问题——算力成本成为创新企业“最先遇到的天花板” 近来，随着大模型与多模态技术加速进入内容生成、工业质检、医药研发等场景，算力需求持续走高。对不少中小企业和初创团队而言，研发迭代不再只受算法与数据限制，算力能不能拿到、用不用得起，逐渐成为更直接的约束：训练与推理费用高、资源调配不稳定、前期预付压力大，都会影响产品迭代节奏与市场竞争力。一些细分赛道，算力支出甚至挤占了人才引进、数据治理和市场拓展的预算。 原因——供需错配与“重复建设”并存，资源利用效率有待提升 一上，人工智能应用从试点走向规模化，训练、微调与推理并行推高需求，尤其高并发、低时延场景中，对算力弹性的要求更高；另一上，算力资源长期存在结构性矛盾：不少机构和企业自建算力形成“孤岛”，高峰期紧缺、低谷期闲置，跨主体、跨区域调度成本高、难度大。再叠加中小企业融资周期较长、现金流承压，就出现“想用但用不起、用得起但不稳定”的双重问题。由此看，关键不只在新增建设，更在盘活存量与统一调度。 影响——算力普惠带动创新扩散，也倒逼安全治理能力升级 上海的探索显示出更清晰的产业逻辑：通过平台化调度把分散算力“连成网”，再以算力券降低企业使用门槛，有助于加速技术扩散，推动更多应用从概念验证走向产品化、商业化。对创业团队来说，这意味着不必在早期把大量资金押在硬件上，可以把资源更多投向算法优化、行业数据沉淀和产品打磨；对产业生态来说，则有利于形成“应用牵引—算力支撑—服务配套”的协同链条，提升区域创新活跃度与产业集聚效应。 另外，算力规模化使用也带来新的治理挑战。随着智能体、企业级助手等应用深入业务流程，数据在采集、处理、训练、调用各环节的风险随之上升，隐私保护、合规审计、模型安全评估、内容安全等需求会更集中、更刚性。算力与数据、算法耦合更紧密，也意味着“发展”和“安全”必须同步推进，安全治理能力将成为产业持续发展的基础能力之一。 对策——以“平台调度+算力券”降低门槛，以规则体系护航可控发展 据介绍，上海正以算力调度平台为抓手，整合国企、科研机构、互联网企业等多主体算力资源，并联动长三角区域能力，提升算力供给弹性与资源利用效率。在支持政策上，年度10亿元算力券强调普惠与便捷，企业可按需使用、抵扣费用，缓解前期投入压力，增强创新活动的连续性。 从更宏观层面看，国家层面对人工智能发展的方向更明确：推动“人工智能+”与实体经济深度融合，同时强调统筹发展与安全。有关部门多次提出人工智能应坚持“为人所用、为人服务、为人所控”，并倡导开放共享与国际合作。这也意味着，各地在推进算力基础设施和应用生态时，需要同步完善数据合规、模型治理、风险评估、应急处置等制度工具，形成可执行、可验证、可追责的治理闭环。 前景——从“算力可得”走向“价值可用”，智能经济形态加速成型 业内分析认为，算力普惠将推动人工智能更快进入千行百业，并形成“应用增长—调用提升—算力需求上升—电力与绿色能源体系联动”的链式效应。未来竞争焦点可能从单纯比拼算力规模，转向比拼算力效率、工程化能力、数据资产质量与安全治理水平。对地方而言，构建统一调度、开放可控的算力服务体系，有望成为培育新质生产力的重要抓手；对企业而言，能否在合规前提下提升模型落地能力、打造可复制的行业解决方案，将决定其在新一轮产业变革中的位置。
智能经济的新形态不应只是少数巨头的专利，更应指向更广泛、更普惠的产业生态。上海的算力调度网络探索，表明了一种更务实发展思路：既要把握AI带来的窗口期，也要让发展更有序、更可控、更包容。在发展与安全、开放与治理之间找到平衡，我国也在为全球AI产业提供一种可持续的路径。随着更多创业者不再被“算力荒漠”所困，应用生态的繁荣逐步取代单纯的硬件竞赛，智能经济的真实活力才会被深入释放。在此过程中，政策引导、资源优化配置与治理框架完善，缺一不可。