当庞大市场需求遭遇算力资源紧张——国产AI如何补上“关键一环”
日前，北京智谱华章科技股份有限公司通过其官方公众号发布GLM Coding Plan限售公告。公告指出，随着GLM-4.7系列模型上线，用户数量迅速增长，导致算力资源出现阶段性紧张。
这是AI产业算力吃紧的一个缩影。随着GPT、DeepSeek等大模型的算法突破和应用普及，算力需求水涨船高。数据显示，我国AI芯片市场规模预计2028年将超一万亿元，约占全球市场的30%。面对庞大的市场需求，自主可控的高质量AI算力供给已成为我国抢占人工智能产业应用制高点、全方位赋能千行百业的前提条件。
算力缺口从何而来？国产AI算力又当如何破局？记者就此采访了有关专家。
第一问：当前是否存在行业性算力缺口？
“目前，算力供需矛盾依然突出，在全球范围内都是如此，但国内算力缺口尤为明显。”燧原科技创始人、董事长兼CEO赵立东1月22日对科技日报记者直言。
智能算力是支撑人工智能等计算任务需求的计算能力，是人工智能产业的“水和电”。
目前，国外厂商依然是全球AI算力的标准制定者和行业主导者，硬件性能、软件生态等较国产厂商均有不同程度领先。有行业人士透露，2024年，国外厂商占据中国AI芯片市场近七成的市场份额，形成我国庞大的自给缺口。尤其是在大模型训练领域，自给不足问题更为突出，对我国人工智能产业发展造成一定限制。
不过，国产AI算力近两年也在持续突破。据咨询公司摩根士丹利2025年发布的研究报告估算，中国人工智能GPU自给率已从2020年不足10%提升至2024年约34%，并有望在2027年升至约82%。在这一趋势下，算力产业发展正从过去单点硬件的性能追赶，转向更加务实、高效的系统级创新。
第二问：算力资源供需矛盾如何造成？
目前，我国算力资源供给面临多重限制。高端芯片进口受限，国产GPU芯片在绝对计算性能、能效比、工艺方面与国际旗舰产品仍有差距；技术创新能力不足，如在芯片设计工具、底层算法框架等方面与国际先进水平仍有差距。
同时，我国算力资源分散，存在“碎片化”问题。各服务商算力资源接口和协议不统一，跨区域跨主体算力调度能力较弱，导致算力资源利用率偏低。此外，产业发展制度环境仍待完善，数据确权、使用和交易等方面的规则有待细化，企业标准与合规方面的挑战日益凸显。
与此同时，人工智能正在加速落地千行百业，带来算力需求激增。目前，全国已落地的算力应用项目超过1.3万个，建成的各级智能工厂超过3万家，并覆盖工业、金融、交通、医疗、教育等重点行业。“随着我国人工智能应用加速落地，算力需求持续爆发式增长，算力供给不足的问题将会更加显著。”赵立东说，伴随大模型技术的成熟及开源普及，算力应用门槛进一步降低，保障算力供给至关重要。
第三问：如何持续破解算力之围？
在赵立东看来，破解这一难题的核心在于充分释放国产算力的潜力：一方面需大力支持国产算力的应用推广，将现有国产算力资源“用足用好”；另一方面要加快推进国产芯片供应链建设，推动技术落地与产能提升。
近年来，国家发展改革委、工业和信息化部等部门积极部署算力发展政策，推动智能算力优化建设布局、提升服务水平，破解智能算力供需难题。最新数据显示，我国企业发布多款人工智能芯片产品，在算力设施方面，建成万卡智算集群42个，智能算力规模超过1590EFLOPS，位居全球前列。
浙江大学光华法学院教授程乐指出，当前算效低下问题普遍存在，部分智算中心GPU实际利用率偏低，造成资源浪费和供需结构失衡。未来应进一步完善算力利用率、任务完成效率、单位能耗产出等实际效能指标，引导产业转向精细化效率竞争。
是石科技联合创始人兼副总裁毛运航也提到，要通过更精细的调度、资源池化和弹性部署，把现有算力用到极致。
“国产算力生态已具备良好基础，但仍需产业链各方真正凝聚合力，尤其是算力方、模型方、应用方的协同创新。”赵立东说，当模型、应用与算力实现深度适配，国产算力逐步支撑起从训练到推理的全流程时，我们才能真正在全球人工智能竞争中掌握主动权，才能拥有人工智能产业行稳致远的“压舱石”。（记者 崔 爽）