算力网：中国押注七万亿的"第三次工业革命神经中枢"

作者：快思慢想研究院 田丰，文汇报

一、蒸汽机之后，还有什么能改变世界的生产方式？

1769年，瓦特改良的蒸汽机让煤变成了动能，铁路网随之将这种动能铺遍大陆；1882年，爱迪生在纽约珍珠街点亮了第一盏商业电灯，发电机与电力网此后数十年重塑了每一个工厂与家庭的生产函数。历史学家习惯于事后回溯，但真正的历史时刻，总在不被察觉时悄然发生。

2026年春天，中国正在启动一场规模同样巨大、逻辑同样深邃的基础设施革命。只不过，这一次传导的不是蒸汽，不是电流，而是Token——人工智能时代最基本的计算单元。

2026年4月，中央提出"六张网"建设部署，水网、新型电网、新一代通信网、城市地下管网、物流网，以及——算力网。国家发改委初步估算，2026年仅"六张网"及相关重点领域的投资规模就超过七万亿元人民币。这是一个足以令人震惊的数字，外界不乏质疑之声："这是不是2008年四万亿的重演？"

答案是完全不同的。四万亿的价值链终点是土地增值与制造业订单；算力网的价值链终点是Token消耗。高盛2026年5月发布的报告预测，到2030年，全球Token消耗量将较2026年增长24倍。这一预测仍偏保守，历史上从未有任何一种基础设施，能在四年内为自身创造出如此量级的需求空间。

二、为什么算力网是六张网中最特殊的那一张？

经济学家保罗·罗默在1990年提出"内生增长理论"：知识与技术是可以积累、可以复用的，它们产生的价值不随使用而消耗，反而随共享而增殖。他凭借这一理论荣获2018年诺贝尔经济学奖。算力网，是这一理论在工程层面最大规模的实现。

国家数据局将算力定位为"数字经济时代的新水电煤"。快思慢想研究院田丰院长认为，这仍然低估了算力的特殊性。原因在于两者间的关键差异：电被消耗后归零，算力完成推理后沉淀为模型权重。每一次推理调用，都在为整个智能系统积累可复用的认知资产。这意味着，算力网建设产生的价值不止于基础设施本身，而是在整个网络上持续积累"认知资本"——一种兼具公共品属性与自我增殖能力的新型生产要素。

从网络拓扑的视角看，水网、电网、物流网的价值随连接节点增加呈线性或次线性增长；算力网则截然不同——每增加一个接入节点，整网的智能任务处理能力以超线性方式提升，因为训练数据、推理调度与模型迭代之间存在正反馈闭环。快思慢想研究院将这一特质定义为"正外部性自我加速"机制：算力网是六张网中唯一内嵌这一机制的基础设施。

这还不是算力网工程复杂性的全部。2025年，全球推理数据量已达101.34艾字节，首次超过训练数据量，推理与训练的算力需求之比预计将攀升至3:1甚至更高。这意味着算力网必须同时兼容西部集中训练与城市边缘推理两种截然不同的拓扑结构——前者（训练）追求极致的规模集中，后者（推理）要求极低的传输时延。这种双重拓扑要求，是其区别于其余五张网的核心工程挑战。

三、中国为什么是全球唯一？

2025年4月，欧盟发布《AI大陆行动计划》，以"主权AI"为旗帜，试图构建覆盖全欧的AI工厂联邦体系，定位为"上升型建设者"。世界经济论坛在2026年4月明确指出，AI基础设施已从数据存储演进为战略性国家公共设施，应被视为关键基础设施加以保护。这一判断，中国在政策层面已率先落地。

美国凭借芯片制造与云平台垂直整合保持算力主权领导地位，但其算力基础设施以私营超算中心为主体，国家并不直接运营与调度，属于“单打独斗派”。欧盟的算力布局本质是以分散主权国家为单元的协调框架，缺乏统一调度层，属于“松散协同派”。

中国的差异在于：依托八大算力枢纽节点，构建全国一体化算力调度平台，实现跨区域算力资源的灵活调度与市场化交易。在全球主要经济体中，中国是唯一存在统一国家调度层的算力体系。国家枢纽节点集群间的直连传输时延目标设定为不高于理论值的1.5倍——这一指标在硬件充足时尚可达成，但在国际芯片禁售升级导致关键器件短缺时将面临挑战，这是体系韧性的压力测试。

