新智元报道
就在刚刚，我们看到了不少令人意外的数据。
到 2031 年，人工智能预计将累计创造 22.5 万亿美元的全球经济价值。
预计到 2030 年，全球 AI 算力缺口将达到惊人的 3809 亿美元（近 3 万亿人民币）！
另外，2026 年中国智能体部署的渗透率高达 81.0%，全球领先！
而且，令人意外的是，2026 年，中国人工智能城市排行榜大变样了。
北京、杭州、深圳，处于 TOP 3。
这些硬核信息，都来自于一份重磅报告。
就在最近，IDC 与浪潮信息联合发布了首份智能体基础设施研究报告——《2026 年中国人工智能计算力发展评估报告》。
从这份研究报告可以看出：Agent 正在重塑一切，而它带来的直接后果，就是算力的一场大饥荒，随之而来的就是一场大洗牌。
Agent 爆发之年，或将迎来算力荒
就在今天，OpenAI 官宣：他们内部的神秘模型，在 24 天内攻破了超 100 个世界级数学难题。解题的背后，完全是一群智能体在协作。
OpenAI 联创 Andrej Karpathy 曾断言：「AI 智能体真正落地还需要 10 年。」
如今看来，这并非一句悲观的预测，而恰恰宣告了 Agent「黄金十年」的正式开启！
据 OpenAI 披露，为了解决 NS 方程相关问题， 10,000 个并发智能体耗时约 88 个小时。
它们相互发送了 490 万条消息，总共消耗了约 3000 亿个输出 Token！
单单在解决 NS 问题的核心阶段，这些智能体就发送了 270 万条消息，耗费了 1300 亿个 Token。随后耗时 17 小时，完成了 Lean 形式化与验证。
3000 亿 Token 相当于超过 2200 套《三体》 的内容量，或者大约相当于中国国家图书馆的文本资源总量的一半。
而普通人一辈子说完的话，大约只有 6 亿 Tokens。也就是说，500 个人一辈子「生成」的 Token，这群智能体只要 88 小时。人类或许最终能更优美地解决 NS 方程，但在速度上和思考规模上，却难以跟这些智能体匹敌。
这是一个标志性的数字。例如，GPT-3 模型在训练时使用了 3000 亿个 Token，而现在，一个多智能体科研任务的累计 Token 消耗量，就达到了同样等级。
但这只是世界 Agent 经济的冰山一角。
年初 OpenClaw 风靡一时。随后，在英伟达 GTC 大会，黄仁勋定下了基调，实质上宣告：
现在世界上每一家公司都需要智能体战略。
而在中国智能体部署渗透率上，中国领跑世界，今年已达 81.0%，高于全球领先水平的 78.1%。
但可惜的是，昔日大厂和资本疯狂囤积的旧算力卡，如今可能要变「废铁」了。
过去两年，所有人都在卷「AI 训练」，算力中心拔地而起，成千上万张 GPU 被塞进机房。
但今天，智能体（Agent）正将这些投资无情地拍在沙滩上。
AI 算力的评价标准和竞争逻辑，已经在短短一年内发生了天翻地覆的改变。
如果说大模型发展的 1.0 阶段是「千模大战」的算力囤积，那么现在的 2.0 阶段，计量单位已经从「算力规模」变成了「Token 的生产效率」。
Token 狂飙 37 倍，大模型开始「用不起」了
为什么说 Agent 是新变量，彻底改变了潮水的方向？
我们需要先理解 Agent 与过去聊天机器人的根本区别。
以前的大模型是一次性问答，几十个 Token 就搞定了；但 Agent 是一个「数字员工」，它需要多轮推理、调用工具、跨系统协作，还要时刻保存「记忆」（上下文）。
这带来了一个极其恐怖的乘数效应：
IDC 给出了一组让人倒吸一口凉气的数据：
预计到 2030 年，全球活跃智能体数量复合增长率将达到 129.8%，但同期的 Token 消耗量复合增长率，却高达骇人听闻的 4822.6%！
Token 消耗的增速，是智能体数量增速的整整 37 倍！
换句话说，AI 不再只是偶尔聊天的玩具，而是 7x24 小时全天候在后台疯狂运转的「耗电/耗算力巨兽」。
未来 4 年，智能体的数量可能是几十倍的增长，但 Token 的消耗是数百万倍的增长。
