计算能力的主体，核心业务包括裸机租赁、云服务等。主体类型包括运 营商（如中国移动、中国联通等，多用于满足标准化需求，便于企业快速部署和接 入）、第三方算力中心服务商（如万国数据、世纪互联等，兼具传统零售业务和大规 模批发定制业务，其中集群化的算力中心定制业务主要服务于对算力中心有高度定 制化要求的大型企业）、地方政府自建（服务于本地经济发展，促进产业能升级和转 型）。根据灼识咨询，以算力中心行业供给IT容量计算，2023年第三方服务商供给 IT容量占比接近50%。同时，分通用算力和智能算力来看， 智能算力占绝对体量，以 灼识咨询所预计的2026年数据基础为计算，中国计算设备算力规模中，智能算力占 比达到89%。

中间方则是算力运营调度平台主体，主要对接供需，并完成最终的算力互通。从分 类上看，按行政层级分类可以划分为国家级算力调度平台、省级平台以及市级平台。 国家级算力调度平台多由政府主导或运营商/头部企业建设，强调跨区域协同与市场 化交易；省级平台覆盖长三角、成渝、京津冀等重点区域，结合本地产业需求；市级 平台则聚焦本地AI、智能制造等场景。 以上海市智能算力资源统筹调度服务平台为例，根据中国信通院，该平台接入上海 本地及市外各类空闲算力资源，可实现跨市域、跨资源池、跨厂商的异构算力资源 交易和调度，截止 2025 年 7 月，平台已接入上海仪电、上海电信、上海移动、上 海联通以及阿里、百度等互联网云厂商、商汤、算丰等第三方算力企业的算力，并实 现新疆克拉玛依、湖南长沙的优质算力接入，上架总算力规模已超过 1.8 万 P。

（二）从技术层面看算力如何实现调度运营

从技术架构角度，算力调度平台采用分层解耦的设计架构，可划分为基础设施层、 管理编排层、服务运营层和算力应用层。 基础设施层由计算、存储和网络三类物理基础设施组成，是算力互联网的底层资源 载体，提供池化算力与优质连接。计算设施包括云计算、异构计算、边缘计算等数 据中心以及云、边、端等算力资源。存储资源以存算一体为核心，实现计算与存储资 源的深度融合。网络资源包含5G移动网络、光传送网、SRv6/G-SRv6、新一代软件 定义广域网等，为算力调度提供低时延、高可靠、广覆盖的网络底座，实现算力资源 的高效互联互通。 管理编排层是算力调度核心中枢，承担算力资源的生命周期管理与智能调度能力， 实现算力资源的按需分配与高效协同。管理编排层能够向下进行算力资源管理，实 现资源感知、算力结构等功能；同时，该层能够向上按需分配算力资源，实现智能推 理、协同编排、智能匹配、灵活调度、统一管控等能力，达到资源最优匹配与动态调 整。 服务运营层支撑算力交易与服务运营，保障安全、可信、高效流通。服务运营平台 提供一系列开放的资源互联能力，包括算力注册、服务申请、意图感知、算力封装、 服务计费、服务结算等关键功能，实现算力服务的全流程运营管理，连接算力供给 与需求。 算力应用层面对多行业场景，提供多样化算力服务，推动深度融合。面向个人，算 力应用可以提供金融科技、人工智能等个人AI应用功能与服务；面向企业，算力引用 层能够赋能多个行业，实现智能制造、生物医药、智能汽车、智能园区等数字化转 型；面向政府及机构，算力应用层能够提供智慧政府、指挥交通、智慧教育等算力服 务。

编辑：火腿肠