就在剛剛，我們看到了不少令人意外的資料。
到2031年，人工智慧預計將累計創造22.5兆美元的全球經濟價值。
預計到2030年，全球AI算力缺口將達到驚人的3809億美元（近3兆人民幣）！
另外，2026年中國智能體部署的滲透率高達81.0%，全球領先！
而且，令人意外的是，2026年，中國人工智慧城市排行榜大變樣了。
北京、杭州、深圳，處於TOP 3。
這些硬核資訊，都來自於一份重磅報告。
就在最近，IDC與浪潮資訊聯合發佈了首份智能體基礎設施研究報告——《2026年中國人工智慧計算力發展評估報告》。
從這份研究報告可以看出：Agent正在重塑一切，而它帶來的直接後果，就是算力的一場大饑荒，隨之而來的就是一場大洗牌。
Agent爆發之年，或將迎來算力荒
就在今天，OpenAI官宣：他們內部的神秘模型，在24天內攻破了超100個世界級數學難題。解題的背後，完全是一群智能體在協作。
OpenAI聯創Andrej Karpathy曾斷言：「AI智能體真正落地還需要10年。」
如今看來，這並非一句悲觀的預測，而恰恰宣告了Agent「黃金十年」的正式開啟！
據OpenAI披露，為瞭解決NS方程相關問題， 10,000個並行智能體耗時約88個小時。
它們相互傳送了490萬條消息，總共消耗了約3000億個輸出Token！
單單在解決NS問題的核心階段，這些智能體就傳送了270萬條消息，耗費了1300億個Token。隨後耗時17小時，完成了Lean形式化與驗證。
3000億Token相當於超過2200套《三體》 的內容量，或者大約相當於中國國家圖書館的文字資源總量的一半。
而普通人一輩子說完的話，大約只有 6 億 Tokens。也就是說，500個人一輩子「生成」的Token，這群智能體只要88小時。人類或許最終能更優美地解決NS方程，但在速度上和思考規模上，卻難以跟這些智能體匹敵。
這是一個標誌性的數字。例如，GPT-3模型在訓練時使用了3000億個Token，而現在，一個多智能體科研任務的累計Token消耗量，就達到了同樣等級。
但這只是世界Agent經濟的冰山一角。
年初OpenClaw風靡一時。隨後，在輝達GTC大會，黃仁勳定下了基調，實質上宣告：
現在世界上每一家公司都需要智能體戰略。
而在中國智能體部署滲透率上，中國領跑世界，今年已達81.0%，高於全球領先水平的78.1%。
但可惜的是，昔日大廠和資本瘋狂囤積的舊算力卡，如今可能要變「廢鐵」了。
過去兩年，所有人都在卷「AI訓練」，算力中心拔地而起，成千上萬張GPU被塞進機房。
但今天，智能體（Agent）正將這些投資無情地拍在沙灘上。
AI算力的評價標準和競爭邏輯，已經在短短一年內發生了天翻地覆的改變。
如果說大模型發展的1.0階段是「千模大戰」的算力囤積，那麼現在的2.0階段，計量單位已經從「算力規模」變成了「Token的生產效率」。
Token狂飆37倍，大模型開始「用不起」了
為什麼說Agent是新變數，徹底改變了潮水的方向？
我們需要先理解Agent與過去聊天機器人的根本區別。
以前的大模型是一次性問答，幾十個Token就搞定了；但Agent是一個「數字員工」，它需要多輪推理、呼叫工具、跨系統協作，還要時刻保存「記憶」（上下文）。
這帶來了一個極其恐怖的乘數效應：
IDC給出了一組讓人倒吸一口涼氣的資料：
預計到2030年，全球活躍智能體數量複合增長率將達到129.8%，但同期的Token消耗量複合增長率，卻高達駭人聽聞的4822.6%！
Token消耗的增速，是智能體數量增速的整整37倍！
換句話說，AI不再只是偶爾聊天的玩具，而是7x24小時全天候在後台瘋狂運轉的「耗電/耗算力巨獸」。
未來4年，智能體的數量可能是幾十倍的增長，但Token的消耗是數百萬倍的增長。
當所有的企業都在邁向OPC，試圖用Agent替代傳統人力時，算力的需求呈現出了指數級的暴漲。
