9月21日，国际数据公司IDC与浪潮信息联合发布《2026年中国人工智能计算力发展评估报告》。作为业内首份聚焦智能体基础设施的研究报告，它指出智能体正在重塑算力基础设施，以乘数效应推动Token消耗激增，带动中国智能算力规模的斜率大幅上调。报告预计，2026年中国智能算力规模将达到2576.5 EFLOPS，同比增长87.9%，到2030年进一步达到10524.3 EFLOPS。
智能体为什么能把算力需求放大到这个程度？报告给出了一条传导链：全球活跃智能体数量预计从2026年的7940万个增长到2030年的22.16亿个，复合增长率达到129.8%；随着任务从简单的信息检索、内容生成，转向需要多轮推理、工具调用和跨系统协作的复杂任务，Token消耗被指数级放大，同期全球Token消耗量复合增长率达到4822.6%，约为活跃智能体数量增速的37倍。
需求攀升也反映在市场规模上。中国人工智能算力市场规模2026年预计达到515亿美元，同比增长37%，2030年将达到1501亿美元，2025至2030年复合增长率达31.8%。但供给并不轻松，报告预计全球AI算力需求满足率将从2024年的79%下降至2027年的71%，2030年仅回升至77%，供需矛盾将长期存在。
单纯扩大算力规模已难以应对持续增长的智能需求。报告指出，智能体时代AI基础设施正从规模扩张转向系统效率竞争，通过计算、存储、网络、数据中心、终端以及模型、调度和Token运营的全系统协同，竞争核心从“拥有多少算力”进一步转向“能够多高效地持续产出智能”。计算产业也在沿能力型智算与容量型智算两条线演进：前者以超节点等架构突破智能上限，后者通过多元算力协同、推理解耦与调度优化提高Token产出效率。
这与星战GPU算力平台关注的方向相吻合。面对推理、规划、工具调用等不同负载在同一套基础设施上交织，算力的统一纳管与动态调度会直接决定资源能否被持续用满，也让“高效产出智能”从一个目标变成可落地的工程问题。
报告同时观察到行业落地并不均衡。代码开发与办公任务因为数字化程度高、任务边界清晰、结果可验证，已率先进入规模化应用；而制造、医疗健康、能源电力等行业真正进入核心业务并形成“执行—反馈—优化”闭环的比例仍为0%，运营商接入部分业务流程的比例虽有70.0%，进入核心业务闭环的也只有3.3%。
在城市维度，评价逻辑也在变化。报告首次把智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施纳入城市AI算力发展水平的评价指标，北京、杭州、深圳位列前三。当算力被提升到与水利、电网、铁路同等级的战略基础设施位置，能否稳定、高效地把算力转化为智能供给，就会成为下一阶段的真正分水岭。