工信部提出2030年智能算力目标：AI基础设施扩张将改变哪些产业环节

【软盟资讯·新闻导读】工信部发布信息通信行业“十五五”规划，提出到2030年智能算力规模达到9800EFLOPS，并明确适时启动6G商用。算力网络、云服务和“人工智能+制造”等应用，将由此获得更清晰的基础设施预期，但目标兑现仍取决于技术、投资与需求协同。

工业和信息化部近日发布《信息通信行业发展“十五五”规划》。规划提出，到2030年全面建成覆盖完善、性能领先的新一代通信网；在主要指标中，智能算力规模目标为9800EFLOPS。同时，规划提出适时启动6G商用、加快全国一体化算力网建设，并围绕算力基础设施、智能体互联网络、6G技术研发、工业互联网应用创新等设置相关专栏。

对产业观察者而言，这组表述的意义不只在于一个算力总量目标。它把计算资源、网络连接、数据流通与行业应用放进同一条建设路径中：算力需要更有效地被调度，网络需要更适应智能体与实时推理等新型负载，企业端的人工智能应用则需要从试点走向可持续运行。规划目标尚未成为现实，但它为未来数年的基础设施投入与产业协同给出了方向。

从“规模扩张”走向“可调度的供给能力”

9800EFLOPS是面向2030年的规划指标，不能简单理解为某一类数据中心设备的采购清单。智能算力的形成，涉及芯片、服务器、网络、存储、供配电、散热、运维以及软件调度等多个环节；而企业真正感受到的，也并非全国范围内的装机总量，而是需要计算资源时能否获得合适的能力、成本与服务保障。

此前发布的“人工智能+信息通信”创新发展实施意见提出，构建“枢纽—区域—边缘”三级节点协同的算力设施体系，加快算力大通道建设，并强化算力统筹监测和供需对接。这为理解此次规划提供了一个重要视角：未来算力建设并非只追求集中式集群做大，也强调让不同区域、不同层级的资源能够互联、识别和调用。

这一变化可能首先影响算力供给侧的竞争方式。过去，市场往往容易以机柜、服务器或单个集群规模衡量能力；在大模型训练、模型推理、智能体协作和行业数据处理并行发展的情况下，资源是否能够按需切分、跨区域协同和稳定交付，可能变得同样重要。对于基础设施运营方来说，单纯增加硬件容量未必足够，连接能力、资源调度、服务封装和能效管理都将成为长期运营的一部分。

算力大通道的建设预期，也可能改变供给与需求之间的地理关系。一些对时延不特别敏感的训练、离线分析和批处理任务，理论上更适合在资源条件匹配的节点运行；而面向用户交互、生产现场控制或实时辅助决策的任务，则更依赖靠近业务现场的区域与边缘能力。三级协同并不意味着所有任务都要跨地域流动，而是要求企业根据任务类型重新划分资源部署边界。

云服务的竞争重点或将向“模型与应用协同”延伸

规划提出加快全国一体化、集约化、市场化的算力服务体系建设，并强调促进算力、模型、应用一体化协同创新。对云服务市场而言，这意味着客户的关注点可能从“是否能租到计算资源”，进一步转向“是否能把模型能力稳定接入业务流程”。

大模型与智能体应用带来的需求，与传统资源租用存在明显差异。训练任务通常集中且周期较长，推理任务则可能呈现更强的波动性；智能体一旦接入客服、研发、运营、制造或政务流程，还会与知识库、权限体系、业务系统和人工审核机制发生持续连接。企业不只需要计算能力，还需要能够承载数据管理、模型部署、推理调度、应用集成与运行治理的一整套服务能力。

这会推动云服务商、通信运营企业和行业软件服务商之间形成更复杂的分工。一端是底层资源与网络连接，另一端是模型调用、行业应用和交付运维。对于客户来说，选择标准也会发生变化：除了资源供给，还要评估服务能否适配既有系统、业务数据能否在清晰边界内流转、模型输出是否能被监控与复核，以及业务高峰期的服务稳定性是否可控。

不过，规划目标并不意味着云服务将自然走向同质化的“大平台集中”。行业需求差异仍然很大。研发团队可能更关心开发与测试环境的弹性，制造企业更看重与现场设备、工业网络和工艺数据的结合，公共服务场景则对安全、权限和流程留痕提出更多要求。未来的云服务能力，或许将体现为标准化资源与垂直场景服务并行，而不是用单一产品覆盖所有企业需求。

6G商用预期将把网络能力推到AI应用前台

“适时启动6G商用”是此次规划中受到广泛关注的表述。需要看到，“适时启动”强调的是规划方向和推进节奏，并不等同于6G已经进入全面普及阶段。规划还提出系统性开展无线、网络、安全等6G关键技术研究，这表明技术研发、标准演进、网络建设与商业应用之间仍需经历协同推进的过程。

但6G相关部署预期之所以与智能算力目标被放在同一讨论框架中，是因为未来网络不再只是把数据从一个终端传到另一个终端的连接工具。随着人工智能应用深入，网络将更多参与模型调用、边缘推理、设备协同与任务编排。对于需要低时延反馈、广泛连接或复杂协同的业务，通信网络的性能与智能化水平会直接影响应用体验和商业可行性。

