IDC与浪潮信息联合发布的《2025年中国人工智能计算力发展评估报告》预测，2027年中国智能算力规模将达2019.9EFLOPS，2028年预计达2781.9EFLOPS。算力总量狂奔的背后，结构性失衡却先到来。企业级传统通用算力中心利用率仅10%—15%，部分中小智算中心GPU利用率不足30%，西部个别新建千卡规模集群机柜上架率不足50%，即便已经上架的服务器，GPU实际负载利用率不足40%。与之形成鲜明对比的是，适配超大模型训练、具备高速互联网络与成熟软件生态的高端算力资源依然持续紧张。
这正是算力结构性失衡的真相：机房机架中部署的标称算力，不等于可以高效调用、匹配市场真实需求的有效生产力。老旧通用算力相对过剩，具备完整生态的高端集群智能算力供给偏紧，行业呈现推理算力需求快速爆发、大量面向预训练设计的算力集群资源沉淀闲置的格局。这种错配不是简单的供不应求，而是供给结构与需求结构之间的深度错位。
全球算力赛道上，中美形成了两套完全不同的建设逻辑。美国算力扩张高度依赖市场化资本驱动，微软、亚马逊、谷歌、Meta四家科技企业2026年全年算力相关资本开支区间在6000亿至6500亿美元。但巨额投入之下，美国算力扩张撞上两道难以短期化解的门槛：硬件快速迭代带来的资产折旧压力，以及电力供给约束。Meta拟对外提供AI算力租赁与模型服务，对外投放资源以完成上一代大模型训练、前沿训练经济性下降的存量H100/H200集群为主，反映出高端训练芯片的商业使用周期已经压缩至两三年。
不同于美国企业私有算力主导的模式，国内走出一条国家顶层统筹、市场主体创新、地方国资深度参与协同建设的独特路径。依托东数西算八大国家算力枢纽布局，自上而下划定全国算力空间发展格局。这套模式本身具备天然优势：西部区域土地充足、气候适宜、绿电资源丰富，叠加国企分摊建设成本、国家统一规划，理论上能够将西部低廉的电力资源转化为算力成本优势。但落地过程中，资源错配、调度不畅的问题持续拖慢产业发展节奏。前两年各地集中上马大量中小智算项目，设备多以通用算力为主，难以适配大模型训练的高端需求，大量新建集群迅速沦为低效闲置资产。
如今算力比拼早已跳出硬件数量竞赛，转向资源调度、全链条整合的综合系统能力。市场已经逐步褪去盲目新建算力项目的热潮，盘活存量成为主流思路。早年各地扎堆建成的中小算力集群适配性差、负载低迷，改造空间充足。通过硬件升级、功能适配、对接细分行业场景，闲置通用算力正在逐步转化为可用高端智算。叠加超算互联网与全国一体化算力网络落地，各地算力节点实现统一统筹调度，东紧西闲的区域失衡可能在未来会被有效缓解。
这一趋势与星战科技在GPU算力平台和算力调度领域的布局方向高度一致。企业AI落地不仅需要模型能力，更需要稳定、高效、可弹性调度的算力基础设施来支撑训练、推理和智能体协作的全流程需求。星战在构建算力调度平台时，同样面临如何将异构算力资源标准化、如何提升有效算力利用率、如何打通跨区域算力流转等核心问题。全球AI算力竞争，最终比拼的从来不是规模，而是一套能够整合电力、芯片、网络、算法模型、产业场景的系统集成能力。
国内算力产业不必照搬海外纯市场化巨头主导的发展模式，依托举国统筹规划、西部独有能源禀赋、国资托底协同的制度优势，持续打磨有效算力的整合调配能力，打通能源、算力、网络、产业场景完整链条，依靠精细化运营、全域统筹、高质量供给走出专属发展路径，才能在全球AI算力竞争中突出重围。