从算力规模到智能供给，AI计算正在经历什么（AICC2026人工智能计算大会）

变化——Agent 来了，计算对象变了

　　在去年以前，行业主流还是对话式AI，大家问一个问题得到一个回答，对Token速度、上下文长度的感知并不强烈。但智能体不一样，它能理解目标、制订计划、调用工具，甚至可以多轮迭代、连续工作几天几夜，相当于‘聪明的大脑长出了灵活的四肢’，这让AI对算力系统的要求发生了本质变化。

　　过去基础设施主要服务一次模型调用，现在一次Agent任务可能包含规划、多轮推理、工具调用、记忆、校验和重试，并从偶发请求走向持续在线。变化不只是“需要更多算力”，而是负载变长、并发增加、时延层层累积，系统还必须可恢复、可观测、可承担成本。

　　这一变化被概括为两个演进方向：能力型智算（Capability AI Compute），支撑突破智能上限；容量型智算（Capacity AI Compute），实现智能充分供给。计算系统需要以大模型和Agent负载为牵引，统筹算子、内存、互连与整机系统，从局部优化走向端到端协同。

任务——能力型与容量型双轨供给

　　能力型智算面向智能前沿，回答的是“智能究竟可以有多强”。它让AI参与科学发现和复杂工程创新。大模型依靠数据和算力驱动取得了显著突破，但面向更高阶智能，仅靠规模扩展仍面临持续学习、抽象推理和未知环境适应等挑战。未来机器智能需要进一步形成可持续、可泛化、可迁移的学习能力，并借鉴人脑记忆、联想等机制，探索面向小样本强推理的机器记忆智能新路径。

　　面对大模型算力需求快速增长以及传统芯片在面积、带宽等方面的约束，AI算力芯片创新不能只依赖既有技术路径，还需要从新器件、新架构和新计算范式中寻找突破。忆阻器存算一体通过重构计算与存储的关系，减少数据搬移，并通过器件、工艺、电路、架构与软件协同，为高算力芯片发展探索新的技术路径。

　　容量型智算面向智能普及，回答“我们究竟能够拥有多少智能”。它让高水平智能越来越便宜、越来越丰富，让个人可以调用多个 Agent，中小企业也能获得过去难以长期配置的专业能力。随着智能体数量增加、任务复杂度提升以及运行时间不断延长，Token 需求将持续增长。未来仅仅增加 GPU 数量并不能解决全部问题，提高单位计算资源能够产生多少有效 Token、完成多少实际任务，将成为智能规模化供给的重要问题。

　　每一次新的智能能力出现时，往往首先是昂贵而稀缺的；随着算法进步、系统优化和工程成熟，这些能力会逐步以更低成本进入更多行业、企业和个人。反过来，更大规模的智能普及，也会产生新的应用、新的数据和新的需求，推动下一轮Capability突破。二者形成“突破智能上限—降低使用成本—扩大智能应用—产生新的需求—推动下一轮智能突破”的持续循环。

路径——系统创新和开放协同实现

　　无论是能力型还是容量型智算，仅靠单一芯片、单一企业或单一技术路线都难以完成。中国人工智能产业的一个重要特点，是芯片、模型、框架、系统和应用路线多元并存。

　　AI负载不会收敛，计算架构也不会只剩一种。硬件创新要转化为可用算力，需要共享的软件生态支撑。通过统一编译器、算子、通信和训推框架等能力，可降低多元芯片的重复适配成本。

　　Chiplet的价值不只是突破单芯片集成边界，更在于面向工作负载重新组织计算、存储和互连资源。系统瓶颈正在从单纯算力扩展到带宽、访存和通信等环节，架构设计需要根据模型特征、并发需求和时延成本目标进行选择，通过3D集成、近存计算等路径提升整体计算效率。

　　Agent时代的推理优化正在从单点算子加速走向系统协同。通过统一Kernel接口衔接不同硬件与实现路径，并将Kernel与调度、缓存、模型执行共同设计和验证，可提升多元硬件环境下的推理效率；同时引入Agent参与算子生成、调优和验证，加快底层优化迭代。

智能体发展预测数据

　　从“拥有多少算力”走向“能够生产和供给多少智能”，不仅意味着计算产业评价方式的变化，也将直接影响人工智能能否以更低门槛进入千行百业，让先进智能能力从少数机构拥有的技术资源，逐步成为更加广泛可用的生产力。