AICC2026：智能体爆发驱动算力变革，全球Token消耗量复合增长率超4800%

①工业和信息化部电子信息司电子系统处处长金磊表示，加强算力、存力、运力、电力等要素协同；完善标准体系、测试验证和服务平台建设，提升AI计算产业整体发展能力。 ②同济大学党委书记郑庆华认为，探索面向小样本强推理的机器记忆智能新路径。

财联社9月23日讯（记者郭松峤）“随着智能体加快进入生产、科研和社会服务，人工智能对计算能力提出更大规模、更高效率和更多元化需求。未来产业发展需要持续强化基础创新，推动计算架构、数据存储、高速互联、软硬协同和算电协同等关键技术突破；加强算力、存力、运力、电力等要素协同；完善标准体系、测试验证和服务平台建设，提升AI计算产业整体发展能力。”工业和信息化部电子信息司电子系统处处长金磊在2026人工智能计算大会（AICC2026）上表示。

此次大会在北京中关村国际创新中心举行，聚焦大模型、智能体加速演进带来的计算产业变革。

智能体加速产业与技术双重变革

AICC大会发起人王恩东指出，当前AI算力产业面临供需缺口、成本能效、资源利用率等多重挑战，背后是三个结构性问题：基础能力仍有短板，产业链纵向协同不足，横向生态彼此割裂。

他认为，推动我国AI算力产业发展，需要多措并举：一是持续夯实基础技术创新；二是以真实应用负载为牵引，推动贯穿式系统创新，开展全栈顶层规划和跨层协同优化，提升整系统计算效率；三是坚持开放创新，把多元算力的优势真正转化为产业发展红利。

同济大学党委书记郑庆华围绕更高阶机器智能的演进路径展开分享。

他认为，大模型依靠数据和算力驱动取得了显著突破，但面向更高阶智能，仅靠规模扩展仍面临持续学习、抽象推理和未知环境适应等挑战。未来机器智能需要进一步形成可持续、可泛化、可迁移的学习能力，并借鉴人脑记忆、联想等机制，探索面向小样本强推理的机器记忆智能新路径。

清华大学教授吴华强从存算一体切入，探讨AI算力芯片突破传统技术路径的可能性。

他强调，面对大模型算力需求快速增长以及传统芯片在面积、带宽等方面的约束，AI算力芯片创新不能只依赖既有技术路径，还需要从新器件、新架构和新计算范式中寻找突破。忆阻器存算一体通过重构计算与存储的关系，减少数据搬移，并通过器件、工艺、电路、架构与软件协同，为高算力芯片发展探索新的技术路径。

应用负载牵引全栈协同 开放生态释放多元算力

Agent的快速普及正在重塑基础设施。多轮推理、长上下文、工具调用和多智能体协作，使计算瓶颈从单一算力环节进一步延伸至存储、互连、调度和软件栈，推动AI计算从单点优化走向面向真实负载的全栈协同。

围绕这一变化，浪潮信息首席AI战略官刘军表示，智能体的发展，让智能有望像计算和电力一样，成为可以规模化生产和供给的资源。这意味着人工智能计算既要支撑前沿智能突破能力边界，也要推动智能充分供给，沿着能力型智算与容量型智算两个方向共同发展。

“能力型智算着眼于智能能够达到的高度，支撑人工智能解决过去解决不了的问题。而智能的价值还取决于有多少人能够获得它，这也是容量型智算的意义：通过效率提升和成本下降，让更多人和企业用得起、用得上。正如稳定、廉价的电力进入千家万户，智能也应从稀缺资源逐步成为整个社会都能获得的基础能力。为此，需要以贯穿式系统创新提升计算效率，以开放创新汇聚产业力量，让智能能力的突破与智能供给的扩大同步推进。”刘军谈到。

北极雄芯创始人、首席科学家马恺声认为，Chiplet的价值不只是突破单芯片集成边界，更在于面向工作负载重新组织计算、存储和互连资源，系统瓶颈正在从单纯算力扩展到带宽、访存和通信等环节，架构设计需要根据模型特征、并发需求和时延成本目标进行选择，通过3D集成、近存计算等路径提升整体计算效率。

北京智源人工智能研究院副院长兼总工程师林咏华指出，AI负载不会收敛，计算架构也不会只剩一种。硬件创新要转化为可用算力，需要共享的软件生态支撑。众智FlagOS通过统一编译器、算子、通信和训推框架等能力，降低多元芯片的重复适配成本，让不同计算架构更快进入AI生态。

SGLang核心贡献者张晓雨表示，Agent时代的推理优化正在从单点算子加速走向系统协同。SGLang通过统一Kernel接口衔接不同硬件与实现路径，并将Kernel与调度、缓存、模型执行共同设计和验证，提升多元硬件环境下的推理效率；同时引入Agent参与算子生成、调优和验证，加快底层优化迭代。

发布AI评测体系与算力发展评估报告

在技术与产业交流之外，大会同期发布多项产业成果，从趋势研判、能力评价等方面，为智能体时代AI计算产业发展提供参考。

工业和信息化部电子第五研究所联合北京智源研究院、浪潮信息、摩尔线程、沐曦股份、北京开源芯片研究院、百度智能云、阿里云等20多家产业链单位，正式发布面向Agent时代的“可靠AI”测评体系。针对传统AI评测更多聚焦单一模型、芯片或局部性能等问题，该体系聚焦智能体应用带来的新能力、新场景和新要求，覆盖芯片、整机与互联、框架与系统、模型、数据、应用等环节，从可靠性、安全性、稳定性等维度开展全链路评测，涵盖场景构建、风险评估和能力优化，为产业选型、技术演进和行业应用提供可验证的评价参考。

国际数据公司（IDC）与浪潮信息联合发布《2026年中国人工智能计算力发展评估报告》。

IDC预测，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，复合增长率达到129.8%。随着智能体任务从简单的信息检索、内容生成，向需要多轮推理、工具调用和跨系统协作的复杂任务演进，Token消耗被指数级放大。同期全球Token消耗量复合增长率达4822.6%，约为活跃智能体数量增速的37倍。中国增长同样显著，2026-2030年中国活跃智能体数量复合增长率达151.2%，同期中国Token消耗量的复合增长率高达3499.3%。

在2026年中国人工智能城市排行榜中，北京、杭州、深圳位列前三。其中，北京凭借完整的算力供给产业链、实力雄厚的模型与人工智能应用企业稳居首位；杭州依托AI创新企业集群和互联网产业基础，以及在大模型、具身智能等领域的持续发展，保持第二位；深圳作为AI服务器与算力芯片制造的重要基地，凭借深厚的算力供给产业基础，把握智能体爆发机遇，排名由第四升至前三。此外，上海、广州、成都、南京、武汉、济南、苏州进入前十。