智能体引爆算力“乘数效应”：一场从“卖资源”到“生产智能”的产业范式革命

刚刚过去的一周，算力领域的热度并未消退，但焦点已悄然转移。如果说此前市场关注的核心是芯片是否“爆单”、算力中心是否“满仓”，那么近一周最受瞩目的话题则来自一个更深层的变量——智能体（Agent）正在以“乘数效应”重塑整个算力产业的底层逻辑。从IDC与浪潮信息联合发布的《2026年中国人工智能计算力发展评估报告》，到2026云栖大会上关于“机器思考总量将达人类1000倍”的论断，再到联想、浪潮、AMD等头部厂商密集发布面向智能体时代的新产品与新战略，一个清晰的信号正在浮现：算力产业的评价标尺，正在从“有多少算力”转向“能生产多少智能”。

这并非一次寻常的技术迭代，而是一场涉及需求结构、硬件价值分配、商业模式乃至国家战略定位的系统性重构。理解这场变革，需要从智能体为何具有“乘数效应”说起。

一、智能体改写算力方程式：Token消耗增速是智能体增速的37倍

理解这一轮算力需求爆发的关键，在于一个此前从未被充分讨论的变量：智能体的“乘数效应”。过去两年，大模型行业的核心议题是参数规模、训练数据量和模型榜单排名，其潜台词是AI是一场“造引擎”的竞赛——谁造出的引擎更大、更强，谁就掌握主动权。而智能体改写的正是这个等式。

所谓智能体，指的是能够自主规划、调用工具、多步执行任务并根据反馈自我修正的AI系统。它与传统对话式AI的根本区别在于：对话式AI是“一问一答”，完成一次交互即告结束；而智能体则像一个数字员工，接到任务后会自主拆解步骤、调用搜索引擎或数据库、编写并执行代码、检查结果、发现错误后重新尝试，直至任务完成。这一过程涉及的推理轮次可能从几次到几十次不等，每一次推理都需要消耗Token。

IDC在《2026年中国人工智能计算力发展评估报告》中给出了两组**冲击力的数据：全球活跃智能体数量将从2026年的7940万个增长至2030年的22.16亿个，复合增长率达129.8%；而同期全球Token消耗量的复合增长率高达4822.6%，约为智能体数量增速的37倍。这意味着，单个智能体并非简单地完成一次调用就退出，而是通过多轮推理、工具调用、跨系统协作，每一次任务展开都会触发指数级的Token消耗。

这一数字背后的产业含义值得深入拆解。假设一个智能体接到的任务是“分析某公司过去五年的财务数据并生成投资建议”，它可能需要依次执行：调用数据库获取财报数据、编写Python脚本进行财务比率计算、检索行业对标公司数据、生成图表、撰写分析报告、自我检查数据一致性、修正计算错误……整个流程可能涉及数十次模型推理调用，消耗的Token量是用户直接提问“这家公司值得投资吗”的几十倍甚至上百倍。而当数以亿计的智能体同时在金融、制造、医疗、政务等场景中运行时，Token消耗的规模将呈几何级数膨胀。

正如联想中国基础设施业务群战略技术总监黄山所指出的：“过去用户提问、模型作答，Token消耗呈线性轨迹；如今要让AI像数字员工一样多步执行、自我校验，Token消耗不再是简单的倍数关系，而是呈现数倍乃至指数级的爆发式增长。”他进一步用一个形象的比喻说明这一变化：“过去我们衡量算力需求，就像计算一家餐厅每天接待多少客人；现在智能体时代，每个‘客人’都要点一整套套餐，还要反复加菜，餐厅的翻台率完全不是一个量级了。”

这一结构性变化直接推动了中国智能算力增长斜率的大幅上调。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年将进一步达到10524.3 EFLOPS；2025至2030年的复合增长率由上一版本预测的46.2%提升至50.3%。上调4.1个百分点看似不大，但其本质并非更乐观的假设，而是对需求曲线形状的修正——智能体带来的不是线性外推，而是一种全新的需求范式。线性外推意味着“过去增长多少，未来大致还增长多少”；而范式转换意味着“增长曲线本身发生了形状变化”，从平缓的指数曲线变为陡峭的指数曲线。这一区别在五年、十年的维度上，将带来数倍乃至数十倍的规模差异。