规划中还提到智能体互联网络建设，以及构建智能体网络标识体系。该方向指向一个值得持续关注的问题：当越来越多软件智能体代表个人、企业或设备执行查询、协作、调度等任务时，如何识别主体、建立可信连接、明确访问权限并保留必要的治理能力，将成为基础设施之外的新议题。它既关系到应用能否跨系统协作，也关系到安全责任与数据边界如何界定。

对于通信产业链而言，6G与人工智能融合不应被狭义理解为通信设备的单点升级。网络架构、算力节点、终端形态、边缘部署和安全机制都可能随之调整。对于企业用户而言，则应避免过早把尚在演进中的网络技术当成即时可用的业务承诺。更现实的工作，是先识别哪些业务已经受到网络时延、连接稳定性、现场协同效率或数据回传能力的制约，再判断未来技术演进可能带来的改善空间。

“人工智能+制造”或成为传导更直接的应用场景

规划明确提出支持行业企业深入推动“人工智能+制造”，并将工业互联网应用创新发展列入重点方向。相比面向消费者的单次模型体验，制造业场景通常更重视稳定运行、业务闭环与可衡量的改进结果。算力和网络能力的提升，只有进入研发、生产、质检、运维、供应链等具体流程，才可能转化为企业可感知的价值。

从传导路径看，智能算力供给增加可能首先降低部分企业获取模型训练和推理资源的门槛；算力网络建设则有望改善资源与业务现场之间的连接条件；当行业数据、软件系统和设备接口逐步打通后，人工智能才能更深入地参与预测、辅助决策和流程自动化。这里的关键不在于把每个环节都替换成AI，而在于找到数据基础较好、规则相对明确、人工重复投入较多且可以进行结果验证的业务切口。

例如，在企业内部，研发人员可以使用AI辅助处理文档、代码和知识检索；生产与设备团队可以探索将模型能力用于异常识别、维护辅助或工艺知识调用；管理者则可能通过更及时的数据分析了解经营和供应链状况。这些场景的成熟度并不相同，所需算力规模、部署位置和数据治理方式也不同。把它们笼统归为“AI转型”，容易忽略真正决定成效的流程重构工作。

因此，企业决策者面对本轮基础设施预期，更适合先做两类准备：一类是梳理业务侧的高价值问题，明确哪些任务适合引入模型或智能体；另一类是补齐数据、权限、系统接口和安全治理等基础条件。前者决定需求是否真实，后者决定应用能否从演示走向长期运行。缺少这两项准备，即使外部算力和网络能力持续改善，企业也难以迅速把技术供给转化为经营成果。

投资建设之外，资源协调与安全治理同样关键

规划提出加强跨部门协调、部省联动和政企协同，并强化用地、用海、用电、用数和频率等资源要素保障。这提醒市场，智能算力扩张不是单一行业即可完成的工程。数据中心和网络设施建设涉及能源、土地、网络、数据、安全等多重条件，区域资源禀赋与产业需求之间也需要更精细的匹配。

特别是在人工智能应用加速进入关键业务后，网络与数据安全保障的重要性会同步上升。模型连接的系统越多、可访问的数据越广、智能体可以执行的动作越复杂，权限管理、数据使用边界、输出审查和异常处置就越不能停留在项目后期补救。规划将网络和数据安全保障列为重点方向，也意味着产业扩张不能只看计算资源的供给速度。

市场还需警惕把长期目标直接映射为短期订单或即时收益。基础设施投资往往具有建设周期，6G商用涉及技术成熟、产业协同与应用验证，行业AI项目也会受到数据质量、组织能力和预算安排影响。对企业而言，真正有价值的不是追逐概念，而是把政策方向转化为自身的能力地图：哪些基础设施依赖外部供给，哪些数据资产需要内部沉淀，哪些业务可以先行验证，哪些风险必须在规模化之前处理。

【软盟观察】此次规划将智能算力、全国一体化算力网、智能体互联网络、6G技术研发和“人工智能+制造”等方向并置，释放出的信号是明确的：AI产业竞争将越来越依赖底层基础设施与行业应用的联动，而不只是模型能力本身的比拼。到2030年智能算力达到9800EFLOPS，是一项面向未来的目标，不应被表述为既成事实；“适时启动6G商用”同样意味着推进需要遵循技术、标准、网络建设和需求验证的实际节奏。对基础设施企业来说，机会在于从设备和资源供给延伸到调度、连接、运维和安全能力；对云服务企业来说，挑战在于把算力、模型与业务交付真正整合起来；对行业客户来说，最重要的仍是识别能够产生业务价值的具体场景，并建立与之匹配的数据和治理基础。政策可以改善长期预期，却不能替代企业内部的流程改造与能力建设。未来几年，谁能把基础设施红利转化为可复用、可运营、可审计的应用能力，谁才更可能在这一轮扩张中获得持续收益。