当所有的企业都在迈向 OPC，试图用 Agent 替代传统人力时，算力的需求呈现出了指数级的暴涨。
这也直接导致了一个极其残酷的现实：算力不仅不够用，而且越来越贵。
旧卡变「废铁」，AI 算力不止缺芯
IDC 数据显示，2025 年到 2030 年我国智能算力和通用算力增速预期分别从 46.2% 上调到 50.3%、从 18.8% 上调到 27.7%。
中国智能算力规模 2025 年达1,371.1 EFLOPS，2026 年预计增至2,576.5 EFLOPS、同比增长 87.9%，2030 年将达 10,524.3 EFLOPS，2025—2030 年复合增长率 50.3%，较上一版本预测的 46.2% 显著上调。同期，通用算力规模 2025 年为 85.8 EFLOPS，2026 年预计增至 102.1 EFLOPS、同比增长 19.0%，2030 年将达 291.2 EFLOPS，复合年均增长率 27.7%，亦高于上一版本预测的 18.8%。
既然需求这么大，前两年各地建了那么多智算中心，囤了那么多卡，难道派不上用场吗？
答案是：错配，严重的结构性错配。
现实很残酷——有 GPU，绝不等于有适合智能体的算力。
过去两年，大公司买的算力卡、各地建的智算中心，绝大多数面向「训练」场景。
训练追求的是算力的峰值，但 Agent 时代的「推理」场景，追求的是超大容量的上下文保存（KV Cache）、低时延和极高的吞吐量。
这就像你买了一支顶配的冲刺接力队，现在却要求他们去跑一场永无止境的马拉松，而且还要边跑边解复杂的微积分。
此外，还有一些被淘汰下来的中低端算力卡，算力值本就不高，显存容量更是可怜，根本存不下 Agent 动辄几十万 Token 的长链路记忆。除了给初学者测试练手，真正的商业价值几乎为0。
既然存量资源存在「结构性错配」，那直接砸钱，按需增加新供给、去买适合 Agent 的算力卡不就行了？
这正是目前行业面临的第二个困境：物理世界的供给增速，根本追不上数字世界的需求增速。
尽管当下整个 AI 产业的算力投资力度空前，动辄百亿千亿，但供给扩张却难以同步。
因为高端芯片、HBM（高带宽内存）、服务器 CPU 等核心部件的产能扩张周期，普遍远远长于人工智能需求的爆发节奏。投资额的成倍增长，并不能在当下等比例转化为真实的算力供给。
以 Agent 极度渴求的 HBM 为例，随着 Agent 对长上下文记忆的要求越来越高，KV Cache 既吃容量又吃带宽，存储成为关键瓶颈。
虽然存储大厂们都在疯狂锁定产能，但半导体产线的建设与扩容有着不可逾越的物理时间规律。你今天砸下百亿美金，新建一条先进封装或存储产线到真正上线投产，也需要极其漫长的周期。
在当前的算力赛道上，有钱，你也买不到当下的时间。
更致命的是，能源约束正在让这一供需矛盾雪上加霜。
数据中心的用电需求，正随着智能体的规模化、7x24 小时全天候运行而激增。
但电力供给受制于电网扩容与关键电力设备交付的长周期。
一个智算中心可能几个月就能封顶，但支撑它运转的区域变电站和电网扩容，却需要数年之久。电力扩容的节奏，已经显著慢于算力建设的周期。
IDC 预测，到 2027 年，全球 AI 算力需求满足率将跌至 71% 的谷底，这意味着有近三成的算力需求根本得不到满足。
算力供给错配，叠加电力短缺等多种其他因素，全球 AI 行业或恐迎来智能体算力荒。
单卡称王时代结束，Token 新基建来了
既然 Agent 如此饥渴，我们该如何拯救算力荒？
答案是：彻底抛弃过去的「堆卡」思维，AI 基础设施正在经历系统性重构。
智能体不再卷「峰值算力」，而是卷「持续的任务执行」，这就要求基础设施的优化目标，必须从「单点性能优化」转向「任务级系统协同优化」。
这一转变，负载变了，焦点变了，采购变了，最后部署变了。
过去，GPU 等算力阶段性打短工，现在更多是具备长期稳定、高并发特征的 7x24 小时「生产型负载」。
Agent 时代 AI 基础设施的竞争核心是「高效持续生产 Token」，实现计算、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。
