2026年通信行业专题研究：AI大时代，云算力释放广阔空间

AI带动算力需求

AI带来算力的提升

核心底层逻辑：①AI发展过程中持续的对于算力的需求；②推理进入发展关键阶段，应用大力推动下有望带来算力需求高速增长。

①AI发展过程中对于算力的需求高增：

GPT-1的模型参数量和预训练数据量分别为1.17亿个和5GB，到GPT-3已激增至1750亿个和45TB，且预计未来GTP-5的参数量将是GTP3的100倍，需要的计算量则是GTP-3的200～400倍；根据OpenAI发布的《AI and Compute》分析报告中指出，自2012年以来，AI训练 应用的算力需求每3-4个月就会翻倍，且从2012年至今，AI算力增长超过了30万倍。

此外，AI产业巨头领军者们纷纷对于AI对于算力的拉动持续看好。黄仁勋此前访谈提及，推理的增长，不是100倍，不是1000倍，是 100亿倍。在思考过程中，AI会做研究、验证事实、学习新东西，继续思考，学更多，最后才生成答案。这种“链式推理”使得每次交 互的算力消耗呈指数级增长；ASML沈波提到，“AI算力的增长需求远远超过摩尔定律。因为AI大模型需要的参数越来越多，模型效率 的变化几乎每两年以15~16倍的速度增长。这就导致AI时代对算力的需求，与半导体行业发展遵循的摩尔定律之间形成很大的剪刀差， 芯片本身的性能已经无法满足需求。

②推理进入发展关键阶段，应用大力推动下有望带来算力需求高速增长：

人工智能驱动训练与推理算力需求持续扩张，算力产业前景广阔。当前，算 力已经成为数字经济时代的关键生产要素和基础能源，算力中心成为社会经 济运行的关键基础设施，算力产业将保持稳定增长态势。同时，算力中心对 运营建设的技术要求提高，云计算巨头、头部数据中心企业、央国企将成为 未来市场的主要参与者。

我国人工智能产业更加关注行业应用层、强调向产业链下游垂直行业应用端 的发展、注重人工智能技术与实体经济的融合。一方面，通过人工智能助力 传统产业的转型升级，制造、医疗、交通、农业等领域数字化、智能化转型。 推动新产业、新业态、新模式的发展，跨行业、跨领域融合创新。同时，我 国工业体系完整、规模庞大、应用场景丰富，反过来也能带动人工智能行业 的发展。

聚焦应用层是我国大多数科技产业发展的常用战略—利用国内庞大、活跃的 市场需求发展产业链下游环节，形成完善的产业生态、培育龙头企业，再基 于已有的技术与产业基础向上游延伸发展，推动技术创新，逐步解决基础环 节短板。

25年上半年，我国生成式人工智能用户规模半年增长107%。截至2025年6 月，我国生成式人工智能用户规模达5.15亿人，较2024年12月增长2.66亿 人；生成式人工智能普及率达36.5%，较2024年12月提升18.8个百分点。

Agent三大市场趋势，26年或是Agent需求侧元年

三大市场趋势： 1）某种程度，大模型即Agent：目前最具代表性的Agent服务均出自大型模型厂商，Agent的很多能力也逐步内化在模型训练本身， 比如Agentic RL的快速发展逐步让模型在搜索等场景能力提升。 2）容错率较低、可快速验证是场景落地的核心要素之一：最快落地C端领域是搜索、编程，B端垂直领域-法律金融、营销客服、人力 服务，B端需要深度结合细分场景数据（中小公司“长大”的机会所在）。 3）大中企业是B端的主力客户：Sierra披露其50%的客户年收入超过10亿美元，反映出大型企业对此类技术的高需求与付费能力。同 时PLG模式也逐渐兴起，通过C端用户带动B端业务增长。

以Sierra为例，ARR有望突破1亿美元大关，最近一轮融资后估值也即将达到100亿美元，估值收入比达到100x。公司在2025年6 月曾表示，已拥有数百家企业客户，其中15%的客户年收入超过100亿美元，50%的客户年收入超过10亿美元，显示出其在服务大 型企业客户方面的强大实力和市场认可度。

国内AIDC高速增长

美国AIDC规模大幅扩张

美国数据中心快速扩张，且单体规模增大。 伍德麦肯兹数据显示，自2023年以来，美国数据中心规划建设容量持续增长，到2024年底已突破92GW。2024年第四季度的增长势头尤为突出， 每月新增规划建设容量高达7GW。在伍德麦肯兹追踪的项目中，有13个超大型项目的投资额均超过40亿美元。从整体来看，追踪项目的总资 本支出达到1,950亿美元，其中，投资额超过10亿美元的项目，虽然在数量上仅占22%，但投资占比达73%。 与此同时，数据中心的实际建筑规模也在扩大。统计显示，2023-2024年，单个数据中心建筑的中位数面积增长了9.5%，同期数据中心园区的 平均面积增幅超过23%。项目规模在各个维度的增长清晰地反映了数据行业向人工智能方向的迅速转型。 右下方图片显示了美国数据中心在过去20年中的快速增长。2010年，美国已建成或获批建设的数据中心为311座，而在2024年，这一数字为 1240座，几乎是2010年的4倍。