从全球视角来看，这一趋势同样显著。Gartner预测，到2028年，至少15%的日常工作决策将由智能体自主做出，届时全球AI Token的年消耗量将达到当前水平的数百倍。而中国信通院的数据显示，2026年上半年中国AI Token日均调用量已突破500万亿，较2025年同期增长超过6倍，增速远超行业此前的普遍预期。

二、推理侧成为主战场：训练与推理的Token消耗比例已超6∶4

智能体驱动的另一深刻变化，是算力需求结构从训练主导向推理主导的迁移。这一迁移的意义，不亚于当年互联网从“拨号上网”向“宽带常驻”的转变——它意味着算力不再是一次性的资本支出，而是持续性的运营消耗。

黄山在云栖大会期间透露，目前推理和训练之间的Token消耗比例已经超过6∶4，推理侧的算力需求正在快速增长。AMD大中华区市场营销副总裁纪朝晖提供的数据进一步印证了这一趋势：2025年AI推理与训练的工作负载占比为5∶5，到2026年推理占比已升至60%，预计到2030年将超过80%。也就是说，未来算力基础设施的投资重心，将从“建大集群训大模型”转向“铺广覆盖做多推理”。

Gartner的数据则揭示了智能体与传统对话机器人在消耗层面的量级差异：智能体应用的Token消耗相比对话式机器人会增加5至30倍，而IDC预计到2027年全球2000强企业的AI Token消耗量将比当前增加1000倍。1000倍是什么概念？如果当前一家大型企业的AI月均Token消耗为10亿，那么到2027年将膨胀至1万亿级别，对应的算力成本将从数十万元跃升至数亿元。

这一变化对算力基础设施提出了截然不同的要求。传统的训练集群追求**的单卡性能和低延迟互联，其设计哲学是“把一万张卡连成一张卡”，强调高带宽、低延迟、强一致性，典型代表如英伟达的NVLink和InfiniBand网络。而智能体推理场景则需要应对“请求碎片化、流量波动大、更看重细粒度资源切分能力”的负载特征——请求可能来自不同地域、不同应用、不同优先级，流量在一天之内可能波动数十倍，且每个请求对延迟的敏感度各不相同。这要求算力基础设施具备更强的弹性调度能力和更细的资源切分粒度，例如将单张GPU切分为多个虚拟实例，按需分配给不同的智能体任务。

浪潮信息首席AI战略官刘军在2026人工智能计算大会上将这一分化概括为两个清晰的发展维度：面向智能前沿的“能力型智算”，支撑突破智能上限，回答“智能究竟可以有多强”；面向智能普及的“容量型智算”，实现智能充分供给，回答“我们能以多低成本获得多少智能”。两者并非彼此割裂，而是形成“突破前沿—普及落地—产生新需求—推动再突破”的正向循环。

刘军进一步解释道，能力型智算的核心指标是“单集群**算力规模”和“训练效率”，其用户主要是头部大模型公司和***科研机构；而容量型智算的核心指标是“单位Token成本”和“推理吞吐量”，其用户涵盖千行百业的中小企业和开发者。两类智算中心在硬件选型、网络架构、冷却方案乃至机房选址上都有显著差异——能力型智算倾向部署在能源充沛、气候凉爽的西部枢纽，容量型智算则更靠近东部用户密集区域，以降低网络延迟。

这一分化也解释了为何近期算力租赁市场异常火爆。对于大多数企业而言，自建容量型智算中心的性价比并不高——硬件迭代太快、运维复杂度太高、需求波动太大。租用算力、按Token付费，成为更理性的选择。这也正是“卖词元”模式兴起的产业背景。

三、CPU重返算力核心：每吉瓦数据中心CPU核心需求激增四倍

智能体带来的范式转移，正在重塑整个AI硬件产业链的价值分配格局。过去两年市场注意力几乎完全被GPU占据，英伟达的市值神话让“GPU即AI”成为普遍认知。但随着AI从“训练主导”转向“推理与智能体驱动”，CPU正从GPU的辅助配角跃升为AI系统的核心中枢。这一变化正在改写半导体行业的权力地图。

AMD首席执行官苏姿丰在2026年**季度财报电话会上明确指出，在AI基础设施中，CPU与GPU的配比正从传统的1∶4至1∶8逐步收敛至1∶1，甚至在智能体密集部署场景下，CPU配置数量可能反超GPU。其背后的逻辑在于，AI Agent的复杂工作流除了GPU与加速器外，还需要大量CPU承担任务调度、工具执行与编排工作，仅编排环节的耗时就可占系统总延迟的50%至90%。换句话说，GPU负责“算”，CPU负责“管”——当“管”的工作量随智能体复杂度指数级上升时，CPU的战略价值自然水涨船高。

