中國人工智能的發展，正由訓練模型逐步轉向在產品和產業中實際運行。中國電子信息產業發展研究院（CCID，報道稱為工業和信息化部下屬的研究機構）一份報告指出，中國人工智能推理數據量首次超越訓練數據量。報告同時列出多項使用量和產業應用數據，但現有報道未交代這項「超越」是如何量度的。1

報告提出甚麼數據？

CCID 於 2026 年 10 月 31 日發布《新域新質創新發展十大趨勢》，中央電視台新聞翌日作出報道。1 報道引述報告指，截至 2026 年 6 月，日均詞元調用量超過 175 萬億，較 2024 年初增長逾 1,000 倍；頂尖大模型的迭代周期，亦由過去數月縮短至數星期，甚至數日。1

推理，是模型接到要求後生成回應；訓練則是建立或調整模型的過程。CCID 將數據變化描述為 AI 由實驗室裏「喂模型」，轉向在產業中「用模型」。不過，詞元調用量本身，並不能直接說明推理現時消耗的運算力、電力或開支是否已多於訓練。1

工業應用和用戶規模亦在擴大

報告列出的製造業數字，反映 AI 的應用不只停留在模型研發。報告指，中國已累計建成 500 多家卓越級智能工廠，遍及 31 個省級行政區，涵蓋超過 80% 的製造業大類；國產算力和大模型亦在鋼鐵、汽車等 20 個行業落地超過 1,000 個應用場景，支援個性化定制及全生命周期服務等模式。1

用戶數字則提供另一個觀察角度，但衡量的是不同事情。中國互聯網絡信息中心（CNNIC）公布，2026 年上半年中國生成式 AI 用戶超過 7 億，普及率逾 50%。 這些數字反映有多少人使用生成式 AI，並非推理工作量，也不能用來計算推理與訓練的比例。

比較結果仍有一個重要但書

現有報道沒有說明 CCID 如何界定和計算「推理數據」及「訓練數據」，亦未交代兩者的比較方法。欠缺這些資料，讀者便無法單憑目前披露的數字獨立核實兩者何者較多；更不應把這項比較直接理解為運算需求的對照。1

另外，中國信息通信研究院（中國信通院，CAICT）一份報告估算，2026 年 6 月國內日均詞元消耗量約為 500 萬億；CCID 報道的則是日均詞元調用量「超過 175 萬億」。1 現有資料未能證明「消耗量」與「調用量」採用相同定義或計算方法，因此兩個數字不能直接比較。單憑差距，也不能判定兩者互相矛盾，或已能互相解釋。

對 AI 基建的啟示

較穩妥的實際啟示，是 AI 開始持續用於更多場景後，推理效能值得與訓練能力一併留意。對部署模型的機構而言，每項任務成本、回應時間、處理量和可靠性，都是值得追蹤的營運指標。這些是分析上的考慮，並不代表現有數據已證明推理在運算力、耗電量或開支上超越訓練。

整體而言，CCID 的數據和產業案例，勾勒出 AI 應用逐步擴大的趨勢；至於推理數據首次超越訓練數據，現階段仍是報告提出的結論，未有足夠公開資料讓外界全面核算。

中國人工智能的發展，正由訓練模型逐步轉向在產品和產業中實際運行。中國電子信息產業發展研究院（CCID，報道稱為工業和信息化部下屬的研究機構）一份報告指出，中國人工智能推理數據量首次超越訓練數據量。報告同時列出多項使用量和產業應用數據，但現有報道未交代這項「超越」是如何量度的。1

報告提出甚麼數據？

CCID 於 2026 年 10 月 31 日發布《新域新質創新發展十大趨勢》，中央電視台新聞翌日作出報道。1 報道引述報告指，截至 2026 年 6 月，日均詞元調用量超過 175 萬億，較 2024 年初增長逾 1,000 倍；頂尖大模型的迭代周期，亦由過去數月縮短至數星期，甚至數日。1

推理，是模型接到要求後生成回應；訓練則是建立或調整模型的過程。CCID 將數據變化描述為 AI 由實驗室裏「喂模型」，轉向在產業中「用模型」。不過，詞元調用量本身，並不能直接說明推理現時消耗的運算力、電力或開支是否已多於訓練。1

工業應用和用戶規模亦在擴大

報告列出的製造業數字，反映 AI 的應用不只停留在模型研發。報告指，中國已累計建成 500 多家卓越級智能工廠，遍及 31 個省級行政區，涵蓋超過 80% 的製造業大類；國產算力和大模型亦在鋼鐵、汽車等 20 個行業落地超過 1,000 個應用場景，支援個性化定制及全生命周期服務等模式。1

用戶數字則提供另一個觀察角度，但衡量的是不同事情。中國互聯網絡信息中心（CNNIC）公布，2026 年上半年中國生成式 AI 用戶超過 7 億，普及率逾 50%。 這些數字反映有多少人使用生成式 AI，並非推理工作量，也不能用來計算推理與訓練的比例。

比較結果仍有一個重要但書

現有報道沒有說明 CCID 如何界定和計算「推理數據」及「訓練數據」，亦未交代兩者的比較方法。欠缺這些資料，讀者便無法單憑目前披露的數字獨立核實兩者何者較多；更不應把這項比較直接理解為運算需求的對照。1

另外，中國信息通信研究院（中國信通院，CAICT）一份報告估算，2026 年 6 月國內日均詞元消耗量約為 500 萬億；CCID 報道的則是日均詞元調用量「超過 175 萬億」。1 現有資料未能證明「消耗量」與「調用量」採用相同定義或計算方法，因此兩個數字不能直接比較。單憑差距，也不能判定兩者互相矛盾，或已能互相解釋。

對 AI 基建的啟示

較穩妥的實際啟示，是 AI 開始持續用於更多場景後，推理效能值得與訓練能力一併留意。對部署模型的機構而言，每項任務成本、回應時間、處理量和可靠性，都是值得追蹤的營運指標。這些是分析上的考慮，並不代表現有數據已證明推理在運算力、耗電量或開支上超越訓練。

整體而言，CCID 的數據和產業案例，勾勒出 AI 應用逐步擴大的趨勢；至於推理數據首次超越訓練數據，現階段仍是報告提出的結論，未有足夠公開資料讓外界全面核算。