这不是简单的"举国体制"，而是将"计算"从商业资源升格为新质生产力基础设施的范式转型——其战略深意在于通过公共化AI算力供给，将AI生产力推向千行百业、每一家企业和家庭，形成像前两次工业革命"蒸汽机车+铁路网"、"发电机+电力网"那样的社会普惠基础设施，即"国产GPU智算中心+算力网"模式。算力网的战略意图明确：将Token增量的消费权和生产权留在国内，让中国中小微企业、大众创业者以公共算力接入AI，而非被迫依赖外国云服务、外国芯片。计算是AI时代的智力资产，算力网本质上是将这一资产从私人垄断转向公共供给。

四、全球用户正在用脚投票，但护城河尚有缺口

中国AI具有多大的全球竞争力？

在OpenRouter平台的用户构成中，美国开发者占比高达47.17%，而中国开发者仅占6.01%。与此同时，另一份独立调查显示：80%的美国人工智能初创公司，在其产品开发过程中使用了中国的开源模型。

这两个数字并列，揭示的是一个深刻的产业现实：中国模型的全球市场渗透率，远高于中国用户占比所呈现的表象。换言之，中国AI已在悄无声息中成为全球开发者的基础设施层，而非仅仅是中国市场的本土产品。这与移动互联网时代，几乎所有中国开发者都依托美国iOS、安卓平台开发应用形成逆转。

定价数据印证了这一趋势的驱动力。当前中美主流大模型的输入价格存在12至30倍的差距：DeepSeek V4 Pro的输入/输出价格为每百万Token仅0.435美元/0.87美元，而Claude Opus 4.7则为5美元/25美元。这一价差现阶段是竞争优势，但其可持续性取决于算力成本的持续压缩：若中国算力网建成后将推理成本进一步压低30%至50%，这一价差将从周期性优势演变为结构性壁垒。

然而，田丰预判这里存在必须直面的风险与机遇：以MoE架构和低成本推理为支柱的价格竞争力，若不持续迭代模型能力上限，将使中国AI停留在产业链的执行端，而难以向设计端跃迁。从长期来看，模型用户最终看重的是"智价比"——智能能力与价格的综合比值——而不仅仅是价格。这是算力网建设需要与模型能力建设同步推进的根本原因。

Token调用量的数据印证了增长的陡峭程度。2026年2月9日至15日当周，中国模型Token调用量达4.12万亿，首次超越美国模型的2.94万亿；随后一周进一步攀升至5.16万亿，三周内累计增长127%。OpenRouter联合创始人Chris Clark公开表示，中国开源模型在美国企业运行的Agent工作流中占比"不成比例的高"。

但这些调用产生的算力消耗，目前相当比例发生在境外服务器或中间聚合平台上——这是中国AI数字出口版图中最值得关注的流量漏损。

快思慢想研究院对此给出三条路径判断：

第一条，模型出口。本质是知识版权加API调用费，边际成本趋零，天花板受制于各国监管对中国AI服务的准入态度；

第二条，算力出口。属于资本密集型基础设施输出，回报周期长但能形成资产沉淀，现行政策已明确支持以"一带一路"沿线国家为重点布局海外算力设施，这是将模型调用量转化为实际算力收入的关键杠杆；

第三条，也是当前最值得关注的路径——以开源模型为杠杆，带动国产AI芯片（昇腾、寒武纪等）随私有化部署需求出口。这条路径将模型影响力转化为硬件采购需求，兼具政策可行性与产业链纵深。

对中国而言，算力网降低的推理成本叠加开源模型生态，构成的是一种规模化服务能力的全球输出，而非单纯的模型技术领先。这一路径，在"十五五"期间具有更高的政策操作可行性。

五、七万亿的战略底盘之下，三处结构性脆弱

没有任何战略是没有代价的。在算力网宏观叙事之下，快思慢想研究院识别出三处结构性脆弱点，这是七万亿投资在"十五五"期间必须正视的工程现实与自主可控技术突破口。

第一处：HBM，最危险的单点依赖。

大模型推理的性能瓶颈，本质上是"内存墙"问题：GPU算力充足，但数据搬运跟不上。HBM（高带宽内存）正是破解内存墙的关键硬件。在HBM3E细分领域，海外大厂垄断程度高达92%，国内自给率不足5%。华为昇腾系列依赖HBM2E；受美国出口管制影响，台积电已停止为昇腾910系列代工；长鑫存储目前量产的HBM与SK海力士HBM3E之间，仍存在一代以上的技术代差。