這也直接導致了一個極其殘酷的現實：算力不僅不夠用，而且越來越貴。
舊卡變「廢鐵」，AI算力不止缺芯
IDC資料顯示，2025年到2030年我國智能算力和通用算力增速預期分別從46.2%上調到50.3%、從18.8%上調到27.7%。
中國智能算力規模2025年達1,371.1 EFLOPS，2026年預計增至2,576.5 EFLOPS、同比增長87.9%，2030年將達10,524.3 EFLOPS，2025—2030年複合增長率50.3%，較上一版本預測的46.2%顯著上調。同期，通用算力規模2025年為85.8 EFLOPS，2026年預計增至102.1 EFLOPS、同比增長19.0%，2030年將達291.2 EFLOPS，復合年均增長率27.7%，亦高於上一版本預測的18.8%。
既然需求這麼大，前兩年各地建了那麼多智算中心，囤了那麼多卡，難道派不上用場嗎？
答案是：錯配，嚴重的結構性錯配。
現實很殘酷——有GPU，絕不等於有適合智能體的算力。
過去兩年，大公司買的算力卡、各地建的智算中心，絕大多數面向「訓練」場景。
訓練追求的是算力的峰值，但Agent時代的「推理」場景，追求的是超大容量的上下文保存（KV Cache）、低時延和極高的吞吐量。
這就像你買了一支頂配的衝刺接力隊，現在卻要求他們去跑一場永無止境的馬拉松，而且還要邊跑邊解複雜的微積分。
此外，還有一些被淘汰下來的中低端算力卡，算力值本就不高，視訊記憶體容量更是可憐，根本存不下Agent動輒幾十萬Token的長鏈路記憶。除了給初學者測試練手，真正的商業價值幾乎為0。
既然存量資源存在「結構性錯配」，那直接砸錢，按需增加新供給、去買適合Agent的算力卡不就行了？
這正是目前行業面臨的第二個困境：物理世界的供給增速，根本追不上數字世界的需求增速。
儘管當下整個AI產業的算力投資力度空前，動輒百億千億，但供給擴張卻難以同步。
因為高端晶片、HBM（高頻寬記憶體）、伺服器CPU等核心部件的產能擴張周期，普遍遠遠長於人工智慧需求的爆發節奏。投資額的成倍增長，並不能在當下等比例轉化為真實的算力供給。
以Agent極度渴求的HBM為例，隨著Agent對長上下文記憶的要求越來越高，KV Cache 既吃容量又吃頻寬，記憶體成為關鍵瓶頸。
雖然記憶體大廠們都在瘋狂鎖定產能，但半導體產線的建設與擴容有著不可踰越的物理時間規律。 你今天砸下百億美金，新建一條先進封裝或記憶體產線到真正上線投產，也需要極其漫長的周期。
在當前的算力賽道上，有錢，你也買不到當下的時間。
更致命的是，能源約束正在讓這一供需矛盾雪上加霜。
資料中心的用電需求，正隨著智能體的規模化、7x24小時全天候運行而激增。
但電力供給受制於電網擴容與關鍵電力裝置交付的長周期。
一個智算中心可能幾個月就能封頂，但支撐它運轉的區域變電站和電網擴容，卻需要數年之久。電力擴容的節奏，已經顯著慢於算力建設的周期。
IDC預測，到2027年，全球AI算力需求滿足率將跌至71%的谷底，這意味著有近三成的算力需求根本得不到滿足。
算力供給錯配，疊加電力短缺等多種其他因素，全球AI行業或恐迎來智能體算力荒。
單卡稱王時代結束，Token新基建來了
既然Agent如此飢渴，我們該如何拯救算力荒？
答案是：徹底拋棄過去的「堆卡」思維，AI基礎設施正在經歷系統性重構。
智能體不再捲「峰值算力」，而是卷「持續的任務執行」，這就要求基礎設施的最佳化目標，必須從「單點性能最佳化」轉向「任務級系統協同最佳化」。
這一轉變，負載變了，焦點變了，採購變了，最後部署變了。
過去，GPU等算力階段性打短工，現在更多是具備長期穩定、高並行特徵的7x24小時「生產型負載」。
Agent時代AI基礎設施的競爭核心是「高效持續生產Token」，實現計算、記憶體、網路/資料中心、終端以及模型、調度和Token營運的全系統協同。
客戶的採購對象，正在從單純買伺服器、買GPU時長，升級為購買「模型能力與Token產出」。
