高端紧缺中低端闲置，中国AI算力如何破局？

当前国内人工智能算力市场呈现出明显的两极分化态势。随着大语言模型及AI智能体在各行各业的深入应用，词元（Token）的消耗量急剧攀升，导致高端计算资源极度紧缺。然而，部分早期建设的计算中心由于软件兼容性差、供需匹配度低以及资源调度能力薄弱，导致大量算力处于闲置状态。

据腾讯科技与钛媒体报道，工程院院士郑纬民在近期举办的世界人工智能大会（WAIC）闭门论坛上分析了国内AI算力基础设施的现状。他明确指出，目前行业面临着高端计算资源短缺与中低端计算资源过剩并存的结构性问题。针对这一现象，郑纬民解释说，高端AI芯片的短缺主要受到美国出口管制政策的限制。而在中低端领域，国产算力芯片的产能其实十分充足，核心瓶颈在于软件生态尚未完善，导致已部署的硬件资源无法被高效调度，整体利用率远未达到预期水平。

在先进制程发展受限的背景下，郑纬民建议产业界应从算法效率优化方面寻找突破口。通过提升软件算法能力，用更少的词元消耗来支撑高质量的推理任务，从而弥补硬件性能上的不足。他提出，行业迫切需要开发自主可控的基础软件系统（即“AI Harness”），以增强大模型的工程调度能力，实现用更少的计算资源完成更精准的任务。

在硬件制造层面，据IT之家援引芯势产业深谈报道，中芯国际前高管谢志峰在接受采访时透露，国内在CPU和GPU等逻辑芯片领域目前主要处于7纳米或5纳米工艺水平。他表示，中芯国际在14纳米之后的工艺节点采用了N+1、N+2等命名方式。谢志峰强调，在市场竞争中，实现等效的系统性能比纠结于具体的工艺节点名称更为关键。通过采用3D封装等先进技术，优化芯片、封装与系统层级的延迟，同样能够提升整体表现。

此外，信通院发布的《人工智能算力基础设施赋能研究报告》也曾指出，国内算力基础设施的负载利用率存在显著差异，部分由地方或国资平台建设的智算中心实际应用价值仍需提高。这表明，国产芯片与真实业务的适配度、模型与工具的有效整合，以及单位算力产出高质量词元的能力，共同决定了AI基础设施的运行效率。郑纬民总结称，未来国产算力的竞争将不再是单一芯片性能的较量，而是基础设施建设与AI产业落地综合能力的全面比拼。