从聊天问答到编程办公，再到执行复杂任务，人工智能正在快速进入大规模应用阶段。与此同时，支撑人工智能运行的底层算力，也面临新的压力。春节后，随着“龙虾”等智能体应用的突然火爆，人工智能从简单问答，走向编程、办公、内容生成等更复杂的任务处理。和过去相比，这类新应用会在后台持续调用模型，完成理解、执行、反馈等一整套流程，单个任务对应的词元消耗被成倍放大，给算力供给带来了不小的压力，甚至有大模型厂家一度出现算力供给不上的情况。

算力消耗正在从过去集中式、高密度、持续运行的训练任务，转向分布式、高并发、需要实时响应的推理需求。在采访中记者发现，这种突发的多元化算力需求，与现有的算力供给模式发生了矛盾。算力“按量付费”的价格折算到小时，仍是包月价格的数倍。这种租用方式不仅拉高了中小企业的使用成本，还极易造成算力资源的浪费。

中国信息通信研究院云计算与数字化研究所副所长李洁表示：之前算力需求主要围绕大模型训练展开，而现在向训练与推理并重、推理应用加速落地的方向进行演进，这种变化对于算力供给体系提出了新的要求。训练阶段用户往往采用长期租用或自建集群的方式，而推理应用更强调按需调用、弹性扩缩、实时响应。

作为人工智能时代的重要“燃料”，算力已经成为支撑产业运行和应用落地的数字基础设施。记者调研发现，算力的合理调配不仅是技术难题，同样也是一个需要从政策层面推动解决的难题。目前围绕算力资源调度的政策和试点工作正在推进。

近年来，我国算力基础设施建设持续提速。信通院数据显示，截至2025年底，我国已建成万卡级智算集群42个。但由于所属单位、算力形态和架构多样，各地智算中心往往处于零散且不连通的状态。

近期启动的“普惠算力赋能中小企业发展专项行动”首次提出了“算力银行”“算力超市”等创新模式，支持企业存入闲置资源、按需提取算力，推动中小企业需求与算力资源供给精准对接。

中国信通院云计算与数字化研究所副所长李洁提出：推动从资源交付向能力交付的转变，如果企业和个人都可以通过标准化的服务便捷地获得算力的时候，就会释放出更大的创新活力。

注:本文节选自央视新闻