跳出集中式的智算中心，雲-邊-端協同上陣，終端裝置正式成為Agent的運行節點。
為了適應這種重構，報告指出，未來的計算產業競爭將徹底裂變為兩條路線——「能力型智算」與「容量型智算」。
「能力型（Capability）智算」，生來就是為了捅破智能的「天花板」。
就像OpenAI用1萬個Agent破解數學難題一樣，依靠超節點、高速互連等系統級創新，提升算力承載超大模型和複雜任務的能力，不斷突破智能上限。
「容量型（Capacity）智算」，則是為了讓智能越來越便宜、豐富、易獲得。
通過多元算力協同、推理解耦、全鏈條效率提升，把Token產出效率拉滿，降低單位智能的成本，實現智能的規模化普惠供給。
圍繞這兩條路線，整個硬體生態都在發生系統級突變：
因此，AI基礎設施不再只是一個跑訓練或推理的鐵盒子，而是一座圍繞Agent開發、運行、治理的「全端智能工廠」。
程式碼開發、辦公智能體一騎絕塵，
傳統行業還要熬多久？
報告中的《各行業智能體落地成熟度與長期生產力影響分佈矩陣》，體現了一條深不見底的鴻溝。
在成熟度的最右端，Coding（程式碼開發）和Work（辦公任務）智能體遙遙領先，已經全面進入規模化應用。這很容易理解，程式碼世界的規則是百分之百數位化的，結果可驗證（跑得通就是跑得通，報錯了AI可以自己改）。
但在鴻溝的另一端，製造、醫療、能源、電力等實體行業，真正進入核心業務並形成完整閉環的比例，依然是尷尬的0%。
為什麼傳統行業落地這麼難？「試錯成本」與「結果驗證」。
你不能讓一個醫療Agent直接在病人身上試錯，然後再把結果反饋給模型去最佳化；你也不能讓一個製造Agent在沒有絕對安全保障的情況下，去接管一條價值上億的真實物理流水線。
但這並不意味著傳統行業沒有機會。
相反，IDC的報告指出，這些行業的「長期生產力重構潛力」恰恰是最大的 。因為它們具有極高的專業知識密度。一旦解決了數字孿生驗證、人機協同責任邊界等問題，Agent或將徹底顛覆這些行業。
「北杭深」霸榜前三，
行業大洗牌了
在這份報告中，最引人注目的莫過於2026年中國人工智慧算力城市排行榜的「大變局」。
北京穩居第一，杭州保持第二，而深圳，強勢殺入前三，上海暫居其後。
為什麼會發生這樣的排位變化？
核心原因在於，遊戲規則變了。
報告首次將「智能體應用落地」、「具身智能產業佈局」、「大模型開發及推理算力基礎設施建設」納入了核心評價指標。
深圳進入前三，正是因為它死死把握住了Agent爆發與具身智能的硬體結合機遇。
深圳是AI伺服器與算力晶片製造的重要基地，有著深厚的算力供給產業基礎。當AI從虛擬的螢幕裡走出來，進入工廠、進入實體機器人，深圳的算力供給側優勢瞬間被放大。
這給所有二三線城市提了個醒：未來的城市競爭，誰能提供最豐富的Agent落地場景（比如智能製造、智慧港口），誰就能在算力版圖上撕開一道裂口。
大洗牌：泡沫破裂前夜，誰在真正賺AI的錢？
面對如此海量的投入，一個避無可避的問題擺在所有人面前：企業真的賺到錢了嗎？AI算力會過剩嗎？
IDC副總裁周震剛給出了一個非常清醒的回答：「泡沫是存在的，但泡沫的出現不意味著市場沒有價值。」
目前的階段，就像當年早期的雲端運算大戰。
大家都在擴產、搶地盤。在這個「搶跑」階段，利潤大部分都流向了上游的算力卡，以及再上游的半導體廠商。
甚至一些Token服務商在「賠錢賣吆喝」，試圖「以時間換空間」，但這絕非長久之計。
目前爆火的AI短劇、一人公司OPC等，開始讓第一批人嘗到甜頭，但市場終將回歸商業本質，價格終將回歸價值。
終局將是Token的精細化營運。
Token供應商或將通過Token路由技術，根據具體業務需求，將請求動態分配至更匹配的模型和算力資源，在互動性與吞吐量之間實現動態平衡，從而提升資源利用效率和使用者體驗，提升Token服務的利潤空間。
泡沫破裂的那一天，不是AI的末日，而是洗牌的開始。 (新智元)