3月17日，美国加利福尼亚州圣何塞，英伟达首席执行官黄仁勋在公司年度GTC开发者大会上参与问答环节。

北京时间2026年3月17日凌晨，英伟达掌门人黄仁勋在GTC大会上，对着数万听众说：“我看到了2027年至少有1万亿美元的需求。”半日之前，阿里巴巴CEO吴泳铭则发出了一封内部公告，宣布成立全新的Alibaba Token Hub（ATH）事业群。

两个男人，一个在台上，一个在幕后，他们盯着同一个东西——Token。我们每次与AI对话，AI“龙虾”的每一次行动，都在消耗Token，Token就是AI的“算力粮食”。

在人类文明进程中，不同的时代有着不同的战略商品。呼啸而来的人工智能时代，算力即国力。2026年，中国已经明确提出，实施超大规模智算集群、算电协同等新基建工程。

“在资本支出与国产替代共振下，2026年中国算力产业将延续强势增长，但会和美国走不同的路。”无限星辰董事长方海声说，“中国的关键词是自主、效率、赋能；美国的关键词是扩张、探索、分化。”

“今年，行业必须告别‘拼产能、讲概念’的粗放时代，进入‘拼生态、看落地’的大变局。”这是上海证券报记者调研十余家算力企业后最直观的感受。

四大趋势

近期，记者走访调研发现，业内人士对当前趋势形成四个共识。

首先，今年全球算力产业的资本投入还将继续增长。

在GTC大会上，黄仁勋抛出一个极具冲击力的预测：到2027年，市场对英伟达Blackwell和Vera Rubin系统的订单需求将带来至少1万亿美元的营收。这一数字较去年他对2026年5000亿美元市场需求的预测直接翻倍。他甚至强调，1万亿美元只是保守预测，实际全球AI算力需求会比这一数字高得多。

其次，“上天”（太空算力）和“入地”（端侧算力）成为产业演进主线。2026年，人类一边仰望星空，突破地球物理边界；一边深耕大地，让智能渗透进每一个终端。

再次，中美走向两条侧重不同的发展道路。美国侧重于前沿突破，驱动力来自资本与顶尖研发的良性循环。目前，英伟达Vera Rubin平台七颗芯片全部投产，从3nm走向1.6nm，从地面延伸至太空，从GPU扩展至LPU，黄仁勋的每一步都在探索“下一代算力长什么样”。

中国则更重视向深处扎根，驱动力来自国家战略和产业升级的现实需求。“我们的应用空间更广阔，工业场景和商业链路更完整，所以我们是在优先解决算力如何真正‘用起来’。”方海声说。

最后，全球算力加速形成“一个世界，两套系统”的竞争格局。中国主导的生态更开放，有望覆盖新兴市场；美国主导的生态仍牢牢占据高端。

两大隐忧

持续飙涨的资本开支，是全球算力产业的“总开关”。

2026年，全球AI总支出预计达2.52万亿美元，同比增长44%。最近两年，中国各地已掀起智算中心扩建的浪潮。在A股市场，一些上市公司动辄斥资数十亿甚至上百亿元采购算力，以进军算力中心业务。

如火如荼的算力扩建背后，也有人焦虑与担心，狂热的投资会不会一地鸡毛？

近期，记者调研南方某国家级智算中心时，看到“冰火两重天”的景象。机房相关负责人指着左边几乎满负荷的机架说，这是装了英伟达GPU的服务器，出租率90%以上。他又指向右边说，这是装了国产GPU的服务器，价格便宜很多，但出租率不到50%。

记者询问缘由，“机效差距很大，尤其在生态上。”对方回答。

飞腾信息技术有限公司副总经理郭御风也有类似感触。他调研发现，不少智算中心算力利用率不足30%，大量算力资源长期闲置。他认为，行业“重算力、轻应用”“重建设、轻实效”的结构性问题突出。

“当前算力结构供需错配。低端算力过剩而高端智能算力不足；西部通用算力利用率偏低，东部产业急需的智能算力供应紧张。同时，算力孤岛现象严重，跨地域、跨主体算力资源难以高效流通。”北京国际城市发展研究院创始院长连玉明说。

还有业内人士透露：不少地方数据中心配的芯片仍以CPU为主，适配传统IT与云服务场景，难以满足AI大模型训练与推理的需求；有些地方芯片搭配的计算架构不合理，导致应用场景窄，即便电力成本低，也无法使用。

这些现象背后，是中国本轮数据中心建设热潮，既缘于AI真实需求，也与地方政府和资金方追逐热点、盲目上马项目相关。

上天入海

尽管科技巨头对AI的未来相当乐观，但要把一笔笔钱“变成”一个个智算中心，正变得越来越困难。能源供给、散热能力与耗水量正逐渐成为地面算力增长的瓶颈。

于是，人类将目光投向星空。

2月，马斯克旗下SpaceX完成了对AI公司xAI的全资并购，标志着航天与AI进入深度融合阶段。据马斯克预测，未来2至3年太空将成为全球AI算力成本最低的区域。目前，SpaceX、亚马逊、谷歌、英伟达等巨头纷纷布局太空算力。

同一时间，在浙江杭州之江实验室的“三体计算星座”指挥中心，中国工程院院士、之江实验室主任王坚透露，该星座已实现星间组网突破，在轨协同完成10个人工智能模型与应用的部署验证。

