本文來自微信公眾號： 青萍見 ，作者：shushuhn

2026年7月20日，中央網(wǎng)絡(luò)安全和信息化委員會印發(fā)《深化互聯(lián)網(wǎng)協(xié)議第六版（IPv6）技術(shù)創(chuàng)新和融合應(yīng)用實施方案（2026—2030年）》。

同一天，工信部在發(fā)布會上披露，下一步將印發(fā)《算力標(biāo)準(zhǔn)體系建設(shè)指南》——該文件的前身是2025年10月發(fā)布的征求意見稿，當(dāng)前正加快推進正式版落地。兩份信號在同一日釋放，一份指向網(wǎng)絡(luò)底座的長期升級，一份指向市場秩序的規(guī)則建立。

市場端則是另一番景象：國內(nèi)首座全鏈路國產(chǎn)十萬卡AI超集群在鄭州落成；內(nèi)蒙一座已投產(chǎn)的智算園區(qū)綜合算力利用率不足五成（以機柜上架率統(tǒng)計，若按GPU有效計算時長占比，該數(shù)值可能更低）；算力租賃價格高企，存儲、先進制程和先進封裝產(chǎn)能層層吃緊。

一上一下，構(gòu)成了當(dāng)前中國AI基建的橫截面。

貫穿全文的一條隱線是時間尺度的錯配：IPv6的五年規(guī)劃與AI產(chǎn)業(yè)的季度迭代，遵循完全不同的時鐘。政策層以五年為單位規(guī)劃路，產(chǎn)業(yè)層以月為單位消耗油——這種周期錯配，是所有矛盾的根源。

一、IPv6在鋪什么路？

我國IPv6規(guī)模部署自2017年啟動，2021年進入規(guī)模部署階段，本次《實施方案》是深化階段文件——目標(biāo)不是從零修路，而是把已修好的路升級為智能高速。

對AI產(chǎn)業(yè)而言，IPv6解決的是一個基礎(chǔ)技術(shù)問題：算力網(wǎng)絡(luò)需要統(tǒng)一的編址與調(diào)度底座。大量存量網(wǎng)絡(luò)仍基于IPv4，無法實現(xiàn)跨層級、跨地域的統(tǒng)一編址與端到端調(diào)度?；贗Pv6演進的SRv6技術(shù)，正試圖通過算力感知路由和業(yè)務(wù)鏈編排，將邊緣、區(qū)域、樞紐三級節(jié)點串聯(lián)為邏輯統(tǒng)一的算力網(wǎng)絡(luò)。

但這條路解決的是能不能通的技術(shù)可能性，而非跑不跑得起的成本問題——后者需要靠油和交規(guī)來回答。

二、算力在缺什么油？

產(chǎn)業(yè)層面對的是另一道題。十萬卡集群中，制約大模型訓(xùn)練效率的往往不是算力芯片本身的計算能力，而是顯存帶寬（HBM）導(dǎo)致的內(nèi)存墻效應(yīng)。GPU大量時間在等數(shù)據(jù)，而非算數(shù)據(jù)。

以昇騰910B與英偉達H200對比：910B顯存64GB、帶寬1.6TB/s，H200為141GB、帶寬4.8TB/s，差距約2倍。國產(chǎn)芯片集群訓(xùn)練時間拉長，單卡算力差距之外，HBM容量和帶寬的代差是更隱蔽的核心瓶頸。集群效率的短板不僅來自單卡算力和顯存，多機高速互聯(lián)帶寬（HCCL vs NVLink）、光模塊、高速交換機、液冷配套構(gòu)成整條供應(yīng)鏈約束。

科大訊飛管理層在業(yè)績會上坦言：在昇騰910B上訓(xùn)練大模型，因顯存和帶寬限制，訓(xùn)練效率從開箱狀態(tài)的30%，經(jīng)深度調(diào)優(yōu)后提升至84%和93%。實驗數(shù)據(jù)顯示，在特定測試環(huán)境和框架下，昇騰910B在通用NLP任務(wù)中可達A800的約85%-90%，在復(fù)雜領(lǐng)域微調(diào)任務(wù)中降至50%-60%。以上數(shù)據(jù)受測試框架、精度模式、集群互聯(lián)方案影響顯著，不代表全場景性能結(jié)論。

