9 月 21 日，在 AICC2026 人工智能计算大会上，《2026 年中国人工智能计算力发展评估报告》（下称《报告》）对外发布。《报告》指出，智能体正成为 AI 算力需求增长的关键新变量，并以乘数效应推动 Token（词元）消耗加速跃升，由此推动中国智能算力增长斜率大幅上调。

周震刚解读报告 （图片来源：每经记者 张蕊 摄）

据悉，该《报告》由国际数据公司（IDC）与浪潮信息联合发布。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%。同期全球 Token 消耗量复合增长率达到 4822.6%，约为活跃智能体数量增速的 37 倍。

智能体数量扩张与 Token 消耗的快速增长，持续推高算力需求。2026 年中国智能算力规模预计达到 2576.5 EFLOPS（每秒百亿亿次浮点运算），同比增长 87.9%；到 2030 年将进一步攀升至 10524.3 EFLOPS。2025 年至 2030 年，智能算力规模复合增长率由此前版本预测的 46.2% 上调至 50.3%。市场规模方面，2026 年中国人工智能算力市场规模预计达 515 亿美元，同比增长 37%，2030 年将达到 1501 亿美元，2025 年至 2030 年复合增长率为 31.8%。

智能体规模化运行持续推高 AI 算力需求，但芯片、存储、服务器等关键基础设施扩张周期难以同步，全球算力供需缺口进一步扩大。《报告》预计，全球 AI 算力需求满足率将由 2024 年的 79% 下降至 2027 年 71% 的谷底，2030 年仅回升至 77%，算力缺口绝对值从 2024 年的 389 亿美元扩大到 2030 年的 3809 亿美元，供需剪刀差正在持续扩大。

为何 2027 年会跌至谷底？IDC 副总裁周震刚在现场对《每日经济新闻》记者表示，核心原因是算力需求增长极快，但从算力供给看，受上游芯片供应链制约严重。从全球看，最大瓶颈可能是 HBM（高带宽内存）显存：当前 AI 算力卡普遍面临 HBM 供给不足的问题。

" 由于模型上下文需要存储的越来越长，HBM 存不下那么多且价格昂贵；而 HBM 基本由三星、海力士、美光垄断，扩产缓慢、门槛高。现在越来越多国内模型厂商尝试分级存储——把模型上下文存到传统内存或闪存盘上，但是由于产线共用，内存甚至闪存盘也开始短缺，内存涨价明显。即便用内存替代，也面临瓶颈。" 周震刚表示，我们判断，显存和内存短缺至少持续到明年，因此明年会是算力满足率的低谷；之后部分厂商扩产产线逐步上线，缺口有所缓解，但需求增长更快，缺口仍会存在。

" 另一个因素在于错配。" 周震刚说，过去智能体应用前，产能主要面向训练，训练要求算力峰值极高；智能体普及后，更需要保存上下文、大吞吐量、低时延，过去面向训练的集群不太适配现在的推理和智能体操作，因此出现 " 投了很多但用不上 " 的情况。