Arm的测算显示，每吉瓦数据中心所需的CPU核心数量已从约3000万激增至1.2亿，增幅达四倍。摩根士丹利预计，到2030年，Agentic AI可能带来325亿至600亿美元的CPU增量市场，对应整体服务器CPU市场规模有望超过1000亿美元。这一预测若成真，意味着服务器CPU市场将在五年内实现翻倍增长，而增量几乎全部来自AI智能体相关需求。

供需失衡的直接后果是价格与交期的全面紧张。英特尔与AMD的服务器CPU交付周期已从常规的1至2周延长至8至12周，英特尔部分产品最长可达6个月。英特尔CFO预计，2026年服务器CPU确定供不应求，供给压力甚至可能持续至2028年。服务器产业正从“需求决定增长”转向“供应决定能交付多少”，CPU已成为继GPU和HBM之后，AI算力扩张的新瓶颈。

这一瓶颈的出现也催生了新的产业机会。一方面，ARM架构服务器CPU正在加速渗透数据中心市场，其高能效比优势在推理场景中尤为突出——亚马逊Graviton、谷歌Axion、阿里倚天710等自研ARM芯片的出货量持续攀升。另一方面，RISC-V架构也开始在AI加速器和边缘推理场景中崭露头角，为国产芯片提供了绕过x86和ARM授权限制的新路径。CPU架构的多元化竞争，正在成为AI算力产业链中最具活力的变量之一。

四、从“卖资源”到“生产智能”：算力服务商业模式的根本重构

智能体带来的最深刻变革，或许在于算力服务的商业模式正在经历根本性重构。过去，算力服务的核心逻辑是“卖资源”——按GPU卡时、按存储容量、按网络带宽计费，客户买的是“裸算力”，需要自己解决模型部署、性能调优、故障排查等一系列问题。而智能体时代，客户要的是“直接可用的智能”，是按Token付费、按效果结算的“智能即服务”。

盘古智库高级研究员余丰慧指出，当前算力服务行业最显著的变化是交付模式从“卖资源”转向“卖词元”，竞争维度从规模转向效率，行业竞争指标从“有多少卡”变为“每瓦词元生产效率”，软硬一体优化、推理引擎调优、智能调度削峰填谷成为关键能力。他进一步分析道，这一转变对算力服务商的能力结构提出了全新要求：过去比拼的是资本实力和采购能力——谁能拿到更多GPU卡、谁能以更低价格拿到电，谁就有优势；现在比拼的是技术能力和运营能力——谁能用同样的硬件产出更多有效Token、谁能把推理成本降到更低、谁能保证服务稳定性，谁才能赢得客户。

黄山对这一转变的概括更为直接：“衡量AI算力的标准正在从‘Token多少钱’逐渐转向‘Token创造了多少价值’。”他进一步拆解了Token的成本结构——基础建设约占四分之一，其中电费约占10%，而软硬件协同影响Token成本的50%以上。这意味着，影响Token生产效率的不只是芯片硬件，更在于计算、通信、访存、存储、推理优化以及整个系统的调度能力，AI算力的竞争正在从单点硬件能力走向系统能力。他以推理引擎优化为例说明：“同一个模型、同一套硬件，经过深度优化的推理引擎可以将吞吐量提升3到5倍，相当于把Token成本降低60%到80%。这不是靠买更贵的卡能实现的，而是靠软件和算法的功力。”

需求端的持续释放已经直观反映在订单上。近期上市公司密集签订大额算力服务合同：并行科技全资子公司与客户签署的GPU算力服务合同含税总金额不超过19.13亿元；康惠制药全资子公司签署的算力服务合同总金额约为17.20亿元，合同期限五年。这些合同的共同特征是：期限长、金额大、以Token或算力服务量为计价单位，标志着算力服务正在从“项目制”走向“订阅制”，从“一次性买卖”走向“长期运营”。

与此同时，端侧AI正在成为降低Token成本的重要路径。纪朝晖提出了一个生动的比喻：将智能体部署在AI PC、智能体主机等本地新型计算设备上，只将重型任务交给云端大模型，可将企业的Token消耗降低80%以上——“这就像大部分时间我们买了食材在家做饭，只有重要场合才出去吃”。相关研究显示，最新Qwen3.8本地可部署模型（参数27B）的能力已达到最前沿云端大模型的80%至90%，端侧AI的可行性正在显著提升。这意味着，未来算力架构将呈现“云边端协同”的分层格局：端侧处理高频、轻量、隐私敏感的推理任务，云端处理低频、重型、需要大规模并行的训练和复杂推理任务，边缘节点承担中间的调度和缓存功能。