中国算力&数据中心同样快速增长，人均算力有向上空间

国内大厂CAPEX同样高速增长，占营收比有提升空间。 我国CAPEX投入规模和占营业收入比例对比美国仍有提升空间。 但同样呈现较快同比增长，如阿里巴巴单季度（26财年第一财季）capex 386.76亿元，同比增长220%。

中国算力&数据中心同样快速增长，人均算力有向上空间

国内持续推动数字经济以及人工智能发展，成果显著。 我国计算技术创新成果涌现，计算产业蓬勃发展。行业赋能作用不断深化，发展环境持续完善。根据中国信息通信研究院，近8年 我国算力规模平均每年增长46%，数字经济增长13.2%，均高于全球平均水平。 国家层面，国家部委统筹规划基础设施建设，推动算力产业由规模扩张向高质量发展转化。地方层面，各地政府因地制宜规划资 源布局，形成多层次、差异化的区域算力发展体系。产业层面，人工智能产业变革带动算力需求迅猛增长，推理需求或成为智算 规横增长的核心驱动力。 根据中国算力平台监测数据，截至2025年6月底，我国在用算力中心机架总规模达1085万标准机架，智算规模达788EFLOPS(FP16)， 算力供需呈现动态均衡态势。技术架构层面，截至2024年底，我国在用算力中心50.3%连接骨干网，网络互联质量显著提升。

AIDC发展趋势：市场规模持续增长，向高功率大规模发展

华为向万卡超节点升级迈进。 2025年3月份，华为正式推出了Atlas 900超节点，满配支持384卡。因为是超节点，这384颗Ascend 910C芯片，能够像一台计算机一样工作，最大算 力可达300 PFLOPS。到目前为止，Atlas 900依然是全球算力最大的超节点。大家经常听到的CloudMatrix384超节点，是华为云基于Atlas 900超节点构 建的云服务实例。Atlas 900超节点自上市以来，已经累计部署超过300套，服务20多个客户，涵盖互联网、电信、制造等多个行业。可以说，Atlas 900于2025年，开启了华为AI超节点的征程。 华为超节点Atlas 950 SuperPoD，算力规模8192卡，而Atlas 960 SuperPoD，算力规模15488卡，预计2027年四季度上市。Atlas 950超节点满配包括由 128个计算柜、32个互联柜，共计160个机柜组成，占地面积1000平方米左右，柜间采用全光互联。总算力大幅度提升，其中，FP8算力达到8E FLOPS，FP4算力达到16E FLOPS。互联带宽达到16PB/s。此外，8192卡超节点并不是公司的终点，华为还在继续努力。全连接大会上发布的第二款 超节点产品Atlas 960超节点就是其中一个成果。据介绍，该节点基于Ascend 960打造，最大可支持15488卡。Atlas 960超节点 由176个计算柜，44个 互联柜，共220个机柜，占地面积约2200平方米。FP8总算力将达到30E FLOPS，而FP4总算力将达到60 EFLOPS；内存容量达到4460TB，互联带宽达 到34PB/s。大模型训练和推理的性能相比Atlas 950超节点，将分别提升3倍和4倍以上，达到15.9M TPS 和80.5M TPS。

算力租赁发展迅速

高端芯片供应是目前算力发展的制约

自2018年起，美国政府对中国的科技封锁不断加剧，从限制高端芯片出口到拟限制中国企业使用美国厂商的云计算服务，严重阻碍了 中国获取先进算力芯片及相关技术的渠道，导致高端芯片短缺，算力成本上升，企业面临“缺芯”困境。与此同时，AI大模型的快速 发展使得对算力的需求呈指数级增长，训练和推理需要庞大的计算资源支持。

Nvidia持续迭代高端芯片。英伟达从hooper架构到Blackwell架构（包括B300）迭代演进，性能得到显著提升，根据下图所示，在吞吐 量和响应性的最佳交叉点，与Hopper架构相比，HGX B300的AI输出性能整体提高了30倍。此外，25年9月，英伟达发布新一代Rubin CPX芯片系统，专门针对AI视频生成和软件开发等大规模上下文处理任务，强化AI编码和视频处理能力。完整的Vera Rubin NVL144 CPX平台在单个机架中集成144个Rubin CPX GPU、144个Rubin GPU和36个Vera CPU，提供8 exaflops AI性能，性能为英伟达GB300 NVL72系统的7.5倍。

报告节选：

编辑：火腿肠