随着人工智能技术从实验室走向大规模应用，智能算力已成为支撑城市数字化转型的“核心引擎”。无论是城市治理中的智慧交通调度、产业升级里的智能制造，还是民生服务中的AI医疗咨询，背后都离不开城市智能算力底座的支撑。这份聚焦城市智能算力底座建设的研究报告，清晰勾勒出当前这一领域的发展图景、面临的挑战及未来方向，为普通读者理解这一“数字基建新赛道”提供了关键视角。
从全球范围看，智能算力规模正以远超传统算力的速度增长，成为科技竞争的核心资源。截至2023年底，全球算力总规模达910 EFLOPS（每秒百亿亿次浮点运算），同比增长40%，其中智能算力规模达335 EFLOPS，同比增速高达136%，远超整体算力增速。在我国，这一趋势更为显著，2024年智能算力规模同比增长74.1%，是同期通用算力增幅的3倍以上，市场规模增幅更是达到86.9%，智能算力已稳稳占据算力基础设施建设的主导地位。
为抢占这一关键领域，世界主要经济体纷纷布局。美国成立专项工作组，联合科技巨头协调政策支持智算中心建设；欧盟推出“投资人工智能倡议”，打造欧洲人工智能超级工厂；英国则通过“人工智能机遇行动计划”，计划将公共算力规模提升20倍。我国也在统筹推进城市智算体系发展，不仅出台多项政策明确智能算力布局方向，还通过“东数西算”工程加速全国一体化算力网建设。截至2025年一季度，“东数西算”八大枢纽节点算力总规模达215.5 EFLOPS，智能算力占比超80%，东西部枢纽节点间网络时延基本满足20ms要求，新建数据中心电能利用效率（PUE，数值越低越节能）最低降至1.04，算力集聚效应初步显现。
在地方层面，国内多地已掀起智算中心建设热潮。目前全国建成与在建的智算中心数量超过250个，京津冀、长三角、珠三角等区域已布局多个单节点算力规模超1000 PFLOPS的超大型智算中心，投资规模普遍过百亿元；国家级算力枢纽节点及AI基础较好的城市，则重点建设300-1000 PFLOPS的中型智算中心，满足大模型对海量数据和复杂计算的需求；同时，100 PFLOPS以下的小型算力中心也在各地落地，服务企业智能化建设及小型AI产业集群。
超大规模智算集群的建设更是成为行业热点。随着ChatGPT、Qwen等大语言模型参数向万亿规模突破，所需算力也从百卡、千卡级向万卡、十万卡级拓展。我国超万卡集群智算中心已达十余个，主要分布在北京、上海、安徽、内蒙古、甘肃等国家算力枢纽节点。三大运营商进展迅速，中国电信建成京津冀、长三角两大全液冷万卡智算资源池，中国移动推进哈尔滨、呼和浩特、贵阳3个万卡集群商用，中国联通加快打造上海、呼和浩特等万卡集群；百度、阿里、腾讯等头部科技企业则布局十万卡智算架构，字节跳动、润泽科技等企业计划2025年投用十万卡智算集群，超大规模智算中心建设持续加速。
当前，城市智能算力底座的发展方向正发生明显变化。在AI大模型应用推动下，“百模大战”后大参数基础大模型的训练需求逐渐集中于头部厂商，而随着相关技术突破降低推理应用门槛，城市智算需求开始向推理侧转移。加上高性能芯片价格下降、AI模型使用成本降低，未来3年我国智能算力规模预计将保持40%的年复合增长率，且推理算力规模将超过训练算力。
行业发展也从“野蛮生长”进入统筹规划阶段。2025年上半年，相关部门通过“窗口指导”明确不同规模智算中心的建设与审批要求，各地开展算力基础设施摸底，对已建、在建和拟建项目调研梳理，目的是优化布局、促进算力资源集聚化、规模化发展，避免盲目重复建设，推动行业从“全速扩张”转向“解决资源错配、注重运营服务”的高质量发展新阶段。
此外，建设城市智算网络成为推进全国一体化算力网的重要路径。作为全国一体化算力网的基本单元，城市智算网络承担着“以点带面”落地的关键作用。目前相关政策已明确提出“打造算网城市标杆”“实现1ms时延城市算力网、5ms时延区域算力网、20ms时延跨枢纽节点算力网”等目标，通过城市内智算中心互联互通、城市间协同联动，整合区域乃至全国智能算力资源，为城市治理、产业升级、民生服务提供更灵活高效的支撑。
不过，当前城市智能算力底座建设仍面临不少现实挑战。首先是建设分散导致的效率问题，我国单体算力超1000 PFLOPS的大型公共智算中心较少，多数小型智算中心以企业自用为主，算力结构单一，仅能覆盖自身特定场景需求，平均使用率仅30%左右，远低于大型数据中心50%-60%的水平，大量算力资源处于闲置或低效利用状态；同时，智算服务市场集中度低，运营主体多元，缺少统一服务供给主体，服务一体化、标准化程度不足，部分企业因研发需求衰减，自建的智算设施亟需整合以实现闲置资源变现。