內(nèi)蒙智算中心利用率不足的完整誘因包括：訓(xùn)練/推理需求分化導(dǎo)致時延不匹配、跨省數(shù)據(jù)合規(guī)顧慮、算力平臺缺少標(biāo)準(zhǔn)化交易體系、西部本地AI產(chǎn)業(yè)薄弱、地方政績驅(qū)動上馬項目。多重因素疊加，才構(gòu)成西部曬太陽、東部買不到的結(jié)構(gòu)性割裂。

算力結(jié)構(gòu)性緊缺并非中國獨有。據(jù)中國信通院《中國算力發(fā)展研究報告（2026年）》及IDC數(shù)據(jù)，截至2025年底，中美智能算力規(guī)模（FP16理論峰值口徑，不含邊緣算力）差距約2倍。需要說明的是，理論峰值指硬件標(biāo)稱算力上限，未計入實際集群利用率、軟件棧效率、互聯(lián)損耗等因素——若以有效算力衡量，實際可用差距可能更大。

美國Meta將2026年全年資本開支（CapEx）指引上調(diào)至1250億至1450億美元，資金向AI基礎(chǔ)設(shè)施傾斜，但該數(shù)字為包含元宇宙、社交基礎(chǔ)設(shè)施在內(nèi)的集團整體資本開支上限，并非全部用于GPU采購。多家市場機構(gòu)據(jù)此預(yù)估其高端GPU部署規(guī)模將大幅擴張。海外依靠單一芯片生態(tài)短期調(diào)度更順暢，但也承受供應(yīng)鏈風(fēng)險與定價權(quán)外溢的代價。

數(shù)據(jù)中心用電量預(yù)計從2024年1660億千瓦時增至2030年3000億至7000億千瓦時，能耗指標(biāo)已是比網(wǎng)絡(luò)時延更前置的硬約束。美國對華高端GPU出口禁令、EDA工具限制、先進制程封鎖，共同構(gòu)成國產(chǎn)芯片追趕的外部硬約束。國產(chǎn)化是戰(zhàn)略必選項，而非純商業(yè)選擇。

三、油還不夠，交規(guī)也沒到位

如果把網(wǎng)絡(luò)底座比作路，芯片和電力是油，那么當(dāng)前缺的不僅是油，還有一套讓車在跨省道路上順暢行駛的交規(guī)。

這里有兩條紅線需要區(qū)分：IPv6和SRv6解決的是算力調(diào)度的技術(shù)可行性——能不能把東西部的算力在協(xié)議層連接起來。但跨省稅收留存、GDP核算、能耗指標(biāo)分?jǐn)?、?shù)據(jù)跨域流通規(guī)則，解決的是算力調(diào)度的制度可行性——體制機制允不允許算力順暢流動。

東數(shù)西算的理想模型是東部推理、西部訓(xùn)練，但跨省綠電交易機制不健全、碳排放指標(biāo)不單列，導(dǎo)致西部綠電無法高效輸向東部數(shù)據(jù)中心。即便網(wǎng)絡(luò)時延達標(biāo)，數(shù)據(jù)屬地和行業(yè)監(jiān)管要求——很多東部實時推理業(yè)務(wù)的數(shù)據(jù)不允許出省，西部算力從根源上無法承接——這是比網(wǎng)絡(luò)時延更前置的門檻。

路、油、交規(guī)三者并非獨立并行，而是層層牽制的關(guān)系：交規(guī)打通后，若無充足的算力油，調(diào)度平臺無貨可調(diào)；大量算力油投產(chǎn)，若缺少統(tǒng)一網(wǎng)絡(luò)路和流通交規(guī)，依然會持續(xù)區(qū)域錯配。

時間尺度上的錯配進一步放大了這種牽制效應(yīng)。某AI企業(yè)在季度財報壓力下需要立即擴充推理算力，但一座新建智算集群從立項到投產(chǎn)需12至18個月，IPv6的SRv6網(wǎng)絡(luò)升級規(guī)劃按年度推進，跨省調(diào)度機制涉及多部門協(xié)商周期更長——產(chǎn)業(yè)端以月為單位決策，基建端以年為單位交付，兩者之間沒有中間緩沖層，這是節(jié)奏錯配最具體的傷害路徑。

與此同時，物理層面的微觀交規(guī)也在迭代：單機柜功率從傳統(tǒng)6-8kW攀升至AI集群普遍的30kW乃至50kW以上，傳統(tǒng)風(fēng)冷方案逐漸觸達性能天花板，液冷（冷板式、浸沒式）正在成為新建智算中心的隱性準(zhǔn)入門檻。這套硬件層面的新標(biāo)準(zhǔn)，也在加速淘汰一批能耗偏高、密度不足的老舊算力集群。

