人工智能技术正快速发展和深度应用，并成为推动经济高质量发展的核心动能。算力是人工智能发展的基础要素，①在人工智能快速发展的过程中，智能算力的发展直接关系到AI大模型的训练效率和创新能力。2024年和2025年《政府工作报告》均有提及关于算力发展的表述，其核心是要加快构建全国一体化算力网络，优化全国算力布局，大力培育算力产业生态。算力的快速发展正加速促进以算力基础设施为核心，以算力的生产、流通、交换、消费为主要环节的算力经济新形态的形成。②算力经济的发展为智能经济提供了计算资源保障。2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，明确提出：“加强智能算力互联互通和供需匹配，创新智能算力基础设施运营模式，鼓励发展标准化、可扩展的算力云服务，推动智能算力供给普惠易用、经济高效、绿色安全。”③人工智能算力已经超越传统计算能力的范畴，成为重塑国家核心竞争力、引领产业智能化升级和重构未来科技竞争格局的战略性资源。智能算力体系建设，将为人工智能的深入应用提供坚实的技术支撑，推动我国在全球科技竞争格局中占据有利地位，从而更好地把握人工智能时代赋予的发展机遇，实现科技创新与经济发展的良性循环。当前，人工智能已经成为培育经济新增长点的重要引擎，要加快推进人工智能科技创新与产业创新的深度融合，如何通过发展人工智能实现生产力发展质的跃升，推动智能算力转化成为数字化生产力，是人工智能时代实现经济高质量发展面临的重要战略议题。 一、智能算力体系建设是推动智能经济高质量发展的新引擎 人工智能的发展对传统算力技术提出了挑战，成为推动算力技术进步的强大动力。算力体系的快速发展可以显著提高人工智能技术的计算速度、存储容量和处理能力，当算力不断进步，能提供更强大、更高效且更低成本的计算资源时，人工智能就可以开发出更为智能和实用的应用，进一步拓展算力市场和应用范围。算力的出现是人类对计算机、大数据、云计算、人工智能、区块链等技术不断探索并将其产业化应用的结果。算力就是计算能力，是信息系统完成计算任务的能力。④根据中国信息通信研究院定义，算力是以计算能力为核心，包含算力规模、经济效益和供需情况在内的综合能力。⑤也有学者认为算力是对综合计算和处理数据的能力、手段和工具的总称，⑥是技术创新和产业发展的关键要素。⑦随着新一代信息技术的迭代更新，算力的发展引领生产方式从工业化社会向智能化社会转变。⑧ 算力体系包含基础算力、智能算力、超级算力等，其中智能算力就是本文所探讨的人工智能算力。人工智能算力是指面向人工智能应用，提供人工智能算法模型训练与模型运行服务的计算机系统能力，反映着一个国家前沿的计算能力，⑨从最基础层面来说，人工智能算力是对数据进行高速分析和处理，并通过特定的算法完成大模型训练等工作的能力体现。与传统算力相比，人工智能算力有着更强的针对性，面对的是更为复杂的神经网络结构，以及海量数据的处理和分析等。人工智能算力是人工智能发展的重要技术保障，随着新一轮科技革命和产业变革的深入发展，人工智能已经进入与产业深度融合的新发展阶段。智能算力的快速发展，可以进一步实现科技自立自强，推动人工智能技术与传统行业深度融合，塑造人工智能时代产业发展新的竞争优势，成为推动智能经济高质量发展的新引擎。 (一)智能算力计算性能的扩展性推动人工智能应用的高级化 计算性能的扩展性是指面对复杂的应用场景，要求算力系统具备更高的性能。当人工智能应用场景从单一任务处理转型为多模态任务交互时，系统可以通过改进算法或者扩展资源来提升计算性能，实现性能与需求的动态匹配。在人工智能技术从“感知智能”向“认知智能”跨越的关键阶段，智能算力已经成为决定AI大模型突破能力边界的核心变量。随着人工智能应用场景的不断拓展和应用大模型复杂度的提升，对智能算力的需求会逐渐增加。智能算力的扩展性意味着算力系统可以根据不同的数据规模和模型复杂度，不断扩充计算能力，以满足多样化的应用需求。智能算力在计算性能层面的扩展性体现在：一方面，并行计算能力的层级扩展。在对海量数据进行训练和推理时，智能算力的扩展性在一定程度上依赖于其强大的并行计算能力。另一方面，在数智技术创新迭代支撑下，通过硬件架构的革新与软件算法的优化，智能算力系统的计算性能会呈现出近线性或线性的增长，为AI大模型的应用提供可靠的性能保障，这也是其扩展性的显著特征。智能算力在计算性能层面的扩展性，可以确保人工智能技术随着数据量的指数级增长，以及模型复杂度的提升而不断进步，推动人工智能由简单的模型应用朝更加智能、更高性能、更加复杂的方向发展。 (二)智能算力运算精度的灵活性推动算力资源优化和能效提升 运算精度的灵活性是指面对不同阶段以及不同应用场景，存在差异化的计算精度要求，需要提供多样化且灵活的计算精度。例如，随着大模型训练复杂度的增加，需要实现计算精度的动态适配，以确保模型训练结果的准确性。人工智能算力在运算精度层面的灵活性体现在两个方面：一是随着人工智能技术的快速发展，算力规模不断增加，催生出巨大的算力需求和数据存储需求。在人工智能发展的整个生命周期内，不同的训练阶段对运算精度有着不同要求，通过对算力资源的动态调配，提升智算系统的计算效率，进一步降低智算成本，使算力资源可以集中于需要高精度计算的环节，避免算力资源的过度浪费。同时，人工智能算力可以灵活地调整计算模式，为不同的任务阶段提供与之适配的运算精度，从而提高AI大模型整体的训练速度。二是现阶段人工智能发展已经进入与产业深度融合的阶段，不同的应用场景对运算精度的侧重点有所差异，而智能算力可以根据不同的应用场景需要进行运算精度的权衡。人工智能算力在运算精度层面的灵活性，可以推动算力资源的优化和能效的提升，提高整体算力资源利用效率。通过在不同阶段和不同行业之间进行运算精度的智能调配，可以最大限度地优化算力资源的配置，降低智能算力系统的能耗，实现智能算力运算精度和资源能耗之间的有效平衡。因此，人工智能算力在运算精度层面的灵活性特征，为智能产业化和产业智能化高质量发展提供有力支撑。