这一趋势对芯片产业的影响同样深远。端侧AI的兴起将带动NPU、低功耗CPU、高带宽内存等品类的需求增长，而云端推理的扩张则利好高能效GPU、定制化ASIC和高速互联芯片。算力芯片市场将从“GPU一家独大”走向“多元异构共存”的格局。

五、算力跃升为国家战略基础设施，城市竞争逻辑发生根本变化

智能体规模化运行带来的持续、刚性算力需求，正在推动算力从产业概念跃升为与水利、电网、铁路同等层级的国家战略基础设施。“十五五”时期算力网建设将新增直接投资4万亿元，投资体量已达到与水利6万亿元、电网5万亿元、铁路4万亿元等传统重大基建相当的水平。这一战略定位的确立，意味着算力不再仅仅是科技行业的“内部事务”，而是关乎国家竞争力、产业安全和经济命脉的全局性议题。

这一战略定位的变化也深刻影响了城市竞争的评价体系。在2026年中国人工智能计算力城市排行榜中，北京、杭州、深圳位列前三。值得关注的是，《报告》首次将智能体应用落地、具身智能产业布局、大模型开发以及推理算力基础设施纳入城市AI算力发展的关键评价指标——过去看一个城市的AI实力，看的是“建了多少算力中心”；现在看的是“用算力做了什么”。这一评价体系的转变，实质上是对“算力有效性”的追问：建了算力中心却无人使用，与建了算力中心且带动了产业升级，其价值天差地别。

三座领先城市的格局差异恰好对应三种不同的发展路径：北京是“全链条型”，供给端和需求端同时具备完整产业链，既有寒武纪、摩尔线程等芯片企业，也有百度、字节跳动等大模型和应用巨头，还有中科院、清华等顶尖科研机构，形成了从基础研究到产业应用的完整闭环；杭州是“场景驱动型”，AI创新企业集群和互联网产业基础叠加具身智能等前沿领域投入，阿里云、之江实验室、宇树科技等构成了从云计算到机器人制造的多元生态，应用场景的丰富度是其核心竞争力；深圳是“制造底座型”，AI服务器与算力芯片制造基地的身份在智能体爆发的窗口期转化为直接优势，华为昇腾、腾讯、比亚迪等企业在芯片、云服务、智能终端等领域形成协同效应，硬件制造能力和供应链效率是其独特禀赋。三种路径没有优劣之分，但共同揭示了一个趋势：单点优势已经不够了，真正的竞争发生在“供给—场景—产业”的闭环效率上。

从更宏观的视角来看，算力基础设施的战略化也带来了新的治理挑战。如何避免重复建设、如何促进跨区域调度、如何保障能源供给、如何平衡数据安全与流通效率，都是亟待破解的课题。全国一体化算力网监测调度试验验证平台的上线，正是对这一系列挑战的制度性回应。未来，算力很可能像电力一样，实行“统一调度、分区定价、跨区交易”的运营模式，而这一模式的制度设计，将深刻影响中国数字经济的空间格局。

结语

从“提供算力”到“生产智能”，这七个字的转变浓缩了智能体时代算力产业最核心的范式革命。正如刘军所言，Agent时代的AI计算竞争，已从单点硬件性能比拼转向全栈系统能力与产业生态的较量——“以前客户买算力，需要自己解决模型部署、性能调优；现在客户要的是可直接使用的智能，是持续稳定的Token供给”。

这场变革的深层意义在于，它重新定义了算力产业的价值链：芯片不再是终点，而是起点；算力中心不再是目的，而是手段；真正的价值在于将算力转化为智能，再将智能转化为生产力。当智能体从对话工具走向生产实践，当算力成为像水电一样可规模化生产的生产要素，这场变革的意义将远超算力产业本身，深刻重塑千行百业的运作方式与竞争格局。对于企业而言，问题不再是“要不要用AI”，而是“如何以最低成本获得**质的智能”；对于城市而言，问题不再是“要不要建算力中心”，而是“如何让算力真正服务于产业升级”；对于国家而言，问题不再是“要不要发展算力”，而是“如何在全球算力竞争中构建可持续的自主优势”。这些问题的答案，将决定未来十年数字经济的版图。