摘要
IDC与浪潮信息联合发布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》。报告显示，2026年中国智能体部署渗透率达81.0%，居全球第一，北京、杭州、深圳位列中国人工智能城市前三。Agent规模化落地推动算力需求暴涨：预计到2030年全球AI算力缺口将达3809亿美元（近3万亿元人民币），全球活跃智能体数量复合增长率129.8%，而Token消耗量复合增长率高达4822.6%，是前者的37倍。到2031年，人工智能预计累计创造22.5万亿美元全球经济价值。以训练为核心、面向峰值算力的存量GPU出现结构性错配，行业正向能力型智算与容量型智算两条路线重构。
首份智能体基础设施研究报告发布
IDC与浪潮信息联合发布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》。报告指出，Agent正在重塑一切，其带来的直接后果是算力的一场“大饥荒”，随之而来的是一场行业大洗牌。报告同时给出多组关键数据：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3809亿美元（近3万亿元人民币）。
中国智能体部署渗透率81.0%，全球第一
报告显示，2026年中国智能体部署渗透率高达81.0%，高于全球平均水平78.1%，领跑世界。2026年中国人工智能城市排行榜同样发生变化，北京、杭州、深圳位居TOP 3。
Agent爆发之年，算力或迎“大饥荒”
OpenAI宣布，其内部神秘模型在24天内攻破超过100个世界级数学难题，解题背后完全是一群智能体在协作。OpenAI联合创始Andrej Karpathy曾断言“AI智能体真正落地还需要10年”，如今看来，这恰好宣告了Agent“黄金十年”的正式开启。年初Agent热潮涌动，随后在英伟达GTC大会上，黄仁勋定下基调：现在世界上每一家公司都需要智能体战略。
据OpenAI披露，为解决NS方程相关问题，10000个并发智能体耗时约88小时，相互发送了490万条消息，总共消耗约3000亿个输出Token。仅在解决NS问题的核心阶段，这些智能体就发送了270万条消息、消耗1300亿个Token，随后耗时17小时完成Lean形式化与验证。
3000亿Token相当于超过2200套《三体》的内容量，大约相当于中国国家图书馆文本资源总量的一半。普通人一辈子说完的话大约只有6亿Token，也就是说，500个人一辈子“生成”的Token，这群智能体只要88小时。这是一个标志性的数字：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级别。
未来四年：Token消耗增速是智能体数量增速的37倍
Agent与过去的聊天机器人有根本区别：以前的大模型是一次性问答，几十个Token就搞定；而Agent是一个“数字员工”，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）。这带来极其恐怖的乘数效应。IDC预测，到2030年全球活跃智能体数量复合增长率将达129.8%，但同期Token消耗量复合增长率却高达4822.6%——Token消耗增速是智能体数量增速的整整37倍。AI不再只是偶尔聊天的玩具，而是7×24小时在后台疯狂运转的“耗电、耗算力巨兽”。
存量算力结构性错配，旧卡面临“废铁”风险
IDC数据显示，2025年至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1371.1 EFLOPS，2026年预计增至2576.5 EFLOPS、同比增长87.9%，2030年将达10524.3 EFLOPS，2025—2030年复合增长率50.3%；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%。
需求虽大，现实却很残酷：有GPU绝不等于有适合智能体的算力。过去两年大公司采购的算力卡、各地建设的智算中心，绝大多数面向“训练”场景；而Agent时代的“推理”场景，追求的是超大规模上下文保存（KV Cache）、低时延和极高吞吐量，存量资源出现严重的结构性错配。被淘汰下来的中低端算力卡算力值本就不高、显存容量更有限，根本存不下Agent动辄几十万Token的长链路记忆，除给初学者测试练手外，真正的商业价值几乎为0。
新增供给同样难以跟上。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等比例转化为真实算力供给。以Agent极度渴求的HBM为例，随着长上下文记忆要求越来越高，KV Cache既吃容量又吃带宽，存储成为关键瓶颈；而半导体产线建设与扩容有不可逾越的物理时间规律。与此同时，数据中心用电需求随智能体规模化、7×24小时全天候运行而激增，电力供给却受制于电网扩容与关键电力设备交付的长周期。IDC预测，到2027年全球AI算力需求满足率将跌至71%的谷底，意味着近三成算力需求得不到满足。
单卡称王时代结束，算力裂变为两条路线
报告给出的答案，是彻底抛弃过去的“堆卡”思维。智能体不再卷“峰值算力”，而是卷“持续的任务执行”，基础设施优化目标必须从“单点性能优化”转向“任务级系统协同优化”。客户的采购对象，正从单纯买服务器、买GPU时长，升级为购买“模型能力与Token产出”；云-边-端协同上阵，终端设备正式成为Agent的运行节点。
报告指出，未来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）智算为捅破智能“天花板”而生，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、降低单位智能成本，实现智能的规模化普惠供给。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”。
行业落地鸿沟：Coding与Work智能体领跑
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》体现出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落地阶段。