财联社7月3日讯（记者郭松峤）2026全球数字经济大会在北京举行，算力基建成为本届大会热词。

　　在同期举行的2026数字经济产业博览会上密集展示的背后，财联社记者采访多位参会人士获悉，目前算力市场正面临供需结构性失衡。

　　记者注意到，结合各地投资项目在线审批监管平台公示信息，上半年多地密集上马算力中心项目，政策与资金持续加码。然而，与各地如火如荼的算力建设形成鲜明对比的是，我国算力市场正呈现“一边不足、一边闲置”的结构性矛盾。

　　市场“如饥似渴”，各地加码算力布局

　　人工智能爆发式增长，对算力需求正呈现出指数级攀升。

　　财联社记者梳理各地投资项目在线审批监管平台观察，上半年，就有众多算力中心项目办理结果公示。比如，中国电信长三角国家枢纽嘉兴算力中心项目一期；中国联通浙江临平算力中心新建一期工程；博浩海门算力中心、苏州吴江算力调度中心等。

　　这背后，是各地政府通过提供政策扶持、资金补贴、能耗指标倾斜等方式加码算力投资。

　　在政策层面，上半年包括浙江、山西、湖北、湖南等出台的相关政策涉及算力产业发展，涵盖了设施建设、产业生态培育等多个方面。

　　武汉市数据局近期透露，武汉正加快建设全国一体化算力网枢纽节点，目前已建成8个智算中心、1个超算中心，初步形成“通算+智算+超算+边缘算力”四算供给体系，高性能算力规模接近6000P。星火众达、武汉联通等15个算力重大项目正加快推进，力争今年底全市可用算力规模达1.5万P。

　　各地加码算力产业项目表明我国算力市场的需求仍在不断涌现、市场规模持续扩大。IDC（国际数据公司）数据显示，预计到2027年，中国智能算力规模将达到1117.4EFLOPS（基于FP16计算）。

　　此外，国家数据局明确了下一步将聚焦“东数西算”工程、一体化算力网监测调度、算电协同、边缘算力建设四大方向，为人工智能高速发展筑牢底座。

　　不过，财联社记者了解到，与各地如火如荼的算力建设形成鲜明对比的是，我国正在面临日益严峻的算力供需结构性失衡。

　　从需求端来看，目前不少中小企业对算力“如饥似渴”。

　　“每个月的算力成本已成为公司最大规模的单项支出之一。即便如此，我们依然感到‘饥渴’，尤其是高端训练芯片的稳定供应和获取能力，是目前制约我们发展的最大瓶颈之一。”天津一家公司市场部工作人员对记者表示。

　　“算力资源分散、标准不统一、跨区域调度机制不完善”

　　然而在此情景的另一面，部分算力资源却因种种原因未能得到有效利用，处于闲置状态。

　　一位智能算力行业上市公司人士对财联社记者透露，他所在的东部某地千卡规模的智算中心上架率不足50%，已上架的服务器，实际利用率不足40%。

　　谈及原因，他表示，当地在算力建设规划时缺乏统一协调和科学论证，未能充分考虑市场需求的结构性差异，导致资源错配。

　　事实上，从供给量来看，我国算力供给相对“充足”。

　　据国家数据局最新发布的《数字中国发展报告（2025年）》显示，截至2025年底，我国在用算力设施机架数已超过1373万标准机架，智能算力规模达到159万 PFlops。

　　同时，IDC的报告指出，中国智能算力需求年增速超30%，但供给却集中在通用算力领域，导致“一边不足、一边闲置”的结构性矛盾异常突出。

　　此外，全国近六成算力资源集中在东部热点区域，与西部资源富集地形成地理上的“供需鸿沟”，进一步加剧了调度难题。

　　一位一线算力服务商对记者坦言，根据长期的服务经验发现，不少企业自建集群的平均利用率往往低于30%，部分甚至仅达百分之十几，这与规划时假设的100%利用率相去甚远，实际成本支出高出约一个数量级。

　　结构性错配亦是当前行业人士普遍的看法。

　　华中科技大学教授、北京亦庄人工智能研究院执行院长房超对财联社记者表示，规划层面，早期建设偏重传统数据中心，未充分预见AI算力需求爆发，存在结构性错配问题；市场机制层面，算力资源分散、标准不统一、跨区域调度机制不完善，导致已有算力难以高效利用。

　　“这种矛盾的根源是多方面的，既包括算力需求高速增长与迭代，底层算力硬件正处于新老交替之际，导致市场出现供需不匹配的技术问题；还涉及部分数据中心卖方对建设和运营智算中心认知有限，以及买方对自身算力需求认知不充分，导致数据中心利用率不理想的市场机制问题。”方融科技高级工程师周迪对财联社记者分析。

　　把“沉默的算力”用起来

　　财联社记者此次数字经济大会采访中了解到，面对当前算力资源存在的“结构性错配”问题，算力服务商与上市公司正从技术架构、商业模式与资源调度等多个维度积极破局。

　　一位算力服务商在接受记者采访时表示，目前公司推出按需构建算力资源的创新模式，通过算力租赁服务，使用户能够灵活依据业务需求获取弹性计算资源，高效应对大规模计算任务。用户仅需根据实际使用的计算量和计算时间进行付费，可以显著降低运营成本。该模式广泛适用于各类具有大规模计算需求的场景，助力用户轻松实现高效算力支撑。

　　另一位提供专业算力服务的上市公司人士对记者表示，在底层，公司运用分布式资源池化技术，将散落于全国不同区域、不同类型的超算中心、智算中心的算力资源整合为一个有机整体。

　　“举例来说，通过这一技术，将业务阶段性不饱和（项目间歇期） 产生的闲置算力，与急需算力完成紧急科研计算任务的需求相连接，大幅减少了资源闲置，提升了算力调用效率。”该上市公司人士说。

　　财联社在采访中也了解到，算力的使用者——大模型企业也在积极破局。

　　该大模型公司技术部负责人对记者表示，针对业务中偶发的短期集中大算力场景（如模型训练冲刺、数据批量处理等），公司摒弃了全自建的重资产模式，转而采用自有算力 + 云端租用的混合算力架构。通过与头部云服务商建立弹性合作机制，可根据实时算力需求动态调用云端资源，既避免了为应对峰值而过度采购硬件导致的资源闲置与成本浪费，又能快速响应短期算力激增需求，保障业务高效推进。