我国智能算力规模达到2185 EFLOPS：增长数字背后的供给、网络与利用率

核心数据

据2026年7月20日国新办新闻发布会披露，截至6月底，我国智能算力规模达到2185 EFLOPS（FP16），同比增长177%；全国算力设施整体上架率达到71.4%。近两年围绕国家算力枢纽节点建设的算力大通道超过70条，相关枢纽节点间网络性能提升10%。

这组数据反映国内智算基础设施仍处于快速扩张期，但“算力规模”并不等于用户可以直接购买到的有效算力。项目方还需要区分理论峰值、可售资源、实际利用率、网络可达性和软件生态成熟度。

统计口径采用FP16，更接近AI训练和部分推理场景，不能直接与FP64超算指标或INT8推理吞吐进行简单换算。不同芯片架构、稀疏能力、互连效率和软件优化水平，也会造成理论算力与实际任务性能之间的差异。

采购算力时，除峰值指标外，应至少核对单卡显存、显存带宽、卡间互连、跨节点网络、存储吞吐、框架适配以及任务实测结果。对大模型训练而言，通信效率和集群稳定性经常比单卡峰值更影响总训练时间。

71.4%的整体上架率说明已有设施正在被使用，但上架不等于满负荷运行。行业仍需要建立更统一的算力服务能力评估、市场化定价和运行监测体系。对服务商而言，提升资源调度、故障恢复和软件环境交付能力，可能比继续单纯扩建机房更能改善商业效率。

算力供给增加有利于形成更多区域和价格选择，但企业不应只比较每卡每小时价格。完整成本还包括数据传输、对象存储、系统盘、出口流量、镜像维护、技术支持以及资源不可用造成的等待时间。

对于中小企业，建议先用一至两周小规模验证确认模型、精度、并发和显存需求，再签订长期资源合同。训练项目需要额外验证多机通信和检查点恢复；推理项目则要关注首字延迟、并发吞吐和峰值流量弹性。

本文根据新华网2026年7月20日报道及国新办发布信息整理，并结合算力项目采购指标进行二次分析。

来源、翻译与版权说明

来源：网昱原创。第三方内容版权归原作者或发布机构所有；本站仅在许可证或明确授权允许时提供本地原文。