中国人工智能的发展重心，正从研发和训练模型，逐步延伸到把模型用于产品与产业场景。赛迪研究院发布的一份报告称，中国人工智能推理数据量首次超过训练数据量。不过，配套数据虽然显示使用规模迅速增长，现有报道并未说明这一“首次超过”是如何测算的。1

赛迪报告说了什么

中国电子信息产业发展研究院（简称“赛迪研究院”，英文缩写 CCID）在报道中被称为工业和信息化部的研究机构。其《新域新质创新发展十大趋势》于 2026 年 10 月 31 日发布，并于次日被央视新闻报道。1

据相关报道，2026 年 6 月日均词元调用量超过 175 万亿，较 2024 年初增长 1,000 多倍。顶尖大模型的迭代周期也据称从过去的几个月缩短到几周，甚至几天。1

报告将这些变化概括为：人工智能正从实验室里“喂模型”，转向在产业中“用模型”。这是报告对趋势的解读；单凭词元调用量，无法判断推理相较训练消耗了多少算力、能源或资金。1

从智能工厂到消费端使用

制造业数据显示，人工智能的应用已不止于模型研发。报告称，中国已建成 500 多家卓越级智能工厂，覆盖 31 个省（区、市）以及超过 80% 的制造业行业大类。国产算力和大模型也已在钢铁、汽车等 20 个行业落地 1,000 多个应用场景，支持个性化定制、全生命周期服务等模式拓展。1

消费端的数据则从另一个角度呈现应用覆盖面，但衡量的并不是同一件事。中国互联网络信息中心（CNNIC）报告显示，截至 2026 年上半年，中国生成式人工智能用户规模超过 7 亿，普及率超过 50%。这反映的是用户规模，并不等于推理任务量，也不能说明推理与训练的比例。

“推理超过训练”仍需看统计口径

现有报道没有说明赛迪研究院如何界定和统计“推理数据量”与“训练数据量”，也未交代二者的比较方法。缺少这些信息，就无法仅凭目前披露的数字独立核验这一交叉点；它也不能直接代表推理所需算力已经超过训练。1

此外，还有一组来自中国信息通信研究院（中国信通院）的词元数据：相关报道援引其报告称，2026 年 6 月国内词元日均消耗量约为 500 万亿；赛迪研究院披露的则是日均词元调用量超过 175 万亿。1现有资料将前者称为“消耗量”、后者称为“调用量”，且没有说明两者采用相同定义或统计方法。因此，这两个数字不能直接比较；仅凭差异，也不能判断它们相互矛盾或能够相互解释。

对 AI 基础设施意味着什么

更稳妥的启示是：随着模型进入持续运行的应用场景，推理能力需要与训练能力一并受到关注。对部署模型的机构而言，单次任务成本、响应时间、吞吐量和可靠性，都是值得跟踪的运营指标。这些是基于趋势的分析重点，并不意味着推理在算力、耗电量或支出上已经超过训练。

综合来看，赛迪报告列出的数据和产业案例，描绘了人工智能应用范围扩大的趋势。但“推理数据量首次超过训练数据量”仍是报告提出的结论；在统计方法尚未充分披露的情况下，它还不是一项可由现有公开数据完整复核的比较。

中国人工智能的发展重心，正从研发和训练模型，逐步延伸到把模型用于产品与产业场景。赛迪研究院发布的一份报告称，中国人工智能推理数据量首次超过训练数据量。不过，配套数据虽然显示使用规模迅速增长，现有报道并未说明这一“首次超过”是如何测算的。1

赛迪报告说了什么

中国电子信息产业发展研究院（简称“赛迪研究院”，英文缩写 CCID）在报道中被称为工业和信息化部的研究机构。其《新域新质创新发展十大趋势》于 2026 年 10 月 31 日发布，并于次日被央视新闻报道。1

据相关报道，2026 年 6 月日均词元调用量超过 175 万亿，较 2024 年初增长 1,000 多倍。顶尖大模型的迭代周期也据称从过去的几个月缩短到几周，甚至几天。1

报告将这些变化概括为：人工智能正从实验室里“喂模型”，转向在产业中“用模型”。这是报告对趋势的解读；单凭词元调用量，无法判断推理相较训练消耗了多少算力、能源或资金。1

从智能工厂到消费端使用

制造业数据显示，人工智能的应用已不止于模型研发。报告称，中国已建成 500 多家卓越级智能工厂，覆盖 31 个省（区、市）以及超过 80% 的制造业行业大类。国产算力和大模型也已在钢铁、汽车等 20 个行业落地 1,000 多个应用场景，支持个性化定制、全生命周期服务等模式拓展。1

消费端的数据则从另一个角度呈现应用覆盖面，但衡量的并不是同一件事。中国互联网络信息中心（CNNIC）报告显示，截至 2026 年上半年，中国生成式人工智能用户规模超过 7 亿，普及率超过 50%。这反映的是用户规模，并不等于推理任务量，也不能说明推理与训练的比例。

“推理超过训练”仍需看统计口径

现有报道没有说明赛迪研究院如何界定和统计“推理数据量”与“训练数据量”，也未交代二者的比较方法。缺少这些信息，就无法仅凭目前披露的数字独立核验这一交叉点；它也不能直接代表推理所需算力已经超过训练。1

此外，还有一组来自中国信息通信研究院（中国信通院）的词元数据：相关报道援引其报告称，2026 年 6 月国内词元日均消耗量约为 500 万亿；赛迪研究院披露的则是日均词元调用量超过 175 万亿。1现有资料将前者称为“消耗量”、后者称为“调用量”，且没有说明两者采用相同定义或统计方法。因此，这两个数字不能直接比较；仅凭差异，也不能判断它们相互矛盾或能够相互解释。

对 AI 基础设施意味着什么

更稳妥的启示是：随着模型进入持续运行的应用场景，推理能力需要与训练能力一并受到关注。对部署模型的机构而言，单次任务成本、响应时间、吞吐量和可靠性，都是值得跟踪的运营指标。这些是基于趋势的分析重点，并不意味着推理在算力、耗电量或支出上已经超过训练。

综合来看，赛迪报告列出的数据和产业案例，描绘了人工智能应用范围扩大的趋势。但“推理数据量首次超过训练数据量”仍是报告提出的结论；在统计方法尚未充分披露的情况下，它还不是一项可由现有公开数据完整复核的比较。