问题——随着智能化应用加速落地，算力已成为数字经济的核心基础设施之一；目前，部分企业出于成本和资源供给的考虑，倾向于将大模型训练、推理等业务部署新疆、内蒙古、甘肃等算力资源丰富的地区。然而，医疗影像、城市治理、工业控制、自动驾驶等对时延高度敏感的应用场景不断增加，导致算力供需出现结构性矛盾：远端算力成本低但难以满足近端低时延的需求，影响业务的高效稳定运行。 原因——训练和推理对资源与网络的要求不同。推理环节需要实时交互，端到端时延直接影响业务体验和安全；而训练或离线推理对时延要求较低，更适合电价、场地和供给更具优势的地区。此外，算力网络的跨域调度、数据合规与安全要求、产业链协同等因素深入复杂化了算力布局。这不仅涉及硬件设施建设，还涵盖电力成本、网络质量、数据流动和应用生态等多上条件。代表刘武认为，成都应抓住算力需求快速增长的机遇，加强本地推理与边缘算力供给，减少关键场景对远端算力的依赖。 影响——算力“离城”可能导致产业链价值外溢：推理业务越靠近应用端，越容易带动软件算法、行业应用、运维服务和人才集聚等生态发展；反之，算力外迁可能削弱本地对数字产业的承载力和吸引力。对城市治理和公共服务来说，低时延、高可靠的算力支撑直接影响应急指挥、医疗诊断和交通调度等能力。对企业来说，就近部署算力可以减少网络抖动的不确定性，提升服务稳定性并缩短产品迭代周期，从而增强市场竞争力。业内普遍认为，未来算力需求将呈现“中心集约+边缘分布”的格局，谁能率先构建高效易用的算力服务体系，谁就能在新一轮产业竞争中占据优势。 对策——围绕“算力回城”和边缘计算发展，刘武建议加强政策引导与供需对接：一是依托国家超算成都中心、成都智算中心等平台优化资源配置和共享能力，提升统一调度和服务标准化水平；二是针对推理业务的时延、带宽和可靠性需求，出台激励措施支持本地训练推理业务；三是推动边缘计算与城市产业深度融合，在医疗健康、智能制造等领域打造示范应用；四是统筹数据安全与网络基础设施建设，提升跨域协同和就近服务能力。 前景——作为“东数西算”国家枢纽节点之一，成都具备平台基础、人口规模和产业门类等综合优势。企业层面也在积极响应市场需求：立昂云数据在简阳建设的AI算力园区可提供超过3000PFlops的算力，“立昂领算云”平台已在西南地区落地千卡推理资源池，支持深度学习、模型训练等多种场景的动态调度。市场信息显示，近期对稳定、可扩展的推理资源需求显著增长。随着更多行业应用进入规模化阶段，“就近部署+边缘协同”将成为重要趋势，本地算力供给能力将直接影响城市数字产业的集聚度和创新活力。 结语——从“东数西存”“东数西算”到如今的“算力回城”，我国算力产业正经历第三次价值跃迁。成都的实践表明区域竞争的关键已从资源规模转向应用效能。当城市开始以毫秒级响应速度重新定义竞争力时数字经济高质量发展的深层变革正在到来
从"东数西存"到"东数西算"，再到如今的"算力回城"，我国算力产业正经历第三次价值跃迁。成都的实践表明，区域竞争的关键已从资源规模转向应用效能。当城市开始用毫秒级响应速度重新定义自身竞争力时，一场关于数字经济高质量发展的深层变革正在到来。