一句话看懂：9月21日，IDC与浪潮信息联合发布《2026年中国人工智能计算力发展评估报告》，首次聚焦智能体基础设施，预测2026年中国智能算力规模同比增长87.9%，并指出智能体正以乘数效应推高Token消耗，算力竞争从”规模扩张”转向”系统效率”。
事件核心：发生了什么
报告给出了几组可核查数据：全球活跃智能体数量预计从2026年的7940万个增至2030年的22.16亿个，复合增长率129.8%；同期全球Token消耗量复合增长率高达4822.6%，约为智能体数量增速的37倍。中国方面，2026-2030年活跃智能体数量复合增长率151.2%，Token消耗量复合增长率3499.3%。
算力侧，2026年中国智能算力规模预计达2576.5 EFLOPS，同比增长87.9%，2030年将达10524.3 EFLOPS；2025-2030年复合增长率从上一版预测的46.2%上调至50.3%。市场规模方面，2026年中国AI算力市场将达515亿美元，同比增长37%，2030年达1501亿美元。
报告还首次把智能体应用落地、具身智能产业布局、推理算力基础设施等纳入城市AI算力评价。2026年中国AI城市排行榜前三为北京、杭州、深圳，深圳由第四升至前三，上海、广州、成都、南京、武汉、济南、苏州进入前十。
为什么重要
这是业内首份专门围绕智能体基础设施的研究报告，意味着算力需求的驱动逻辑正在变化：过去主要由模型训练拉动，现在越来越多来自智能体多轮推理、工具调用和跨系统协作带来的推理消耗。报告判断，单纯扩大算力规模已难以应对，AI基础设施正从规模扩张转向系统效率竞争。
一个现实约束是供需缺口。报告预计全球AI算力需求满足率将从2024年的79%降至2027年的71%，2030年仅回升至77%，约23%的需求等不到供应。这也解释了为什么计算产业被拆成”能力型”与”容量型”两条线：前者靠超节点等Scale-up架构突破智能上限，后者靠多元算力协同、推理解耦、缓存与调度优化提升Token产出效率。
对用户/开发者/创作者的影响
对开发者而言，Token运营正在成为新的工程尺度——不再只追求单卡峰值或单一吞吐，而是在交互时延与并发吞吐之间找平衡，模型、算力和调度需要动态配置。这会直接影响API成本和响应体验的设计取舍。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
行业落地分化也很明显。报告显示，代码开发（Coding）和办公任务（Work）因数字化程度高、任务边界清晰，已率先进入规模化应用；制造、医疗健康、能源/电力等行业真正进入核心业务闭环的比例仍为0%，运营商虽有70.0%接入部分业务流程，但进入核心闭环的仅3.3%。值得注意的是，教育、科研研发、医疗健康等知识密集型领域当前成熟度有限，但长期生产力影响更突出；能源、交通则受物理系统和安全责任边界约束，推进更慢。
值得关注的后续
一是87.9%的增速能否兑现，取决于推理算力供给和芯片、存储、服务器的扩张节奏。二是Coding与Work之外，哪个行业会率先跑出可验证的核心业务闭环。三是Token运营的平衡策略是否会在主流云厂商和推理服务中形成可比较的工程标准，进而影响开发者的实际调用成本。
来源：InfoQ CN