四、算力通脹會形成壟斷嗎？

答案是：結(jié)構(gòu)性分化已經(jīng)形成，且這種分層格局在短期內(nèi)趨于固化。

第一層，萬億參數(shù)級大模型預(yù)訓(xùn)練。中國最強模型約1.6萬億參數(shù)（MoE架構(gòu)，激活參數(shù)量遠(yuǎn)小于總參數(shù)量，與海外Dense或MoE模型直接對比總參數(shù)量不具備嚴(yán)格數(shù)學(xué)可比性），海外前沿模型總參數(shù)已進入十萬億級別。這一層是巨頭游戲，且短期內(nèi)看不到松動跡象。

第二層，行業(yè)大模型微調(diào)與中等規(guī)模訓(xùn)練。門檻持續(xù)下降。模型蒸餾、開源生態(tài)、輕量化技術(shù)正在降低算力消耗，但企業(yè)仍需承擔(dān)相當(dāng)?shù)乃懔Τ杀尽?/p>

第三層，高并發(fā)、低時延商業(yè)推理。優(yōu)質(zhì)算力依舊緊缺，輕量化離線推理門檻相對較低。

為驗證普惠算力是否具備真實的商業(yè)履約能力，可以觀察一種新興模式：市場上出現(xiàn)了一些異構(gòu)算力交易平臺，宣稱可降本30%以上。但中小企業(yè)使用便宜的異構(gòu)算力，往往需承擔(dān)高昂的算子適配、代碼重構(gòu)和調(diào)試成本。昇騰上適配一套模型需額外3至6個月。如果省下的租金抵不上工程師的適配工資，普惠就是偽命題。真正的普惠不僅是買得便宜，更是用得平滑。

算力壟斷的答案是：高端訓(xùn)練算力的壟斷格局已經(jīng)固化，短期內(nèi)不可逆；推理側(cè)正在分化，但優(yōu)質(zhì)實時推理算力依然稀缺。中小企業(yè)從推理側(cè)向訓(xùn)練側(cè)滲透的可能性極低——訓(xùn)練算力的規(guī)模效應(yīng)構(gòu)成結(jié)構(gòu)性壁壘：萬卡級集群的邊際成本遠(yuǎn)低于千卡級，巨頭在單位算力成本上具備持續(xù)擴大的優(yōu)勢，且數(shù)據(jù)規(guī)模與模型迭代速度形成正反饋閉環(huán)。行業(yè)洗牌不會改變這一底層結(jié)構(gòu)。

五、交規(guī)能定到什么程度？

當(dāng)前算力租賃市場的深層問題，不僅是算力不夠或算力放錯了地方，更是行業(yè)缺乏統(tǒng)一的計量與定價參照。異構(gòu)芯片之間不存在通用換算標(biāo)準(zhǔn)，這才是堵車的重要內(nèi)因。

《算力標(biāo)準(zhǔn)體系建設(shè)指南》試圖解決的是服務(wù)評估與交易結(jié)算層面的標(biāo)準(zhǔn)化問題，但需冷靜看待標(biāo)準(zhǔn)的邊界。異構(gòu)芯片架構(gòu)完全不同，強制推行統(tǒng)一的算力度量衡會觸及各廠商的商業(yè)護城河與生態(tài)壁壘。統(tǒng)一換算標(biāo)準(zhǔn)不僅是技術(shù)問題，更是產(chǎn)業(yè)鏈多方商業(yè)博弈。標(biāo)準(zhǔn)在短期內(nèi)只能停留在服務(wù)評估和交易結(jié)算層面，底層硬件的無縫互換仍需依賴類似CUDA的中間件生態(tài)——而這正是國產(chǎn)芯片當(dāng)前最缺的軟實力。而生態(tài)的本質(zhì)是開發(fā)者習(xí)慣，國產(chǎn)芯片最缺的不僅是底層編譯器，更是百萬級習(xí)慣了海外生態(tài)的AI工程師。

一個更根本的制衡邏輯值得重視：算力供給擴容，會進一步推動大模型迭代、智能體普及與AI應(yīng)用爆發(fā)，最終使得算力需求增速持續(xù)跑贏產(chǎn)能建設(shè)速度。即便路、油、交規(guī)全部理順，算力絕對缺口會有所緩和，但結(jié)構(gòu)性緊缺仍將長期存在，只是矛盾表現(xiàn)形式發(fā)生轉(zhuǎn)換。

