日前，北京智譜華章科技股份有限公司通過其官方公眾號發布GLM Coding Plan限售公告。公告指出，隨着GLM-4.7系列模型上線，用戶數量迅速增長，導致算力資源出現階段性緊張。

  這是AI産業算力吃緊的一個縮影。隨着GPT、DeepSeek等大模型的算法突破和應用普及，算力需求水漲船高。數據顯示，我國AI芯片市場規模預計2028年將超一萬億元，約佔全球市場的30%。面對龐大的市場需求，自主可控的高質量AI算力供給已成為我國搶佔人工智能産業應用制高點、全方位賦能千行百業的前提條件。

  算力缺口從何而來？國産AI算力又當如何破局？記者就此採訪了有關專家。

  第一問：當前是否存在行業性算力缺口？

  “目前，算力供需矛盾依然突出，在全球範圍內都是如此，但國內算力缺口尤為明顯。”燧原科技創始人、董事長兼CEO趙立東1月22日對科技日報記者直言。

  智能算力是支撐人工智能等計算任務需求的計算能力，是人工智能産業的“水和電”。

  目前，國外廠商依然是全球AI算力的標準制定者和行業主導者，硬體性能、軟體生態等較國産廠商均有不同程度領先。有行業人士透露，2024年，國外廠商佔據中國AI芯片市場近七成的市場份額，形成我國龐大的自給缺口。尤其是在大模型訓練領域，自給不足問題更為突出，對我國人工智能産業發展造成一定限制。

  不過，國産AI算力近兩年也在持續突破。據諮詢公司摩根士丹利2025年發布的研究報告估算，中國人工智能GPU自給率已從2020年不足10%提升至2024年約34%，並有望在2027年升至約82%。在這一趨勢下，算力産業發展正從過去單點硬體的性能追趕，轉向更加務實、高效的系統級創新。

  第二問：算力資源供需矛盾如何造成？

  目前，我國算力資源供給面臨多重限制。高端芯片進口受限，國産GPU芯片在絕對計算性能、能效比、工藝方面與國際旗艦産品仍有差距；技術創新能力不足，如在芯片設計工具、底層算法框架等方面與國際先進水平仍有差距。

  同時，我國算力資源分散，存在“碎片化”問題。各服務商算力資源接口和協議不統一，跨區域跨主體算力調度能力較弱，導致算力資源利用率偏低。此外，産業發展制度環境仍待完善，數據確權、使用和交易等方面的規則有待細化，企業標準與合規方面的挑戰日益凸顯。

  與此同時，人工智能正在加速落地千行百業，帶來算力需求激增。目前，全國已落地的算力應用項目超過1.3萬個，建成的各級智能工廠超過3萬家，並覆蓋工業、金融、交通、醫療、教育等重點行業。“隨着我國人工智能應用加速落地，算力需求持續爆發式增長，算力供給不足的問題將會更加顯著。”趙立東説，伴隨大模型技術的成熟及開源普及，算力應用門檻進一步降低，保障算力供給至關重要。

  第三問：如何持續破解算力之圍？

  在趙立東看來，破解這一難題的核心在於充分釋放國産算力的潛力：一方面需大力支持國産算力的應用推廣，將現有國産算力資源“用足用好”；另一方面要加快推進國産芯片供應鏈建設，推動技術落地與産能提升。

  近年來，國家發展改革委、工業和信息化部等部門積極部署算力發展政策，推動智能算力優化建設布局、提升服務水平，破解智能算力供需難題。最新數據顯示，我國企業發布多款人工智能芯片産品，在算力設施方面，建成萬卡智算集群42個，智能算力規模超過1590EFLOPS，位居全球前列。

  浙江大學光華法學院教授程樂指出，當前算效低下問題普遍存在，部分智算中心GPU實際利用率偏低，造成資源浪費和供需結構失衡。未來應進一步完善算力利用率、任務完成效率、單位能耗産出等實際效能指標，引導産業轉向精細化效率競爭。

  是石科技聯合創始人兼副總裁毛運航也提到，要通過更精細的調度、資源池化和彈性部署，把現有算力用到極致。

  “國産算力生態已具備良好基礎，但仍需産業鏈各方真正凝聚合力，尤其是算力方、模型方、應用方的協同創新。”趙立東説，當模型、應用與算力實現深度適配，國産算力逐步支撐起從訓練到推理的全流程時，我們才能真正在全球人工智能競爭中掌握主動權，才能擁有人工智能産業行穩致遠的“壓艙石”。（記者 崔爽）