其次，智算网络与市场尚未成熟。技术层面，不同厂商芯片的架构及软件栈差异大，跨厂商、跨架构算力统一管理和调度难度高；智算中心间网络互联带宽普遍不足，难以满足大规模分布式AI训练和推理的低延迟、高吞吐需求，加上400Gbit/s光缆等高速专线建设运维成本高，进一步限制了算力灵活调度。市场层面，算力供给主体多、地域布局碎片化，不同主体间调度运营机制不健全，交易仍以传统租赁为主，缺乏动态竞价、按需计费等灵活模式，多方交易的利益分配规则不成熟、责任边界模糊，导致算力供需匹配难，市场流动性和调度效率低。
最后是能耗与绿电应用的双重压力。智算中心能耗极高，单次训练GPT-3模型的电量相当于3000辆特斯拉电动汽车全生命周期耗电量，训练过程每日耗电量达50万kWh，相当于美国家庭日平均用电量的1.7万倍；预计到2030年，我国算力中心耗电量将超过4000亿kWh，年复合增长率达15%。而传统数据中心改造升级降低PUE值时，面临制冷、供电、能源管理系统等大面积适配改造，成本、周期和施工难度都较高。
绿电应用方面，我国仍处于起步阶段。谷歌、苹果、亚马逊等美国科技巨头已实现数据中心可再生能源100%应用，而国内头部科技企业数据中心绿电使用比例较低，部分企业仅为5%左右，差距明显。技术上，新能源发电的稳定性、储能容量及寿命、传输损耗等难以满足智算中心高功率、高可靠性要求；经济上，绿电应用前期投资成本高，相关政策协同性与连贯性待加强，统一的绿电市场与交易体系不成熟，价格浮动大、供给不稳定，导致智算中心使用绿电的积极性不足。
针对这些挑战，行业层面提出了多维度的解决思路。在建设模式上，强调统筹规划与集约发展，通过顶层设计结合市场需求，发挥“窗口指导”作用引导公共智算中心按统一标准建设，防范“小散乱”和低水平建设；鼓励地方国资参与公共智算中心建设运营，提升规范性与一致性；同时在建设中预留算力调度接口，推进以云服务替代传统算力租赁，盘活冗余资源，提升利用效率。此外，还将优化“集中式公共智算中心+分布式边缘推理中心”布局，在热点区域集约建设“训练-推理”一体化大型公共智算服务中心，满足大模型公共训练和高并发推理需求；在边缘区域按需部署小型集群或一体机终端，满足小体量、低时延推理业务，实现边缘与中心高效协同。
在算力网络与市场建设上，加快推进城市智能算力网络发展，强化算力感知、算力度量、算网编排、算力调度等技术的协同研发与落地，夯实技术基础；同时加快低时延、高带宽、低抖动的新兴网络技术研发与规模化应用，降低传输网络建设和使用成本，提升入算、算间与算内网络能力。在市场层面，鼓励政府主管部门与具备资质的机构联合承建运营城市公共算力服务平台，推动各算力服务商、AI企业将存量高性能算力资源接入平台，实现供需高效对接；加快制定算力交易市场准入规则，形成多方认可的定价、交易和利益分配机制，完善算力服务等级协议及并网、调度、服务、交易等领域的标准规范与安全体系，打造城市统一智算大市场，为全国统一算力大市场建设积累经验。
在绿色发展方面，一方面推动城市智能算力中心节能降碳改造，更新存量智算中心低效设备，优化运行机制；因地制宜创新应用制冷散热技术，引入AI技术优化供电供冷环节的自动化调节，提升能源管理效率，稳步降低PUE值；同时鼓励探索液冷节能、能源循环利用等创新技术，打造“新型智算中心”“零碳智算中心”标杆案例。另一方面，通过电价补贴、税收优惠等政策降低智算中心绿电采购成本，提升使用积极性；推动算力中心与电力、能源企业合作，推广算力与电力设施一体化规划建设，探索绿电直供，推进“算电协同”一体化发展；此外还将加快构建绿电绿证交易创新机制，降低智算中心参与交易的门槛与周期，完善交易市场，进一步推广绿电应用。
作为城市全域数字化转型的关键基础设施，城市智能算力底座的发展水平直接关系到城市数字化成效与AI产业发展质量。当前，我国城市智算中心正经历从“规模扩张”向“质效提升”的关键转型期，随着统筹规划的深化、技术的持续突破以及绿色发展的推进，未来将实现从“分散”到“集约”、从“独立”到“互通”、从“耗能”到“绿色”的跨越。而随着大模型应用深化与算网融合推进，城市智能算力底座将成为支撑城市治理精细化、产业升级智能化、民生服务便捷化的核心枢纽，为数字经济与实体经济深度融合注入持续动力。
要不要我帮你提炼一份城市智能算力底座核心数据图表，将文中关键的算力规模、增长率、能耗等数据可视化，方便更直观地理解行业现状？