客户的采购对象，正在从单纯买服务器、买 GPU 时长，升级为购买「模型能力与 Token 产出」。
跳出集中式的智算中心，云-边-端协同上阵，终端设备正式成为 Agent 的运行节点。
为了适应这种重构，报告指出，未来的计算产业竞争将彻底裂变为两条路线——「能力型智算」与「容量型智算」。
「能力型（Capability）智算」，生来就是为了捅破智能的「天花板」。
就像 OpenAI 用 1 万个 Agent 破解数学难题一样，依靠超节点、高速互连等系统级创新，提升算力承载超大模型和复杂任务的能力，不断突破智能上限。
「容量型（Capacity）智算」，则是为了让智能越来越便宜、丰富、易获得。
通过多元算力协同、推理解耦、全链条效率提升，把 Token 产出效率拉满，降低单位智能的成本，实现智能的规模化普惠供给。
围绕这两条路线，整个硬件生态都在发生系统级突变：
因此，AI 基础设施不再只是一个跑训练或推理的铁盒子，而是一座围绕 Agent 开发、运行、治理的「全栈智能工厂」。
代码开发、办公智能体一骑绝尘，
传统行业还要熬多久？
报告中的《各行业智能体落地成熟度与长期生产力影响分布矩阵》，体现了一条深不见底的鸿沟。
在成熟度的最右端，Coding（代码开发）和 Work（办公任务）智能体遥遥领先，已经全面进入规模化应用。这很容易理解，代码世界的规则是百分之百数字化的，结果可验证（跑得通就是跑得通，报错了 AI 可以自己改）。
但在鸿沟的另一端，制造、医疗、能源、电力等实体行业，真正进入核心业务并形成完整闭环的比例，依然是尴尬的0%。
为什么传统行业落地这么难？「试错成本」与「结果验证」。
你不能让一个医疗 Agent 直接在病人身上试错，然后再把结果反馈给模型去优化；你也不能让一个制造 Agent 在没有绝对安全保障的情况下，去接管一条价值上亿的真实物理流水线。
但这并不意味着传统行业没有机会。
相反，IDC 的报告指出，这些行业的「长期生产力重构潜力」恰恰是最大的 。因为它们具有极高的专业知识密度。一旦解决了数字孪生验证、人机协同责任边界等问题，Agent 或将彻底颠覆这些行业。
「北杭深」霸榜前三，
行业大洗牌了
在这份报告中，最引人注目的莫过于 2026 年中国人工智能算力城市排行榜的「大变局」。
北京稳居第一，杭州保持第二，而深圳，强势杀入前三，上海暂居其后。
为什么会发生这样的排位变化？
核心原因在于，游戏规则变了。
报告首次将「智能体应用落地」、「具身智能产业布局」、「大模型开发及推理算力基础设施建设」纳入了核心评价指标。
深圳进入前三，正是因为它死死把握住了 Agent 爆发与具身智能的硬件结合机遇。
深圳是 AI 服务器与算力芯片制造的重要基地，有着深厚的算力供给产业基础。当 AI 从虚拟的屏幕里走出来，进入工厂、进入实体机器人，深圳的算力供给侧优势瞬间被放大。
这给所有二三线城市提了个醒：未来的城市竞争，谁能提供最丰富的 Agent 落地场景（比如智能制造、智慧港口），谁就能在算力版图上撕开一道裂口。
大洗牌：泡沫破裂前夜，谁在真正赚 AI 的钱？
面对如此海量的投入，一个避无可避的问题摆在所有人面前：企业真的赚到钱了吗？AI 算力会过剩吗？
IDC 副总裁周震刚给出了一个非常清醒的回答：「泡沫是存在的，但泡沫的出现不意味着市场没有价值。」
目前的阶段，就像当年早期的云计算大战。
大家都在扩产、抢地盘。在这个「抢跑」阶段，利润大部分都流向了上游的算力卡，以及再上游的半导体厂商。
甚至一些 Token 服务商在「赔钱卖吆喝」，试图「以时间换空间」，但这绝非长久之计。
目前爆火的 AI 短剧、一人公司 OPC 等，开始让第一批人尝到甜头，但市场终将回归商业本质，价格终将回归价值。
终局将是 Token 的精细化运营。
Token 供应商或将通过 Token 路由技术，根据具体业务需求，将请求动态分配至更匹配的模型和算力资源，在交互性与吞吐量之间实现动态平衡，从而提升资源利用效率和用户体验，提升 Token 服务的利润空间。
泡沫破裂的那一天，不是 AI 的末日，而是洗牌的开始。
编辑：大卫 Aeneas
