9月11日至13日，2026中国算力大会在河北廊坊举办。会上，中国电信研究院正式发布《智能体时代AI基础设施发展研究报告（2026）》。
研究成果获央视新闻重磅专题报道，研究院行业与企业战略研究所所长饶少阳博士接受央视专访，解读报告核心观点，研判智能体时代AI产业演进趋势，为行业把握发展机遇提供权威依据。
当前，人工智能产业发展逻辑迎来深刻变革。行业竞争重心已从前期的大模型训练、算力资源比拼，逐步转向智能体规模化落地、场景化商业变现的全新阶段，AI产业正式进入实用化、普惠化的高质量发展周期。
报告指出，智能体是本轮AI产业升级的核心载体。通过技术封装与能力整合，智能体实现了复杂AI技术的隐形化、简易化，政企用户无需掌握专业算法与模型知识，即可依托智能体自主完成复杂任务流程，大幅降低AI落地门槛、加速全行业智能化渗透。伴随智能体在各场景大规模部署，人机交互、自主推理频次持续攀升，直接带动全国词元（Token）需求爆发式增长。作为AI信息处理与逻辑运算的基础单元，词元消耗量直观反映产业真实落地体量，海量实时的词元处理需求，正推动AI基础设施从“重训练”向“重推理、重交互”深度转型。
本次发布的研究报告立足运营商全局视角，深度结合国内算力产业发展现状，系统剖析智能体时代的产业特征、词元经济增长规律、算力结构变迁方向与新型基础设施建设路径，清晰梳理产业机遇与发展挑战，研判体系专业、结论务实前瞻。
智能体时代 AI 基础设施发展研究报告 (2026) 目录
一、2026 全球 AI 产业发展新变化
1、全球政策焦点转向主权 AI 基础设施建设及智能体应用 （一）美欧以规则管控持续完善 AI 基础设施治理体系，打造主权 AI （二）日韩以巨额资本加码本土 AI 基础设施建设，重资产攻坚主权 AI （三）我国以智能体应用为牵引，全面升级算力基础设施能力及服务水平
2、人工智能迈入 “Agentic AI” 新阶段，带动算力需求持续激增 （一）人工智能迈入 Agentic AI (代理式 AI) 新阶段，全面开启智能体时代 （二）智能体加速落地，带动我国 Token 及算力需求激增 （三）AI Coding 成为主流 AI 应用场景之一，驱动软件生产范式重构
3、AI 基础设施竞争焦点转向系统全栈，市场空间持续扩大 （一）AI 基础设施竞争焦点由 “算力 / 模型” 单维能力比拼，转向 “算力‑模型‑智能体‑应用” 系统性全栈布局 （二）生成式 AI 驱动云市场保持强劲增长 （三）AI 基础设施市场竞争主体多元，市场持续向头部厂商集中
4、AI 工程范式持续迭代，Harness 成为智能体核心底座 （一）AI 工程范式正经历从提示词工程、上下文工程到 Harness 工程的三阶段演进 （二）Harness 工程的核心价值在于弥补大模型原生能力无法实现的风险约束与流程治理短板 （三）头部科技厂商正加速将 Harness 工程产品化，构建面向生产环境的 Agent 托管服务
二、智能体时代 AI 基础设施发展及产业趋势预判
1、AI 基础设施总体视图：智能体重塑 AI 全栈能力和服务体系
2、算力：智能体重塑算力基础设施架构、规模及布局重心 （一）算力架构转向 “CPU+GPU” 协同主导，CPU 成为系统核心约束 （二）算力布局转向推理优先，推理基础设施持续向高效率、低成本演进升级 （三）超大规模高密度智算集群仍是 AI 产业刚需，超节点、十万 / 百万卡级集群持续深化建设
3、网络：算力需求牵引光网络成为构建高效 AI 基础设施的关键 （一）”光进铜退” 成为超节点智算集群高密互联的技术刚需，LPO、NPO、CPO 多技术路线并行 （二）多数据中心协同正在成为 AI 集群规模扩张的关键手段，光网络是关键 （三）AI 算力扩张引爆光纤需求，供需失衡驱动主流厂商加速锁定光纤产能
4、云：云基础设施能力及产品服务面向智能体全面升级 （一）云基础设施能力全面升级，为智能体提供高效、稳定、安全运行环境 （二）面向 Agent 协同与应用优化产品能力，提升产品使用体验及易用性
5、模型：大模型能力迭代且供给格局分化，适配智能体规模化落地需求 （一）大模型面向智能体场景开展多维度技术能力升级 （二）通用基座模型趋于收敛，垂直行业模型多元细分发展
6、智能体：智能体技术架构持续向高效化、开放化、解耦化方向演进，全面提升智能体运行效率与场景适配能力 （一）智能体通过记忆分层、协同互联技术实现高效记忆管理与跨系统协作 （二）智能体平台依托统一模型网关、可插拔架构实现多模型灵活调度，与模型解耦将成为行业标配
