文丨李海倫
編輯丨徐青陽
中國的AI算力正在經歷一個看似矛盾的時刻。
一邊是大模型和智能體加速進入產業，Token消耗快速增長，高端算力依然供不應求；另一邊，部分已經建成的算力資源卻因爲軟件適配、供需對接和調度能力不足，未能得到充分利用。
這點在中國信通院2025年發佈的《人工智能算力基礎設施賦能研究報告》中也被提到：目前國內人工智能算力基礎設施的利用負載差異較大， 尤其是部分由地方政府或國資平臺主導建設的智算設施，實際賦能價值仍有待提升。
這背後暴露出的，不僅是芯片數量的問題，還需要考慮更多複雜的因素，比如軟件生態是否成熟，國產芯片能否適配真實業務，模型、知識和工具能否被有效組織，以及每一單位算力能夠生產多少高質量Token（能夠準確承載業務知識、形成可靠推理結果併產生實際業務價值的有效模型輸入與輸出，而非簡單追求Token數量增長），都在重新決定中國AI基礎設施的效率。
在中國工程院院士、海致科技首席科學家鄭緯民看來， 中國AI算力正處在關鍵轉型期 。高端算力短缺只是表層矛盾，更深層的挑戰在於，如何依靠基礎軟件、圖計算和全棧生態，盤活現有算力資源；又如何推動基礎設施從提供模型，進一步走向提供可調度、可執行的智能生產能力。
在2026世界人工智能大會（WAIC）期間，圍繞國產算力的結構性矛盾、主權AI生態、算力基礎設施等方面，鄭緯民院士和媒體們進行了交流。
中國工程院院士、海致科技首席科學家 鄭緯民
以下爲交流實錄：
問：當前中國AI算力基礎設施的整體水平處於什麼階段？您提到“高端算力供不應求，中低端算力供過於求”，這種結構性矛盾應該如何解決？
鄭緯民：當前，中國AI算力基礎設施正處於關鍵轉型期，面臨明顯的結構性矛盾。
坦率地說， 美國對我國高端AI芯片的出口管制，是國內高端智能算力供不應求的直接原因 。
而另一方面，國產中低端算力市場之所以“供過於求”， 核心癥結在於軟件生態尚不成熟，導致大量硬件資源難以被高效調動。
在高端算力緊缺的當下，我們一方面要穩步推進國產替代和硬件擴容，另一方面必須依靠自主可控的“基礎軟件”來盤活現有的算力資源，把中低端的算力也高效利用起來。
這就涉及到一個關鍵的底層技術——高性能圖計算。
當前，大模型在企業級場景落地時普遍面臨幻覺和不可控問題，需要通過一套軟件系統對模型、知識、工具和業務流程進行組織和約束，也就是AI Harness，或者說“駕馭工程”。通過這樣的系統，可以用更少的算力完成更加精準的任務。
這也是爲什麼我一直倡導“做有用的科研”，比如我們團隊與海致科技共同打造的院士專家工作站，就是在這個方向上深耕，要把實驗室的技術變成國家真正用得上的產品。
Q：您提出主權AI三大支柱——“算力自主、算法自強、生態自立”。當前這三者“木桶效應”最明顯的短板是什麼？國產芯片從“能跑”到“願意用”，最關鍵的突破口在哪裏？
鄭緯民： 當前最明顯的短板是“生態自立”。
算力自主是物理底座，算法自強是核心引擎，但生態自立決定了這套體系能否真正落地生根。國產芯片要跨越從“能跑”到“願意用”的鴻溝，急需成熟的“全棧國產化解決方案”。只有讓國產芯片在真實的、複雜的產業場景中跑起來，生態才能真正自立。
因此，必須理清從技術方到最終用戶（如公共服務和安全、銀行等）的需求鏈條，合理配置技術人才，以底層技術爲基礎，追求極致的性價比和效率。這種“國產算力底座 + 頂尖產業AI落地能力”的生態組合，正是推動國產算力生態自立自強的關鍵突破口。
Q：您提出“從MaaS走向TaaS（Token即服務）”，Token已成爲AI時代“新石油”。中國Token消耗兩年增長千倍，現有基礎設施爲何“產不出”足夠Token？TaaS對算力基礎設施提出了哪些新要求？
鄭緯民： 從MaaS（Model as a Service）走向TaaS（Token as a Service），是人工智能基礎設施發展的重要演進方向。
過去，MaaS主要解決模型能力的供給問題，而隨着大模型進入規模化應用階段，未來競爭的核心將逐步轉向高質量Token的高效生成、組織和利用能力。
我們需要認識到，Token能力的提升並不只是依賴算力規模的擴張，更取決於計算體系、數據體系、知識體系與應用體系之間的協同優化，實現從計算資源到智能能力的有效轉化。
從技術路徑看，TaaS 的發展需要同步攻克兩大核心難題：一方面，提升大模型推理與服務全鏈路的資源利用效率，搭建面向 Token 生成的新型計算基礎設施；另一方面，需打通 Token 服務底座、垂直行業知識庫與全鏈路業務流程，形成從基礎 Token 算力單元到可落地、可調度智能執行能力的完整閉環。
從整體發展趨勢來看，TaaS需要構建計算基礎設施、知識基礎設施與智能執行基礎設施協同演進的技術體系，推動人工智能由以模型能力供給爲核心，逐步向面向行業場景的智能生產能力供給演進。
問：您一直倡導“做有用的科研”，在當前國產基礎軟件面臨“卡脖子”的背景下，這種產學研深度融合的科研平臺，對於打通從“實驗室”到“生產線”的最後一公里，具有怎樣的戰略意義？
鄭緯民： 產學研深度融合最重要的機制突破，是打破高校“發論文”與企業“做產品”之間的壁壘，建立長期、深度的協同機制。
在基礎軟件領域，高校具有前沿理論和技術研究能力，企業則具備真實應用場景和工程化經驗，兩者缺一不可。
高校和科研院所在理論研究方面具有優勢，但學術界有時並不瞭解市場到底需要什麼，也不熟悉具體的業務場景。企業長期服務客戶，更清楚實際需求以及技術落地過程中面臨的問題。
將二者結合，一方面可以讓高校的研究更有針對性，另一方面也能夠提高企業技術和產品的實際價值。
再拿剛提到的海致科技舉例，2021年，我們成立了高性能圖計算院士專家工作站，將高校科研力量與企業產業實踐結合起來。
2023年，雙方共同推進了國產分佈式圖數據庫AtlasGraph的研發，推動相關技術從底層基礎軟件向上層AI應用延伸。
推薦閱讀