日前，北京智譜華章科技股份有限公司通過其官方公眾號發布GLM Coding Plan限售公告。公告指出，隨著GLM-4.7系列模型上線，用戶數量迅速增長，導致算力資源出現階段性緊張。

這是AI產業算力吃緊的一個縮影。隨著GPT、DeepSeek等大模型的算法突破和應用普及，算力需求水漲船高。數據顯示，我國AI芯片市場規模預計2028年將超一萬億元，約佔全球市場的30%。面對龐大的市場需求，自主可控的高質量AI算力供給已成為我國搶佔人工智能產業應用制高點、全方位賦能千行百業的前提條件。

算力缺口從何而來？國產AI算力又當如何破局？記者就此採訪了有關專家。

第一問：當前是否存在行業性算力缺口？

“目前，算力供需矛盾依然突出，在全球范圍內都是如此，但國內算力缺口尤為明顯。”燧原科技創始人、董事長兼CEO趙立東1月22日對科技日報記者直言。

智能算力是支撐人工智能等計算任務需求的計算能力，是人工智能產業的“水和電”。

目前，國外廠商依然是全球AI算力的標准制定者和行業主導者，硬件性能、軟件生態等較國產廠商均有不同程度領先。有行業人士透露，2024年，國外廠商佔據中國AI芯片市場近七成的市場份額，形成我國龐大的自給缺口。尤其是在大模型訓練領域，自給不足問題更為突出，對我國人工智能產業發展造成一定限制。

不過，國產AI算力近兩年也在持續突破。據咨詢公司摩根士丹利2025年發布的研究報告估算，中國人工智能GPU自給率已從2020年不足10%提升至2024年約34%，並有望在2027年升至約82%。在這一趨勢下，算力產業發展正從過去單點硬件的性能追趕，轉向更加務實、高效的系統級創新。

第二問：算力資源供需矛盾如何造成？

目前，我國算力資源供給面臨多重限制。高端芯片進口受限，國產GPU芯片在絕對計算性能、能效比、工藝方面與國際旗艦產品仍有差距﹔技術創新能力不足，如在芯片設計工具、底層算法框架等方面與國際先進水平仍有差距。

同時，我國算力資源分散，存在“碎片化”問題。各服務商算力資源接口和協議不統一，跨區域跨主體算力調度能力較弱，導致算力資源利用率偏低。此外，產業發展制度環境仍待完善，數據確權、使用和交易等方面的規則有待細化，企業標准與合規方面的挑戰日益凸顯。

與此同時，人工智能正在加速落地千行百業，帶來算力需求激增。目前，全國已落地的算力應用項目超過1.3萬個，建成的各級智能工廠超過3萬家，並覆蓋工業、金融、交通、醫療、教育等重點行業。“隨著我國人工智能應用加速落地，算力需求持續爆發式增長，算力供給不足的問題將會更加顯著。”趙立東說，伴隨大模型技術的成熟及開源普及，算力應用門檻進一步降低，保障算力供給至關重要。

第三問：如何持續破解算力之圍？

在趙立東看來，破解這一難題的核心在於充分釋放國產算力的潛力：一方面需大力支持國產算力的應用推廣，將現有國產算力資源“用足用好”﹔另一方面要加快推進國產芯片供應鏈建設，推動技術落地與產能提升。

近年來，國家發展改革委、工業和信息化部等部門積極部署算力發展政策，推動智能算力優化建設布局、提升服務水平，破解智能算力供需難題。最新數據顯示，我國企業發布多款人工智能芯片產品，在算力設施方面，建成萬卡智算集群42個，智能算力規模超過1590EFLOPS，位居全球前列。

浙江大學光華法學院教授程樂指出，當前算效低下問題普遍存在，部分智算中心GPU實際利用率偏低，造成資源浪費和供需結構失衡。未來應進一步完善算力利用率、任務完成效率、單位能耗產出等實際效能指標，引導產業轉向精細化效率競爭。

是石科技聯合創始人兼副總裁毛運航也提到，要通過更精細的調度、資源池化和彈性部署，把現有算力用到極致。

“國產算力生態已具備良好基礎，但仍需產業鏈各方真正凝聚合力，尤其是算力方、模型方、應用方的協同創新。”趙立東說，當模型、應用與算力實現深度適配，國產算力逐步支撐起從訓練到推理的全流程時，我們才能真正在全球人工智能競爭中掌握主動權，才能擁有人工智能產業行穩致遠的“壓艙石”。