报告背景
全球算力产业正进入“智算驱动、体系重构”的新阶段，算力成为支撑国家技术突破、产业竞争与战略布局的关键要素。AI芯片、AI工作站、AI服务器及AI算力中心等关键领域迎来重要突破，AI算力基础设施正从传统信息技术支撑逐步演变为驱动科技创新与工业革命的战略性底座。中国智能计算产业联盟、国家超级计算天津中心、天津市人工智能学会、深圳市人工智能行业协会、至顶科技、至顶智库联合发布《2026全球AI算力发展研究报告》，为决策部门、行业从业者、教育工作者以及社会公众更好了解全球人工智能算力的发展情况提供参考。
2026全球算力产业十大趋势
- 异构算力架构演进：从“CPU+GPU”为主向“CPU+GPU+XPU”多元发展路线演进，成为智能算力时代的主流技术范式。
- 中国算力产业生态成熟：从单点技术突破迈向全栈体系协同，国家产业生态不断成熟，地方产业布局重点突出。
- 超节点与高速互联：有效提升算力效能，成为全球构建新型算力基础设施的重要路径。
- 算力赋能经济社会发展：从科学智能、具身智能等前沿领域向工业、交通、能源等行业全面渗透。
- AI应用迈向执行智能：伴随“龙虾”等多智能体框架出现，AI应用从交互智能迈向执行智能，催生新的推理算力需求。
- 多模态数据拓展智能应用边界：伴随具身智能与世界模型的快速发展，多模态数据持续增加，拓展智能应用边界，激发潜在算力需求。
- 算力云边端协同发展：算力中心与边缘端侧AI设备协同，满足各类场景应用需求。
- 新能源推动算力中心能源供给方式变革：风光储一体化、核能、氢能将成为未来实现低碳算力的发展方向。
- 太空算力成为新型算力基础设施：借助空间能源、广域覆盖等独特优势，有望成为提供超智融合计算服务的新型算力基础设施。
- 词元消耗量成为衡量智能化发展的重要指标：算力作为支撑词元经济发展的重要基础，重塑未来经济发展模式。
智能时代的算力跃迁
近年来，人工智能实现跨越式发展，先后完成从深度学习时代到生成式AI时代的演进，当前正稳步迈向智能体与具身智能时代。为支撑人工智能的发展需求，算力生态的核心环节—芯片、整机与计算集群均实现性能的全面升级。芯片算力由TFLOPS量级提升至数十PFLOPS，整机部署形态从单机八卡演进为千卡级超节点架构，计算集群规模从千卡集群拓展至数十万卡集群，集群功耗从千瓦级提升到吉瓦级。
全球AI算力发展背景及产业概况
- 技术驱动：Scaling Law持续演进正加速AI算力规模增长，模型训练场景AI算力走势呈指数级上升。
- 需求驱动：经济发展与社会进步共同拉动算力需求，推理场景对于算力的需求显著提升，各类终端对于本地AI算力的需求持续增加，前沿科学研究也需要高性能算力支撑。
- 政策支撑：全球主要国家及地区算力政策持续加码算力基建投资，将先进计算与人工智能列为优先方向。
- 全球AI算力图谱：包括AI芯片、AI工作站、AI服务器以及AI算力中心等关键环节。
- 全球科技领军企业算力布局：NVIDIA、Google Cloud、Meta等企业在全球范围内布局智算中心、AI工作站、AI芯片等。
全球AI芯片发展情况
- AI芯片主要分类：AI训练芯片和AI推理芯片，AI推理芯片按部署方式分为云端推理芯片、边缘推理芯片及终端推理芯片。
- GPU芯片架构：地平线GPU拥有流式多处理器（SM）为核心的并行计算架构，通过多层次缓存架构与高带宽存储设计，有效缓解AI计算中的内存墙瓶颈。
- GPU显存带宽：影响模型训练及推理的效率，决定单请求推理时延、训练稳定性与单次迭代数据量规模、训练迭代效率与算力有效释放、支持高并发推理吞吐。
- CPU+GPU异构计算架构：CPU负责任务拆分与多GPU协同、数据预处理与分发、简单控制流处理、连接外设并构建无瓶颈互联体系，GPU专注大规模并行张量计算。
