从500万亿Token看中国AI的产业化分水岭：算力进入“生产力时代”

作者 | 曾响铃

文 | 响铃说

开过手动挡汽车的人都知道，换挡从来不是“踩一脚油门”的事。转速、扭矩、离合必须同时到位，动力系统才能完成一次平滑切换——任何一环慢了半拍，车子就要顿挫，甚至熄火。

而AI产业，正站在这样一个换挡点上。最近有三件事，把这件事推到了台前。

第一件，据公开报道，截至2026年6月，中国日均Token调用量已达约500万亿。要知道，三个月前，国家数据局公布的数字还只是140万亿。

第二件，仅微软、谷歌、Meta、OpenAI四家全球头部科技公司，2025年在AI数据中心上的资本开支合计就超过2000亿美元。

第三件，2026中国算力大会在河北廊坊开幕，“算力是第一生产要素”的说法，继续从企业PPT走进主论坛。

当我们把这三件事放在一起看，会发现背后都指向了同一个事实：AI正在从“技术竞赛”切换到“生产力竞赛”。而算力，正在完成一场从“芯片”到“水电煤”的身份转换。

顺着这个势头，有几个问题就绕不开了：AI为什么偏偏在这个时点“换挡”？换挡有没有可检验的信号？算力底座由谁来造、怎么用？换挡的代价与未知又在哪里？

诚然，这些问题眼下还没有确定答案——答案要靠行业信号去检验。值得一提的是，在2026中国算力大会主论坛上，华为中国政企业务副总裁郭振兴在《释放AI新质生产力，助力千行百业跃升新价值》主旨演讲中，给出了华为对这场“换挡”的完整思考与创新价值成果。

华为中国政企业务副总裁郭振兴

但产业换挡是否真的发生，向来不是哪一家企业能单独回答的——它是由数据、投资与落地结果共同投票的。判断已经摆上台面，接下来就是验证的时刻。

三个信号，指向同一场“换挡”

判断一场“换挡”是不是真的发生，不能只看台上怎么说，要看行业里发生了什么。把过去两年的切片放在一起，算力产业其实已经出现了三处结构性的变化：需求端的Token消耗在暴涨，供给端的资本开支在涌入，落地端的生产方式在重构。这三处变化相互咬合、彼此印证——有三个信号，已经完全亮了。

其一，需求端应用大爆发，Token已经成为产业的“电表”。

我们把时间轴拉长，2024年初，中国日均Token调用量约1000亿。2026年3月，国家数据局公布的数字为140万亿；到2026年6月，据公开报道直接达到了约500万亿，是2025年同期的10倍。两年多时间，一条陡峭到罕见的增长曲线已经形成。

为什么涨得这么快？背后，AI完成了从“能对话”到“能执行”的进化。不同于对话的点状消耗，智能体是持续消耗——当金融、电力这些行业把智能体铺进业务流程，Token就不再是模型厂商的内部指标，而成了企业的经营指标。

时至今日，企业智能化的平均门槛，已经降到日均10亿Token，约等效600到800卡算力。工商银行上线了1000多个专业领域智能体，覆盖400多个业务场景，日均消耗约150亿Token。招商银行在184个AI场景中节约了475万人工小时。国家电网超过6000个垂直领域智能体上线，日均消耗约230亿Token。

作为参照，全球最大的AI模型API聚合平台OpenRouter，2026年3月中旬一整周的全球总调用量约20.4万亿。也就是说，中国单日的量级，就比它高出一个数量级。当然，两者口径并不同：中国为全行业统计，OpenRouter为单一平台API口径。口径不同，但方向却是一致的：AI在中国，已经是每天被调用数百亿次的现实生产力，而不是PPT。

当然，量级只是表象，对于产业而言，真正的价值在于“可计量”。当一个东西可以被计量，它就可以被定价、被经营、被考核。Token已经是AI时代的“电表”——它让算力第一次从“成本项”变成“可经营的生产要素”。可计量，就是产业化的起点。

其二，在供给端，算力被当作“第一生产要素”来建设

需求端放量，供给端自然跟进。全球算力投资正在以基础设施的规格展开，不难发现头部厂商的数据中心资本开支，从2024至2030年始终保持30%以上的复合增长。这笔钱，不再是一个个“项目”的钱，而是“基础设施”的钱——项目拼单卡性能，基础设施拼系统能力。

摩尔定律红利见顶之后，全球不约而同地从“堆单卡”转向“堆系统”：让一万张卡像一颗芯片一样工作。于是“超节点”成为共识。今年7月，鹏城实验室与全球计算联盟（GCC）联合发布《超节点定义与实践白皮书》，将超节点定义为：物理上由多个计算节点通过高效互联协议紧密连接、具备跨物理节点统一内存编址能力、逻辑上如同“一台计算机”的计算系统。定义一旦清晰，趋势就不可逆。在全球头部算力厂商2025年发货中，超节点占比已从20%升至60%以上，应用场景也从基模训练扩展到MOE推理、Agentic AI。

