中国工程院院士郑纬民：中国AI算力，真正缺的是什么？

发布时间：2026-07-23来源：腾讯科技

文丨李海伦

编辑丨徐青阳

中国的AI算力正在经历一个看似矛盾的时刻。

一边是大模型和智能体加速进入产业，Token消耗快速增长，高端算力依然供不应求；另一边，部分已经建成的算力资源却因为软件适配、供需对接和调度能力不足，未能得到充分利用。

这点在中国信通院2025年发布的《人工智能算力基础设施赋能研究报告》中也被提到：目前国内人工智能算力基础设施的利用负载差异较大，尤其是部分由地方政府或国资平台主导建设的智算设施，实际赋能价值仍有待提升。

这背后暴露出的，不仅是芯片数量的问题，还需要考虑更多复杂的因素，比如软件生态是否成熟，国产芯片能否适配真实业务，模型、知识和工具能否被有效组织，以及每一单位算力能够生产多少高质量Token（能够准确承载业务知识、形成可靠推理结果并产生实际业务价值的有效模型输入与输出，而非简单追求Token数量增长），都在重新决定中国AI基础设施的效率。

在中国工程院院士、海致科技首席科学家郑纬民看来，中国AI算力正处在关键转型期。高端算力短缺只是表层矛盾，更深层的挑战在于，如何依靠基础软件、图计算和全栈生态，盘活现有算力资源；又如何推动基础设施从提供模型，进一步走向提供可调度、可执行的智能生产能力。

在2026世界人工智能大会（WAIC）期间，围绕国产算力的结构性矛盾、主权AI生态、算力基础设施等方面，郑纬民院士和媒体们进行了交流。

中国工程院院士、海致科技首席科学家郑纬民

以下为交流实录：

问：当前中国AI算力基础设施的整体水平处于什么阶段？您提到“高端算力供不应求，中低端算力供过于求”，这种结构性矛盾应该如何解决？

郑纬民：当前，中国AI算力基础设施正处于关键转型期，面临明显的结构性矛盾。

坦率地说，美国对我国高端AI芯片的出口管制，是国内高端智能算力供不应求的直接原因。

而另一方面，国产中低端算力市场之所以“供过于求”，核心症结在于软件生态尚不成熟，导致大量硬件资源难以被高效调动。

在高端算力紧缺的当下，我们一方面要稳步推进国产替代和硬件扩容，另一方面必须依靠自主可控的“基础软件”来盘活现有的算力资源，把中低端的算力也高效利用起来。

在高端算力紧缺的情况下，一方面要稳步推进国产替代和硬件扩容；另一方面，也必须依靠自主可控的基础软件，盘活现有算力资源，提高中低端算力的利用效率。

这就涉及到一个关键的底层技术——高性能图计算。

当前，大模型在企业级场景落地时普遍面临幻觉和不可控问题，需要通过一套软件系统对模型、知识、工具和业务流程进行组织和约束，也就是AI Harness，或者说“驾驭工程”。通过这样的系统，可以用更少的算力完成更加精准的任务。

这也是为什么我一直倡导“做有用的科研”，比如我们团队与海致科技共同打造的院士专家工作站，就是在这个方向上深耕，要把实验室的技术变成国家真正用得上的产品。

Q：您提出主权AI三大支柱——“算力自主、算法自强、生态自立”。当前这三者“木桶效应”最明显的短板是什么？国产芯片从“能跑”到“愿意用”，最关键的突破口在哪里？

郑纬民：当前最明显的短板是“生态自立”。

算力自主是物理底座，算法自强是核心引擎，但生态自立决定了这套体系能否真正落地生根。国产芯片要跨越从“能跑”到“愿意用”的鸿沟，急需成熟的“全栈国产化解决方案”。只有让国产芯片在真实的、复杂的产业场景中跑起来，生态才能真正自立。

因此，必须理清从技术方到最终用户（如公共服务和安全、银行等）的需求链条，合理配置技术人才，以底层技术为基础，追求极致的性价比和效率。这种“国产算力底座 + 顶尖产业AI落地能力”的生态组合，正是推动国产算力生态自立自强的关键突破口。

Q：您提出“从MaaS走向TaaS（Token即服务）”，Token已成为AI时代“新石油”。中国Token消耗两年增长千倍，现有基础设施为何“产不出”足够Token？TaaS对算力基础设施提出了哪些新要求？

郑纬民：从MaaS（Model as a Service）走向TaaS（Token as a Service），是人工智能基础设施发展的重要演进方向。

过去，MaaS主要解决模型能力的供给问题，而随着大模型进入规模化应用阶段，未来竞争的核心将逐步转向高质量Token的高效生成、组织和利用能力。

我们需要认识到，Token能力的提升并不只是依赖算力规模的扩张，更取决于计算体系、数据体系、知识体系与应用体系之间的协同优化，实现从计算资源到智能能力的有效转化。

从技术路径看，TaaS 的发展需要同步攻克两大核心难题：一方面，提升大模型推理与服务全链路的资源利用效率，搭建面向 Token 生成的新型计算基础设施；另一方面，需打通 Token 服务底座、垂直行业知识库与全链路业务流程，形成从基础 Token 算力单元到可落地、可调度智能执行能力的完整闭环。

从整体发展趋势来看，TaaS需要构建计算基础设施、知识基础设施与智能执行基础设施协同演进的技术体系，推动人工智能由以模型能力供给为核心，逐步向面向行业场景的智能生产能力供给演进。

问：您一直倡导“做有用的科研”，在当前国产基础软件面临“卡脖子”的背景下，这种产学研深度融合的科研平台，对于打通从“实验室”到“生产线”的最后一公里，具有怎样的战略意义？

郑纬民：产学研深度融合最重要的机制突破，是打破高校“发论文”与企业“做产品”之间的壁垒，建立长期、深度的协同机制。

在基础软件领域，高校具有前沿理论和技术研究能力，企业则具备真实应用场景和工程化经验，两者缺一不可。

高校和科研院所在理论研究方面具有优势，但学术界有时并不了解市场到底需要什么，也不熟悉具体的业务场景。企业长期服务客户，更清楚实际需求以及技术落地过程中面临的问题。

将二者结合，一方面可以让高校的研究更有针对性，另一方面也能够提高企业技术和产品的实际价值。

再拿刚提到的海致科技举例，2021年，我们成立了高性能图计算院士专家工作站，将高校科研力量与企业产业实践结合起来。

2023年，双方共同推进了国产分布式图数据库AtlasGraph的研发，推动相关技术从底层基础软件向上层AI应用延伸。