7、应用：业务价值优先，场景禀赋决定智能体落地节奏 （一）智能体应用将优先落地高价值、可闭环的数字化场景 （二）全生命周期治理与成本核算成为智能体生产准入硬性门槛
8、生态：多方协同与标准互通并行，兼顾智能体落地需求和行业发展引领 （一）企业生态重心转向智能体全栈体系构建和行业伙伴争夺 （二）以政策、倡议、标准等为指引推进智能体互联协同
三、我国 AI 及智能体产业区域性发展评估
1、智能体产业发展潜力评估模型框架
2、评估流程与方法
3、全国 31 省发展智能体产业的潜力评估 （一）综合评估结果：我国省域智能体产业发展呈现头部集聚与梯度分化并存的基本格局 （二）发展环境评估结果：东部地区在政策治理、经济基础和创新资源方面的综合优势较为突出 （三）基础设施评估结果：省域智能体基础设施已由单一算力供给转向算力、数据、网络和模型工具协同发展 （四）服务应用评估结果：智能体服务应用能力主要集聚于 AI 产业基础和场景转化能力较强的地区 （五）基础设施与服务应用的协同分析：基础设施与服务应用的协同程度，直接决定算力资源能否转化为智能体产业能力 （六）Top10 省份优劣势分析及发展建议
4、全国 31 省发展行业智能体的潜力评估 （一）评估方法 （二）评估结果
5、全国区域性智能体产业发展建议 （一）推动基础设施建设从资源扩张转向服务化和可调用化 （二）建设公共智能体平台，降低企业从试点到规模化的门槛 （三）以高价值、可验证、可闭环场景作为应用推广主线 （四）实施差异化行业布局，构建 “一省一业多场景” 推进体系
四、总结与展望
五、附录
1、智能体产业发展潜力评估模型的指标定义与数据依据 2、各省智能体产业发展评估结果 3、各省行业智能体发展评估结果
六、参考文献
报告核心要点
核心结论及对应数据如下：
一、全球 AI 产业进入智能体爆发拐点，算力、Token 需求爆发增长
- 智能体数量高速增长：全球活跃智能体从 2025 年 2860 万个增长至 2026 年 7940 万个，2030 年预计达22.16 亿个，2025‑2030 年复合增长率139%。我国 2026 年 Token 年消耗量达 10 亿亿，2030 年超3500 亿亿。
- 经济拉动效应：2026 年国内头部科技企业 AI 资本支出接近6000 亿元，占全社会总投资超 10%；2026‑2027 年直接拉动 GDP 约0.3 个百分点；2026‑2035 年拉动全要素生产率提升约 3 个百分点，2035 年潜在 GDP 较无 AI 情景高出3.5 个百分点。
- 算力结构彻底转向推理优先：智能体多轮调用让单次任务 Token 消耗可达普通对话数十倍；预计2029 年我国推理算力市场占比达 80%；未来 2‑3 年国内算力需求年均接近 10 倍增长。AI Coding 市场快速扩张，2025 年国内规模 3.99 亿元，2026 年底达 11.73 亿元，增速 194%。
- 算力存量现状：截至 2026 年 6 月底，我国智能算力规模2185EFLOPS（FP16），同比增长 177%，全国算力设施整体上架率71.4%。
- 市场投资规模：高盛预测 2026‑2031 全球 AI 基础设施累计投入7.6 万亿美元，2026 年当年支出约 7650 亿美元；中国生成式 AI I+M 市场 2029 年预计达 2180 亿元，年复合增长率 72%。
二、竞争范式转变：从算力、模型比拼走向全栈 + Harness 工程
- 竞争焦点变迁：行业竞争从单维算力、模型跑分，转向算力‑模型‑智能体‑应用全栈体系竞争，产业出现四类布局路径：端到端全栈自研、超级应用牵引、中立开放平台、“多芯多云” 弹性布局。全球公有云头部三家合计占据 67% 份额，国内智算 IaaS、训推公有云、MaaS 公有云头部三家份额均超过 50%，产业向头部集中。
- AI 工程三阶段演进，Harness 成为生产级智能体核心底座
- 2022‑2024 提示词工程 →2025 上下文工程 →2026 Harness（驾驭）工程。模型是引擎，Harness 决定智能体能否稳定可靠执行任务。实验验证：仅优化 Harness，编程任务成功率可从42% 提升至 78%；Gartner 预测2026 年底 40% 企业应用嵌入 AI Agent，云厂商、模型厂商加速 Harness 产品化、推出 Agent 托管服务。