“今年‘三体计算星座’还将发射50颗卫星，计划2032年完成1000颗计算卫星组网，形成能互联互通为人工智能服务的太空算力星座。届时，总算力将达每秒百亿亿次。”在王坚看来，把算力送到太空的价值堪比电的发明，将催生诸多想象不到的新价值。

此外，中国还在悄悄试水算力“下海”。2月10日，东海之滨，全球首个“海风直联”海底数据中心在上海临港投产。它将海上风电与海底数据中心直接联通，绿电占比高达95%，利用海水自然冷却。

除了算力的“上天下海”，端侧算力（可称之为“入地”）的发展更是一场触手可及的大变革，2026年将成为驱动消费电子和汽车产业升级的核心引擎。从豆包手机形态到Openclaw带火的Mac Mini，标志性案例层出不穷。汽车具备高算力芯片、人机交互界面和充足电源，成为端侧AI硬件落地的理想场景。

“AI历经多轮演进，已迈入以推理为核心的全新阶段。”3月17日，在2026华为数据存储新春发布会上，华为存储产品线副总裁、闪存领域总裁谢黎明表示。当日，华为正式发布针对AI推理场景的全新AI数据基础设施：面向中心推理场景的AI数据平台，以及面向分支边缘推理场景的FusionCube A1000 AI超融合一体机。

国产提速

算力比拼，首当其冲的就是算力芯片。

岁末年初，国产芯片的“小龙”们——摩尔线程、沐曦股份、壁仞科技、天数智芯先后登陆资本市场，这既是资本市场助力科创企业的最新实践，也是中国算力芯片行业进入资本化的高歌时刻。

“今年芯片供给将从满足‘有没有’，向提供‘好不好、准不准’的差异化、场景化解决方案演进。”天数智芯相关负责人说。

“2026年，芯片会更聚焦易用性、安全性和高能效比。”瀚博半导体创始人兼CTO张磊对记者说，“随着下游AI推理、工业质检、数字孪生等需求释放，国产算力的竞争力正在从硬件参数向全栈解决方案能力拓展。”

国产算力芯片虽然发展迅猛，但要真正做到从“跟跑”到“并跑”，仍任重道远。

在设计与制造环节，先进EDA工具匮乏、高端工艺产能不足，仍是主要瓶颈。多家国产算力芯片公司反映，国产先进工艺产能“抢手”，即便设计出了先进芯片，大规模量产时却颇具难度。“芯片设计公司都是给晶圆厂打工的。”一位半导体行业资深分析师表示，“在‘天花乱坠’的芯片参数外，我们更关心企业能否流片及量产。”

更大的差距在软件生态。一位不愿具名的芯片业内人士坦言：“真正的壁垒不是把芯片做出来，而是让全球开发者愿意用你的软件平台。英伟达之所以能统治市场，不光因为芯片强，更因为它花了20年建立起来的CUDA软件生态。”

“这非常重要。”快思慢想研究院院长田丰说，“英伟达因为有CUDA软件层才使得它的显卡在流体力学、纳米科研算法等细分领域的算法加速表现优异。”

上述芯片业内人士还透露：目前国内大部分的AI大模型开发和训练，依然基于英伟达的CUDA生态；国产算力芯片的软件适配、算子优化、开发工具链完善度，与英伟达存在代际差距。

中国工程院院士邓中翰近日表示，国产高端算力芯片规模化应用面临三大核心挑战：一是技术适配性不足，现有芯片多对标传统架构，与AI大模型、智算集群的多元计算需求不匹配，存在“算力适配难、场景落地贵”的现实痛点；二是生态体系有短板，软硬件协同、标准统一、场景验证未形成闭环，无法满足规模化应用的稳定性要求；三是算力利用效率低，行业“暴力计算”模式大幅拉高能耗成本，也让国产芯片在工艺制程受限的情况下，难以发挥架构创新的优势。

算电协同

在太平洋的另一侧，美国算力产业也有自己的“烦恼”。

日前，一则消息从华盛顿传出：美国政府官员正要求微软、Alphabet等科技公司作出承诺，确保其数据中心不会推高电价，不会给消费者带来其他负担。

这一行动旨在应对全美范围内数据中心扩张引发的政治与公共关系问题。在部分地区，科技公司已遭遇来自民众的日益高涨的抵制声浪。一些维权团体正在积极行动，反对建设高耗能数据中心，理由是这些数据中心会挤占当地基础设施、可用水资源和电力供应。包括亚特兰大和新奥尔良在内的多个地区已经对新建数据中心实施限制措施。

美国的现状揭示了一个全球性难题：算力繁荣的社会成本，正在从隐性走向显性。

如何化解上述问题？“算电协同”概念应运而生。这是2026年中国新基建战略中的核心概念，2026年首次被写入政府工作报告。

有运营商认为，在AI进入“拼电力”时段，中国的“算电协同”模式更有可能在大规模、可持续的绿电算力供给上胜出，因为它解决了能源与算力在地理和时间上的根本性错配。而美国若不解决电网碎片化和扩容缓慢的问题，其AI发展的能源瓶颈可能会日益凸显。对于全球而言，中国的实践提供了一种将数字经济与能源转型深度融合的“中国方案”。

人工智能的浪潮已经势不可挡。作为AI核心基础设施，智能算力的研发、迭代、扩张，算力与电力的协同发展，同样势不可挡。在算力之争就是国力之争的大背景下，算力大变局的戏码，或许才刚刚开始。（来源：上海证券报）