当算力成为“水电煤”，智能体时代的生产关系重构

今年3月，国家数据局公布的数据显示：中国日均Token调用量突破140万亿，而仅仅三个月后，这个数字已达到500万亿，相当于2025年同期的10倍。

Token消耗量的指数级暴涨背后，是智能体在金融、电力等行业以数百万级的规模部署，是日均Token消耗成为衡量企业智能化程度的新标尺。如华为中国政企业务副总裁郭振兴在中国算力大会上的演讲中指出，“当前AI已经告别概念演示，正式进入规模化产业落地阶段，算力成为AI时代第一生产要素，正在重塑千行百业生产关系。”

华为中国政企业务副总裁郭振兴

但同时，一个新的问题也随之浮出水面：中国在AI智能体探索的深度上已走在世界前列，但要将这种优势转化为千行百业的价值跃升，还需要做好哪些准备？

智能体时代，未来已来

2025年，微软、Google、Meta等头部厂商在AI数据中心上的投资接近千亿美元，全球头部互联网大厂的数据中心资本支出保持30%以上复合增长，这早已不是试探性投入，而是围绕新型生产资料的竞赛。乃至智库《AI 2027》的预测显示：2027 年将跨越 AI 技术奇点，算力将逐步替代劳动力，并有望推动中国 GDP 在 2028 年重新突破10% 的增速。

这一切的变化都告诉我们，人工智能正在经历一场从技术演示到规模化落地的转型，这一趋势已不可逆转。

培根在《新工具》中写道：“自然不能被征服，只能被顺从；而顺从自然的方式，就是理解它的规律。”

在AI的大势之中，显然驱动变革的核心规律，就是智能体能力的自我进化：从2024年初代智能体上线以来，AI智能体经历了从“手搓”到“自我演进”的进化过程。2026年，AI已经帮助研究人员实现2倍研发效率提升，90%的编码可以由AI完成，研发效率呈指数级增长。

也由此带来了三个标志性的变化：硬件层面，超节点成为行业共识，液冷和高密度部署从可选变为标配；应用层面，Token工厂兴起，Agent智能体成为Token消耗的主力军；产业层面，具身智能从实验室走向企业生产，机器人告别表演化，开始真正“能干活”。

这意味AI正在加速融入千行百业，并重塑物理世界的生产流程。

但这显然并不能一蹴而就，首先算力是驱动AI突破能力上限的第一要素，没有坚实的算力底座，一切应用创新都是空中楼阁。

其次是行业理解，AI 落地的难点不在通用模型，而在场景与数据，行业垂域模型、高价值数据集与业务流程的深度融合。

最后是生态协同，如果说算力是AI时代的“水电煤”，如何将强大的算力转化为千行百业的实际价值，关键在于构建一个完整的生态体系，才能形成推动AI规模化落地的合力。

释放AI新质生产力，要过三道难关

诺贝尔经济学奖得主罗伯特·索洛曾提出过一个“索洛悖论：“计算机时代无处不在，唯独在生产率统计中看不到。”它揭示了一个规律：技术被看见，不等于价值被兑现，从技能演示到生产力之间，其实隔着漫长的过程。

智能体从概念验证走向规模化落地却也并非易事，从“看得见”走到“用得上”，事实上也要迈过三道关卡。

第一道关是算力关。没有算力，一切应用创新都是无源之水。大模型的训练与推理正以指数级速度吞噬算力，而中国半导体制造工艺又面临长期挑战，算力供给无法依赖单点突破，必须依靠系统与架构层面的整体创新。那么，在既定条件下，如何持续获得可用的算力？这个方向其实已经明确，那就是走向超节点与集群化，用高效互联把成千上万颗芯片在逻辑上组成“一台计算机”。数据也显示，全球头部算力厂商2025年发货中超节点占比已超60%。

第二道是行业落地关。当AI使能的散点式应用已经不能满足客户要求，越来越多企业的AI系统建设开始从量变走向质变，同时公司业务流程发生了深刻变革，它们的关注重点由关注场景数量转变为关注场景效果。这一转变对AI服务商提出了严苛要求：不仅要提供技术能力，更要深入理解行业生产流程，找到AI技术的高价值切入口。

而行业落地的核心难题在于，通用模型无法直接解决行业特有问题，而行业垂域模型的开发又面临门槛高、周期长、数据稀缺的困境。让行业用户开发垂域模型不再复杂，将AI能力与客户的业务知识、数据资产有机结合，是解决这道难题的关键。

第三道关是生态关。算力是 AI 时代的水电煤，但任何单点技术都无法支撑系统性变革，模型、软件、数据、人才与行业伙伴，任何一环缺位都会拖慢智能化的速度。

如郭振兴所强调的，“要释放AI新质生产力，需要产品、生态、场景三驾马车齐头并进。”算力支撑应用，应用产生数据，数据反哺模型，模型提升应用，而生态则让AI的飞轮越转越快，唯有如此，AI新质生产力的释放才不只是口号，而是正在发生的现实。

千行百业的智能化跃升，华为的三点启示

“纸上得来终觉浅，绝知此事要躬行。”行业智能化跃升的关键，并不在实验室里，而在真正的行业产线上。当宝武钢铁把 120 多个 AI 应用铺进生产流程，当山东能源把 AI 开发周期从 3 个月压缩到 数 天，当海螺水泥完成100多条生产线烧成寻优，煤耗下降1%，华为的答案也已清晰可见。

以“芯片+系统+超节点/集群”的全栈协同持续上推性能曲线，以软件开放、硬件开源和原生适配把能力交给生态，然后让智能化在千行百业的“土地”上自己生长出来。

同时也带给行业三点启示。

第一，系统级创新是算力可持续的根本路径。华为坚持系统及架构创新，以超节点+集群打造坚实的算力根基，昇腾NPU以1年1迭代、2年1架构升级的节奏持续性能提升。同时，持续迭代昇腾超节点产品矩阵，从Atlas 900 A3 SuperPoD，到Atlas 950、再到面向万卡以上规模的超节点，覆盖不同档位算力需求，适配预训练、推理、边缘具身智能等多元场景，同时开放灵衢协议与超节点参考架构，共建开放产业生态。

第二，行业高价值场景的持续涌现，是AI价值释放的直接检验。郭振兴指出，“场景层面，AI已经从辅助办公深入企业核心生产流程，实现安全提效、能耗下降、成本优化，证明AI带来的不只是工具升级，更是生产关系的系统性重构，为客户与行业创造新价值。”同时，华为通过行业 AI 梦工厂，提供行业基础模型、高价值数据集与开发工具链，大幅降低创新门槛，让垂域模型孵化变得简单。而CANN、MindSpore 等基础软件的开源开放，则让伙伴在成熟底座上生长出自己的模型，让AI的价值快速落地场景。

第三，开放生态是价值持续释放的保证。目前昇腾已实现主流开源大模型0Day适配，华为联合行业伙伴打造行业方案，并依托“智能基座”项目培育AI复合型人才。当这套生态系统真正运转起来，价值便以场景的形式不断涌现。从宝武钢铁、山东能源，到海螺水泥再到国家电网，从高炉到矿井，从水泥窑到输电线路，AI融入的场景正一个接一个被点亮。

这些场景的共同点，是生产关系的改变，AI 不再是效率工具，而是与生产系统融为一体的新质生产力。“华为将持续坚持硬件开放、软件开源的战略，携手产业伙伴，以算力底座与繁荣生态赋能千行百业价值跃升。”郭振兴说。