- 算力架构变革：CPU 成为新瓶颈 智能体大量任务调度、IO、长上下文管理压向 CPU，AI 数据中心 CPU/GPU 配比由原来 1:4‑1:8 向1:1‑1:2演进；智能体任务中 CPU 造成时延占比40%‑90%，RAG 场景甚至超 90%；服务器 CPU 出现 10%‑15% 涨价，供货周期拉长至 8‑12 周。十万 / 百万卡级超大规模智算集群成为刚需，国内落地 10 万卡级国产 AI 超算集群。
- 网络层面：光互联成为刚需，光纤供需紧张 LPO/NPO/CPO 光互联逐步替代铜缆；AIDC 光纤需求占比将从 2024 年不足 5%，飙升至 2027 年30‑35%；预制棒扩产周期长达 18‑24 个月，全球头部企业签署长协锁定光纤产能。多数据中心协同训练成为集群扩张重要手段。
- 云向 Agent‑Native 演进 智能体任务从毫秒级变成分钟‑小时‑天级任务，内存峰值可达均值15.4 倍，CPU 利用率大幅波动；冷启动需要降到毫秒级，沙箱、分层记忆、权限隔离成为云平台标配；Skill/MCP/CLI 成为云产品标准化改造方向。
- 模型与智能体架构趋势 通用基座模型趋于收敛，垂直行业模型多元细分；智能体走向记忆分层、多智能体互联、模型‑智能体解耦，统一模型网关、可插拔平台成为行业标配。四层分层记忆架构最高可节省61.38% Token 消耗，任务通过率提升 51.52%。
三、应用落地结论：业务价值优先，治理与成本核算成为准入门槛
- 落地顺序：优先落地高价值、闭环可验证场景。信息通信与软件（任务适配得分 96.7）、商贸零售 89.0、金融服务 87.2适配度最高；医疗、农业农村受数据、风险约束，现阶段适合辅助决策 + 人工复核模式。
- 生产准入硬性条件：智能体必须建立全生命周期治理；成本核算不能只看单次 Token 价格，需要考核单位成功任务成本。调研显示77% 企业 AI 应用落地速度超过自身治理能力；Gartner 预警：到 2027 年底超 40% 智能体项目会因成本、风险管控不足被取消；编码类智能体 Token 消耗可达普通对话推理约1000 倍，同任务消耗差异最高达 30 倍，校验、重试成为主要成本来源。
四、国内 31 省智能体产业评估（AIDP‑EM 模型）
评估权重：发展环境 25%、基础设施 45%、服务应用 30%
- 整体格局：头部集聚、梯度分化，分为四大梯队
- 领先梯队平均得分 68.6（北京 74.6、上海 69.4、江苏 68.7、浙江 65.9、广东 64.7）；
- 较强梯队 44.8；中等梯队 32.6；追赶梯队 18.3；
- 空间特征概括：京沪创新策源，长三角均衡集群，粤鲁产业应用，川渝黔算力节点。智能体不是单纯算力竞争，数据、平台、人才、场景同等关键。
- 四类区域发展象限
- 高基建‑高应用：北京、上海、江苏、浙江、广东、山东、四川、重庆等；
- 高基建‑低应用（典型：贵州、湖北）：算力资源充足，但数据、平台、场景转化不足，不能一味扩算力，要重点发展公共平台、行业场景；
- 低基建‑高应用（福建、湖南、陕西）：依托全国一体化算力网，减少本地重资产建设；
- 其余省份处于双低象限。
- 行业适配：农业农村是 9 个省份的首位适配行业，政务公共服务是 6 个省份首位适配行业；省份综合实力和行业适配不直接划等号。报告建议各地实施“一省一业多场景”差异化布局，避免同质化建设。
五、现存挑战与发展建议
主要挑战
- 异构算力调度难以适配智能体长周期、突发性混合任务；
- 国产算力、框架、智能体工具链全栈生态仍待完善；
- 传统硬件租赁商业模式不匹配智能体 “算力 + 运行环境 + 调度 + 工具” 一体化诉求，分层商业变现模式缺失。
核心建议
- 基础设施：由资源规模扩张转向服务化、可调用化；
- 平台层面：共建公共智能体平台，降低企业试点到规模化落地门槛；
- 应用路径：优先选取高价值、可验证闭环场景，按 “辅助建议‑人工审批‑受控执行‑闭环自治” 分阶段落地；
- 区域策略：立足本省产业禀赋，差异化开展 “一省一业多场景” 建设。
报告下载
扫码关注本站公众号“智慧城市行业分析”，对话框回复关键字“中国电信研究院”获取《智能体时代AI基础设施发展研究报告（2026）》相关报告。
