截至2026年6月底，全国智能算力规模达到2185 EFLOPS。工信部披露的同期数据还包括：全国算力设施综合利用率为71.4%。另据新华社报道，围绕主要算力枢纽已建成70多条算力传输通道。这些数字说明供给规模和跨区域连接能力正在扩大，但企业不能据此推断自己所需的算力一定容易获得、价格一定下降，或应用上线后一定能稳定运行。
从总量指标走向可交付能力
EFLOPS衡量的是浮点运算能力规模，不是企业可以直接采购的标准化产品。不同芯片、计算精度、集群互联方式和软件环境下，同样标称规模的资源，对模型训练与推理的实际表现可能相差很大。因此，评估智能算力基础设施，第一步不是问“全国还有多少算力”，而是问：目标工作负载能否在指定时间、地点和预算内完成交付？
国家推进算力枢纽和跨区域连接，为资源调度提供了基础条件。70多条算力传输通道是网络建设进展的指标，却不等于任意两地之间都有适合所有任务的低时延、高带宽连接。企业仍需核对具体线路的带宽、时延、稳定性及数据传输费用，尤其要区分“可以传输数据”和“适合持续跨地域协同计算”。
同样，71.4%的全国算力设施综合利用率，不能直接套用到某一家智算中心或某一类加速卡。它反映的是全国算力设施的综合情况，而企业面对的可能是特定型号资源紧张、其他资源闲置的结构性差异。
训练、推理与行业应用，价值判断并不相同
| 使用场景 | 优先核对的交付指标 | 容易被忽略的成本或风险 |
|---|---|---|
| 模型训练与较大规模微调 | 可连续使用的加速卡数量、卡间与节点间互联、任务完成时间 | 排队、故障重启、数据准备与跨区域传输 |
| 在线推理服务 | 高峰并发下的响应时间、吞吐量、服务可用性 | 闲时容量、弹性扩缩容、网络出口费用 |
| 行业应用 | 业务流程效果、数据接入、部署位置与合规要求 | 模型维护、系统集成、长期运营 |
训练任务通常更在意成组资源能否同时到位，以及互联效率是否足以避免“卡很多、任务却跑不快”。推理服务则要按真实请求量测算成本：一次测试的低单价，不代表高峰时仍能保持可接受的延迟。行业应用还多了一层检验——算力投入能否改善业务结果。如果数据质量、流程设计或产品需求尚未明确，先扩大资源规模可能只是提前承担固定成本。
采购、租赁还是自建：按负载稳定性划边界
需求仍在验证期，优先租赁。 企业可以用小规模真实任务测试训练耗时、推理延迟和月度账单，同时保留调整模型、芯片与供应商的余地。比较报价时，应统一任务、运行时长和服务等级，计入存储、网络、运维及可能的迁移费用，而不只比较单卡单小时价格。
需求稳定且持续时，再评估采购或长期锁定资源。 决策依据应是可预测的利用时长和交付要求，而非对未来需求的笼统预期。合同中需要写清可用资源、扩容条件、故障处理和退出安排。
自建更适合有长期、规模化负载和运营能力的主体。 除设备采购外，还要核算机房、供配电、散热、网络、人员及更新周期。对算力服务商而言，建设规模只是供给起点；能否把资源转化为稳定交付、合理利用率和可持续现金流，才决定项目价值。
企业可以在立项前做一次简短的压力测试：以真实数据运行目标模型，记录任务完成时间或高峰响应时间，再按预计业务量测算全年总成本，并检查故障、扩容和迁移方案。通过这项测试的资源，比账面上更大的算力规模更有采购意义。
【软盟资讯观察】
2185 EFLOPS和70多条算力传输通道，体现了全国智能算力供给与连接能力的扩展，也为跨区域调度、模型开发和应用落地提供了更多选择。但规模增长能否转化为企业收益，取决于资源配置是否与任务匹配：训练需要连续、互联良好的集群；推理需要兼顾高峰体验与闲时成本；行业应用最终还要接受业务效果检验。
机会在于，企业不必把“拥有设备”作为使用AI的前提，可以通过租赁和试运行降低早期投入。风险则是用全国总量、设施综合利用率或单一报价替代项目测算。对准备建设算力基础设施的主体尤其如此：先确认客户负载、交付能力和能源等长期成本，再决定扩容节奏，比追逐标称规模更稳妥。