我国算力网规模越大，对HBM的需求越集中，而HBM的国产化进度直接决定算力网能够部署的智能算力上限。这一风险是系统性的，不因增加服务器数量而化解。

第二处：光互连，"神经系统"层的战略错配。

光模块是算力网节点间通信的核心组件。中际旭创2026年一季度营业收入同比增长192.12%，折射出算力网建设对高速光模块的爆发性需求。然而，光模块的国产化率虽高，其上游的硅光芯片、高速SerDes IP以及EIC/PIC协同设计工具，仍高度依赖Synopsys、Cadence等美国EDA厂商。一旦EDA工具链出口受限，光模块的设计能力将受到直接冲击。

更深层的问题在于：算力网节点间的超低时延互连，目标为跨数据中心100微秒级别，需要从光纤协议到路由调度的全栈协同优化，这超出了单纯硬件采购的范畴，需要系统架构能力的长期积累。当前的投资热度与技术自主度之间，存在显著的结构性错配。

第三处：EDA工具链，芯片设计端的隐性天花板。

EDA工具链是芯片设计的"母机"。从光模块上游的硅光芯片到整个算力芯片体系，Synopsys、Cadence的海外工具链渗透贯穿整个设计流程。这一风险在公开计划中尚未获得与其战略权重相称的重视，但其一旦触发，影响的纵深远超任何单一硬件品类的断供。

六、软件主权，是被严重低估的战略杠杆

"软件正在吞噬世界。"马克·安德森2011年写下这句话时，多数人将其视为风险投资人的修辞夸张。十五年后，这句话已成为产业现实的精确描述。

算力网正在吞噬世界——而且指向一个被严重低估的攻关方向：异构算力统一调度。

当前算力网面临的实际运营困境是：国产GPU（昇腾、Moore Threads、海光）与存量国际GPU（英伟达）混合部署，但统一调度框架尚不成熟，导致算力利用效率低下。2026年，国产AI服务器在新增采购中的占比已提升至45%以上，但这批国产算力能否被高效调度，取决于异构算力抽象层（类CUDA替代方案）的成熟度。

快思慢想研究院建议，"十五五"期间算力网的攻关思路应从单一硬件制造攻坚，转向全栈系统集成自主化攻关：重点突破异构算力统一调度技术，搭建自主可控的软件调度体系，以软件层技术主权盘活国产算力资产。

这一路径的战略价值在于：即使上层硬件仍存在技术代差，统一的调度软件生态也能使国产算力资产的利用率系统性高于竞争对手——形成一种成本更低、周期更短、乘数效应更大的"软件层技术主权"。计算范式的统一性对AI能力释放具有决定性作用，而中国算力网的软件协同层，是当前投资严重不足而战略价值最高的攻关方向。

七、认知资本，才是这张网真正的输出

有些基础设施投资，会在数十年后才显现其真正的价值，算力网正是这样一种投资。

它的价值不止于七万亿的固定资产积累，不止于八大枢纽的全国一体化调度能力，也不止于将推理成本压低30%至50%后形成的定价优势。它真正的输出，是认知资本的持续积累——每一次推理调用沉淀为模型权重，每一次模型迭代强化整网的智能处理能力，每一次接入节点的增加触发新一轮正反馈。正如田丰常说的：“人工智能上半场是认知革命，下半场是工业革命。”

这是人类历史上第一张可以自我学习、自主改进的基础设施网络。

电被消耗后归零；算力完成推理后，留下了可以继续思考的权重。瓦特的蒸汽机改变了工厂，电力网改变了城市，算力网，正在改变思考和学习本身。

这场革命没有倒计时，但它已经开始了。

参考文章：《【專家解讀】主權級布局 賦能生產力 普惠全社會》，文汇报

畅销书：《AI商业进化论：“人工智能+”赋能新质生产力发展》

出版社：人民邮电出版社

作者：田丰

帮助你定位AI当下发展坐标的指南针

帮助你洞察AI未来演进趋势的航海图

通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。