- 国外AI芯片：NVIDIA、Google Cloud、AWS等科技巨头引领高性能计算芯片发展，持续推出新一代AI芯片，如NVIDIA Blackwell、Rubin GPU、Google TPU 8t & 8i、AWS Trainium 3、Inferentia 2等。
- 国内AI芯片：华为昇腾、昆仑芯、摩尔线程、沐曦等企业自主研发AI芯片，在模型训练和推理场景中实现规模化落地。
- 芯片开发平台：NVIDIA CUDA-X、摩尔线程MUSA、沐曦MXMACA等平台提供全栈式软件工具链，支持AI应用开发、功能调试和性能调优。
全球AI工作站及服务器发展情况
- AI工作站：为AI任务量身打造的高性能计算平台，集成AI加速芯片、大内存/高带宽、高效散热、专用软件栈，支持本地LLM训推、数据处理、科学计算等负载。
- AI服务器：为AI任务量身打造的高性能计算系统，通过集成高性能AI芯片、高带宽存储、高速互联组件、高效散热系统及专用软件栈，能够高效处理AI模型训练与推理等大规模并行计算任务。
- 国内超节点服务器：华为昇腾384超节点、中科曙光scaleX640超节点、阿里云磐久AL128超节点、浪潮元脑SD200等，通过单节点内增加芯片数量，具备超高互联带宽、纵向扩展与集成化等优势。
全球AI算力中心发展情况
- AI算力中心典型特征：算力密度高、电力供给要求高、散热与液冷需求大、软硬协同能力显著。
- PUE：电源使用效率，衡量算力中心消耗的能源中有多少真正用于驱动IT设备，有多少被散热、照明、供电损耗等基础设施消耗。
- AI算力中心服务器散热方式：风冷和液冷，液冷散热效率高，包括冷板式、单相浸没式、双相浸没式、喷淋式等散热方式。
- AI算力中心电力供给方式：多元化，包括煤炭、可再生能源、天然气及核能，新能源占比持续提升。
- 国外AI算力中心建设进展：AWS、Google Cloud和Meta等科技巨头持续加大投入，整体表现为投资规模显著提升，覆盖北美、欧洲及亚洲地区。
- 国内AI算力中心建设进展：多地算力中心项目签约、开工，总投资额持续增长。
- AI算力中心典型案例：天河计算机作为国内算力系统建设与运营一体化的典型企业，打造面向AI算力中心的全栈融合算力解决方案。
AI算力典型应用场景
- 科学智能：“干湿闭环”引领科研范式变革，开启科学智能时代。AI算力正深刻赋能合成生物学、地球与环境科学、遥感等领域。
- 具身智能：云端与终端算力高效协同，为具身智能从技术研发、模型训练、场景落地提供全栈算力支撑。
- 自动驾驶：数据贯穿自动驾驶研发全流程，采集、标注、训练、仿真各环节均依赖云端算力支撑。NVIDIA、地平线等企业提供自动驾驶计算平台，赋能车企实现从辅助驾驶到全自动驾驶的技术跃迁。
- 工业智能：AI对工业全流程进行智能化赋能，实现数据分析、设备协同、质量优化与运营决策效率提升。
- 交通运输：AI正推动交通运输从信息化向智能化、自主化与协同化方向演进，智慧公路、智慧铁路、智慧航空、智慧港口、智慧物流等场景得到广泛应用。
AI算力产业发展趋势
- DeepSeek-V4对于算力消耗的影响：通过CSA和HCA架构提升长上下文处理效率，降低计算开销并保留全局细节。
- 新能源对于算力中心电力供给方式的影响：短期风光储一体化、中期核能以及长期氢能，构建多元化、多层次的新能源供给体系。
- 太空算力对于算力基础设施构建方式的影响：将集合计算资源的大规模算力中心部署在地球轨道、深空等太空环境中，利用太空特有的环境条件提供高性能计算服务。
- 算网融合对于中国算力发展的影响：构建一体化的调度架构，打破算力与网络的壁垒，让算力像水电一样随取随用，成为助推中国算力发展的独特路径。