六、誰能先跑通？

2026年7月20日，兩份政策信號同日釋放——一份升級路，一份加速推進交規(guī)。而油的供應(yīng)——芯片產(chǎn)能、HBM、電力配套、高速互聯(lián)——正在由市場、地方政府和云廠商共同博弈。

這里需要區(qū)分兩套算力體系：全國一體化算力調(diào)度平臺主要面向各地國資智算中心；頭部云廠商和民營算力集群屬于市場化主體，自愿接入調(diào)度平臺的意愿有限。即便交規(guī)完善，民營商業(yè)算力是否愿意納入統(tǒng)一調(diào)度，仍存在巨大的博弈空間——并非全社會算力可以自由流轉(zhuǎn)。

這兩套體系推進算力調(diào)度的邏輯完全不同。國資算力平臺的優(yōu)勢在于政策執(zhí)行力強、可承擔(dān)跨省調(diào)度的制度性成本，但運營效率和市場化定價能力偏弱；大型科技企業(yè)的優(yōu)勢在于技術(shù)積累和商業(yè)化敏捷度，但缺乏將自身算力資源納入公共調(diào)度體系的商業(yè)動力。兩種主體各有利弊，孰為主導(dǎo)，將取決于政策設(shè)計能否在公共性與市場化之間找到平衡。

三件事的推進節(jié)奏差異巨大，且存在結(jié)構(gòu)性錯位：《算力標(biāo)準(zhǔn)體系建設(shè)指南》推進相對最快，但落地仍需多方博弈；跨省調(diào)度機制涉及利益博弈，落地緩慢；國產(chǎn)芯片受制于先進制程、HBM、EDA工具等卡脖子環(huán)節(jié)，短期難以突破。

更深一層的制度根源：地方同質(zhì)化建設(shè)智算園區(qū)的沖動，源于能耗指標(biāo)屬地化管理、數(shù)字經(jīng)濟考核偏重機柜建設(shè)規(guī)模，缺乏算力利用率、產(chǎn)業(yè)落地成效等后置硬性考核指標(biāo)。政策信號要轉(zhuǎn)化為有效供給，還需考核機制的配套改革。

中國AI基建的終局，表面上是路、油、交規(guī)的賽跑，本質(zhì)上是一場生態(tài)突圍戰(zhàn)。無論是IPv6的演進、國產(chǎn)芯片的迭代，還是算力標(biāo)準(zhǔn)的統(tǒng)一，最終都要回答一個問題：我們能否在脫離海外單一生態(tài)依賴的前提下，建立起一套自洽、高效、具備商業(yè)閉環(huán)的中國AI底座？

算力的結(jié)構(gòu)性緊缺是全球AI爆發(fā)的共性挑戰(zhàn)，而非中國獨有的布局問題。歐美同樣面臨算力分布不均、電價上漲、集群建設(shè)周期漫長的難題；海外依靠CUDA生態(tài)的便利，代價是算力供給高度集中于單一廠商，長期存在供應(yīng)鏈風(fēng)險。

真正拉開差距的，不是誰先建起更多集群，而是誰能在路升級、油補齊、交規(guī)理順的三重節(jié)奏中，率先跑通那個從拼卡的數(shù)量到拼Token的產(chǎn)出成本的轉(zhuǎn)型。

在算力緊缺的上行周期，囤積硬件資源的短期商業(yè)回報經(jīng)常高于長期投入算力調(diào)度和算法優(yōu)化的收益。原因在于：算力緊缺周期中，囤積硬件可在短期內(nèi)獲得確定性回報（租賃溢價），而投入算力調(diào)度優(yōu)化和算法效率提升則需要長期研發(fā)投入且回報路徑不確定。企業(yè)作為理性經(jīng)濟主體，天然傾向于前者。若不借助政策工具改變相對價格，這種激勵扭曲將持續(xù)存在。

這場轉(zhuǎn)型，注定不會靠市場自發(fā)完成。它必須依靠前述交規(guī)的強制糾偏——算力券補貼、標(biāo)準(zhǔn)化交易結(jié)算、能耗指標(biāo)傾斜、考核機制調(diào)整——才能將市場的短期套利沖動，引導(dǎo)向長期的生態(tài)建設(shè)。

既然市場自發(fā)缺乏動力，那么推動算力精細(xì)化調(diào)度、提升資源利用率的主體，究竟是政策引導(dǎo)下的國資算力平臺，還是具備長期投入能力的大型科技企業(yè)？

這個問題的答案，將決定對齊之日何時到來。