客观而言，超节点成为共识，正是算力进入“系统时代”的标志。与此同时，全国一体化算力网的建设，正在把算力从“企业资产”变成“国家基础设施”——2026中国算力大会的主题“共织算力网”，说的正是这件事。算力，由此正式获得“第一生产要素”的地位。

其三，落地进入深水区，瓶颈从“技术”转向“组织”。

需求与供给相继到位后，AI落地的卡点转移到了“组织吸收能力”。华为过去两年服务了3000余家企业客户，有一个明显的变化：头部企业已经迈入百万级智能体、日均千亿Token的阶段，客户做AI投资时关注的重点，也从“场景数量”变成了“场景效果”。AI不再是一个个散点应用，而是嵌进生产系统、改写业务流程。

这意味着AI落地不再是技术项目，而是生产关系的重构：当AI进入核心生产环节，它改变的不是一个岗位，而是一条流程、一套组织、一种生产关系。譬如，宝武钢铁集团启动“2526”战略工程，就把“人工智能重新定义钢铁”提升为公司战略，落地120多个AI应用——高炉炉温预测、热轧宽展预测、钢板表检，全部嵌进生产主流程。

这和还停留在演示阶段的AI应用，已经是两个物种。直白地说，谁能把AI嵌进生产流程、把改造成本降到最低，谁才能吃到这轮红利。

换挡需要底座，算力建设还得过三关

客观而言，换挡需要底座，算力就是关键的底层支撑。而算力底座的成熟要过三关：造得出、用得起、用得好。这三关环环相扣：造得出是能力问题，用得起是生态问题，用得好是场景问题，任何一家企业都很难独力打通。

正因为难，才更需要看具体的企业走到了哪一步。华为恰好是少数把三关都走了一遍的企业：产品、生态、场景三条线同时推进，每一关都有实打实的动作。那么接下来，我们就可以顺着这三条线，看看算力底座究竟走到了哪一步。

第一关：造得出——超节点从图纸到规模交付。

超节点共识之下，各家都在造。而华为给出了一套持续进化的解决方案：Atlas 900 A3 SuperPoD（即昇腾384超节点）规模商用，已部署550余套。Atlas 950 SuperPoD计划于2026年Q4规模商用，支持8192卡，剑指业界首个万卡级超节点。Atlas 960则规划到15488卡。可见，在“超节点规模”这个维度上，自主创新的路线持续领先。

当然，比发布会更接近真相的，是交付。550余套部署，可见这套架构不是PPT，而是已经跑在互联网、运营商、金融、电力等真实业务上。交付的分量，还不止于真实落地，更在于它验证了一条反共识的路线：在先进工艺进步受限的背景下，华为没有在单点芯片上死磕，而是押注系统级创新，即“韬（τ）定律”——摩尔定律把晶体管做小，韬定律把等待时间缩短；靠互联把规模堆起来，靠调度把等待压下去。550余套规模商用，正是这条路线在真实业务里被验证的结果。

第二关：用得起——生态决定算力价值的上限。

时至今日，算力底座的价值不在芯片本身，而在上面跑得动多少模型、多少应用。如果说芯片性能决定算力的起点，那么生态规模则决定价值的上限——同样的芯片，放在生态繁荣的底座上，才能释放出更大的价值。

沿着这个思路，华为在生态上的投入可以拆开来看，开放灵衢协议与超节点参考架构，让伙伴可以基于开放的接口研发自己的产品；CANN、MindSpore等基础软件开源开放；DeepSeek、Qwen等主流开源模型实现0Day适配，10余个主力模型开箱即优；行业TOP ISV覆盖国计民生80%的算力场景；2700多家行业伙伴、80家硬件伙伴，共同打造5800多个行业解决方案；“智能基座”项目已培育约70万名学生。

这些动作正在把“一个人的底座”变成“一群人的底座”。放眼全球，算力竞争已经从芯片延伸到生态，华为的举措是其中的一个缩影。

第三关：用得好——算力价值要落在业务结果上。

算力底座最终得用业务结果说话，这一点已经成为业内共识。在华为服务过的行业里，很多项目都能算出一本投入产出账：山东能源精煤产率提升0.2%；华菱湘钢废钢定级准确率达90%以上；鞍钢配煤成本每月减少900万元；宝武高炉年增效益超千万元——把算力价值翻译成业务语言，是“第一生产要素”从口号变成事实的关键一步。

而华为已经迈出这关键的一步。有意思的是，这不是一家企业的独角戏——当全行业客户开始用“场景效果”而非“场景数量”来衡量AI投入，那就说明整个行业都在完成这一步。

AI换挡已经发生。需求端Token暴涨、供给端算力要素化、落地端进入深水区，三个信号指向同一结论——AI的下一程，比的不是谁的模型更聪明，而是谁能把算力组织成可计量、可经营、可持续的生产力。

与全球围绕先进工艺的军备竞赛不同，中国算力走的是“系统创新＋产业协同＋实体场景”的路径。算力正在从企业资产变成国家基础设施，“共织算力网”的产业叙事，与这场换挡同频共振。

换挡的成色，最终要由时间与交付投票。而华为在此次大会给出的思考与创新价值结果，恰恰也是所有算力底座建设者共同面对的考题。

*本文图片均来源于网络