中国AI竞赛转向智能体规模化：大模型之外，比的是谁跑得更稳、更省

中国AI产业正在进入一个更看重“落地运营”的阶段：基础模型不再只是回答问题，而是被接入软件、通信、制造和消费服务流程，成为能够检索信息、调用工具、执行多步任务并核验结果的智能体。

这意味着，竞争不只是谁能训练出参数更多、榜单更靠前的大模型，更是谁能把智能体长期、稳定且低成本地运行在真实业务中。

推理需求，或将成为算力市场主力

中国电信研究院的预测显示，到2029年，推理有望占中国算力市场的80%，超过模型训练相关需求；未来两三年，智能体可能带动算力需求接近每年10倍增长。59

所谓推理，是训练完成的模型接收提示、生成回答或执行任务步骤时所消耗的计算。与一次问答相比，智能体的工作量通常更大：它可能反复查找资料、读取业务数据、调用软件工具、执行多个步骤、检查结果，必要时再重试。每一步都需要算力，也会增加网络、存储、权限管理和运维复杂度。

同一研究体系预计，中国年度Token消耗量将在2026年达到100千万亿，并在2030年超过35万万亿。这些都是预测而非既成事实，但它们说明：未来持续提供模型服务的能力，可能与训练模型本身同样重要。6

智能体改变了AI的成本账

训练前沿模型，往往是一笔集中发生的大型基础设施投入；部署智能体，则是一项持续运行的服务业务。模型推理、数据检索、网络传输、存储、监控，以及高风险情形下的人工复核或升级处置，都会不断产生成本。

因此，决定智能体商业价值的，不能只看模型基准测试成绩，而要看它是否能以合理成本、可接受的响应速度和足够的可靠性完成一项任务。一个“能力很强”但运行太贵、等待太久，或无法安全接入企业系统的智能体，并不一定能成为可用产品。

企业和服务提供商接下来的重点，预计将包括：

• 为任务选择足够胜任的较小模型，而不是一味调用最大模型；
• 将任务分配给合适的模型或软件工具；
• 通过缓存与更高效的服务机制减少重复计算；
• 让智能体连接可信、面向具体任务的数据；
• 不只测试模型回答，也测试工具调用和端到端工作流；
• 持续监控故障、访问权限与审计记录；
• 在高风险判断或操作节点保留人工干预机制。

这并不意味着前沿模型训练不再重要。训练能力仍关系到技术能力、自主性和先进模型的获取。不过，当可用模型日益普及，低成本、可靠的推理服务，以及与真实业务系统的深度连接，可能成为更难建立的差异化能力。

政策目标：从单点模型走向可复制应用

政策信号也在强化这一方向。工信部“人工智能+软件”相关部署提出，到2028年推动AI赋能编程工具和开发平台在2万多家重点软件企业应用，并在重点行业建设100个智能体软件标杆应用、孵化至少5个高质量开源项目。3

到2030年的方向，则是推动关键软件系统智能化升级，形成更加智能、安全的软件生态。37

在信息通信领域，工信部提出到2028年形成30个以上高价值典型场景，打造一批典型应用和特色智能体，并同步提升网络、算力等基础设施支撑能力。17

此外，工信部与国家数据局推进的“模数共振”行动，要求围绕重点行业梳理高价值AI场景，建设行业专识高质量数据集；对于需要自主规划和执行的场景，开发专用智能体，并建立面向行业模型和特色智能体的定制化评测体系。18

这些措施共同指向一种“扩散式”路径：通过可复用的场景、数据集、软件工具和示范案例，让AI从少数展示项目进入更多行业。机会在于加快采用；挑战则在于，不能只以试点数量衡量成效，更要检验系统能否长期、安全且经济地创造价值。

投入与产业规模抬高了竞争门槛

基于中国电信研究院分析的报道估计，中国科技企业今年AI投入接近6000亿元人民币。由于不同公开报道对“AI投入”的统计口径可能不同，这一总额更适合作为估算，而非完全可比的统一指标。9

国家层面则预期，到“十五五”时期末，即2030年，AI相关产业规模将超过10万亿元人民币。45

这意味着，智能体被赋予的角色并不局限于云服务产品，而被视为软件开发、通信网络、工业升级和消费服务的一层通用能力。

欧洲也在补算力，但算力不是终点

欧盟委员会已启动征集，拟在欧洲建设最多7座AI超级工厂，项目可获得最多100亿欧元的欧盟及成员国资金支持，并预计撬动至少200亿欧元私人投资。50

这将增强欧洲的算力供给和技术自主能力。但建设算力本身并不能自动解决部署问题。其竞争价值最终仍取决于这些资源能否支持价格可承受的推理服务、可用的行业数据、软件系统集成，以及值得组织信任的AI应用。

下一阶段，奖励的是“完成工作”的能力

中国的智能体推进折射出一场更广泛的全球转变：AI优势将越来越取决于能否把算力转化为可审计、可持续交付的实际工作成果。

芯片与电力依然重要，但服务效率、数据获取、工作流集成、安全控制、评测体系和人工问责，同样会成为关键变量。2029年“推理占80%”是方向性预测，并非定论；但它所揭示的趋势很明确：当AI从演示走向持续运营，胜出者或许不只是训练出最大模型的一方，而是能以足够可靠、足够经济的方式，让智能体真正融入日常工作的那一方。56