国产AI如何弥补核心短板

最近，北京智谱华章科技股份有限公司经由官方微信公众号发布消息，宣布对GLM Coding Plan实施限售。公告中披露，随着GLM-4.7系列模型上线后，用户数量激增，算力资源阶段性紧缺的问题随之显现。

这只是当前AI行业算力紧张的一角。随着GPT、DeepSeek等大模型的逐步突破和应用深化，对算力的需求不断攀升。据预测，到2028年，中国AI芯片市场规模有望突破一万亿元，占据全球市场份额的三成左右。庞大的市场体量之下，发展自主、高效的AI算力，是中国在人工智能各行各业深入应用、提升产业竞争力的基础。

算力为何紧缺？中国的AI算力将如何实现突围？记者就相关话题采访了业内专家。

第一问：当前各行业是否普遍面临算力短缺？

“目前，算力供需失衡依旧突出，这不仅是国内现象，全球范围内同样存在，而国内的算力缺口尤其明显。”燧原科技创始人、董事长兼CEO赵立东在1月22日接受科技日报记者采访时表示。

智能算力，是满足人工智能等计算任务需要的关键能力，是AI产业发展的重要基础，类似“水和电”对工业的作用。舆情网

目前，国际头部企业仍主导着全球AI算力标准和市场，无论是硬件性能还是软件生态系统，国产厂商与之仍有差距。业内透露，2024年，中国市场中约七成AI芯片依赖海外厂商，国内自给率不高，尤其是在大模型训练领域，缺口更为显著，成为人工智能发展的短板。

不过，国产AI算力近年来取得了一定进展。根据摩根士丹利2025年的研究报告，2020年中国人工智能GPU自给率不到10%，2024年已上升至约34%，预计到2027年有望达82%。伴随这一趋势，行业焦点正从单一硬件性能突破转向系统层面的实用、创新和效率提升。

第二问：算力供需紧张的根源是什么？

我国的算力资源供给受到多种因素限制。高性能芯片进口通道受阻，自主GPU在整体计算力、能效与制造工艺方面还难以与国际领先水平比肩；在芯片设计工具、底层算法支撑等方面创新能力仍需提升。

此外，国内算力布局存在“碎片化”，服务商之间算力接口、协议不一致，算力难以跨区域、跨主体灵活调配，造成资源利用效率不高。与此同时，产业政策、数据确权、使用和交易等相关规章还需进一步细化完善，企业在合规和标准方面的压力不断上升。

而人工智能加快在工业、金融、交通、医疗、教育等多个领域落地，则让算力需求呈现爆发式增长。全国各地落地的算力应用项目已超1.3万个，智能工厂超3万家。赵立东表示，随着大模型技术的普及和开源释放，算力门槛降低，保障足够且高效的算力资源供应，对AI应用持续落地至关重要。

第三问：算力困局该如何进一步破解？

赵立东认为，要想破解算力难题，核心在于激发国产算力活力。一方面，通过政策引导和行业激励，推动国产算力资源的广泛应用，提升现有资源的利用率；另一方面，要加速国产芯片研发和全产业链能力的建设，推动相关技术“从纸上落地”，提升整体产能。

近年来，国家发改委、工信部等主管部门陆续发布和完善有关算力的政策措施，推动智能算力基础设施和服务能力升级，有效缓解供需矛盾。数据显示，目前我国企业已推出多款AI芯片产品，全国范围已建设42个万卡级智算集群，智能算力总规模达到1590EFLOPS，处于全球前列。

浙江大学光华法学院教授程乐指出，目前许多智能算力中心GPU利用率不高，出现资源闲置浪费，也拉低了供需匹配效率。今后应优化算力利用率、任务完成效率及单位能耗效能等考核指标，引导行业向高效、精细化发展。

是石科技联合创始人兼副总裁毛运航认为，通过更为科学的任务调度、资源池化和弹性部署，有望将现有算力资源发挥到极致。

赵立东表示，国产算力生态已经具备初步基础，但还需产业链上下游密切配合，尤其是算力、模型和应用方加强协同创新。当国产算力在模型训练、推理等全流程中实现稳定支撑，中国就能在新一轮人工智能竞争中发挥更大主动权，并为产业健康长远发展提供坚实保障。