截至2025年9月底，我国智能算力规模达1,053 EFLOPS，万卡集群建设形成“国家队引领、云厂商争先、区域节点跟进”的多元格局。端云协同架构确立“端侧实时感知、云端深度推理”的动态平衡机制——Apple Intelligence、华为鸿蒙、小米澎湃OS均采用端侧小模型处理实时任务、云端大模型支撑复杂推理的协同路径。中国信通院联合小米这份报告，系统分析了智能原生时代的算力调度体系。
我国算力基础设施总览
智能算力达1053EFLOPS，算力发展进入一体化互联阶段
截至2025年9月底，我国在用算力中心机架总规模达到1,250万标准机架，智能算力规模达1,053 EFLOPS。目前我国算力发展已迈入规模化布局向一体化互联转型的关键阶段，算力总量供需基本适配，通算、智算、超算结构多元适配场景需求，政策体系持续完善，算力互联互通等平台体系建设稳步推进。
万卡集群建设多元格局
“万卡集群”实现算力高效调度与通信优化，大幅缩短大模型训练周期，降低边际成本。融合GPU、NPU及专用加速芯片的高性能异构计算架构，是破解大规模并行计算挑战的核心路径。当前我国万卡集群建设已经形成了“国家队引领、云厂商争先、区域节点跟进”的多元格局。智算中心正从基础算力资源供给向全面支持异构资源管理、大规模集群高效调度及高可用容灾体系演进。
端云协同架构的核心逻辑
端侧实时感知、云端深度推理
端云协同架构确立“端侧实时感知、云端深度推理”的动态平衡机制，有效化解智能应用全场景泛化的效能成本矛盾。针对手机、智能汽车及工业机器人等多元终端，通过部署经剪枝与量化处理的小参数模型，系统能够优先在本地执行语音唤醒、生物特征识别及基础环境感知等高实时性任务，在确保毫秒级响应的同时最大程度保障用户数据的隐私安全。
主流系统均采用端云协同架构
Apple Intelligence、华为鸿蒙、三星Galaxy AI、小米澎湃OS等主流移动系统，以及特斯拉FSD等车载方案，均采用端侧小模型处理实时敏感任务、云端大模型或离线训练支撑复杂推理的协同架构。通过减少无效数据回传显著降低带宽压力与运行功耗，构建兼顾业务连续性与运行经济性的智能原生方案。
异构计算集群与模型训练
万卡集群支撑E级计算能力
面对基础预训练大模型对E级（EFlops）计算能力的极端需求，万卡集群通过应用先进芯片间互联技术与分布式训练框架，显著提升线性加速比，确保模型在长周期、高强度训练任务中的稳定收敛。针对模型微调与行业化推理等百P级（PFlops）计算场景，算力基础设施正逐步聚焦于软硬件协同创新与专业化算力调度优化。
算力资源灵活调度支撑智能原生应用
在实现算力资源灵活调度的基础上，大规模智算集群的建设进一步提升了模型训练效率，使人工智能能够支撑更复杂的计算任务。算力基础设施正从基础算力资源供给向全面支持异构资源管理演进，为智能原生应用提供稳定算力支撑。
未来趋势——算力普惠与一体化调度
从“以建促用”向“以用带建”转变
《关于深入实施“人工智能+”行动的意见》明确要求优化国家智算资源布局，完善全国一体化算力网，推动智算建设从“以建促用”向“以用带建”的科学路径转变。这一转变将有效解决制约发展的算力瓶颈，降低中西部地区与农村地区算力使用成本。
端云协同与算力普惠
端云协同架构实现算力资源灵活调度，大规模智算集群提升模型训练效率。政策目标是将算力打造为像水电一样普惠的基础设施，支撑智能原生应用在全社会的广泛落地。
