中国算力，不足美国二分之一

2026年9月12日，2026中国算力大会主论坛。

中国工程院院士邬贺铨站在台上，说了一组让全场安静的数据：目前，中国的算力在全球占21%，美国占46%。

21%对46%，中国算力规模不足美国的二分之一。

这个数字，是2026年中国算力产业最真实的起点。

一半的差距

21%和46%，不是同一口径下的偶然落差，是结构性的规模差距。

按国际能源署2026年4月发布的估算，截至2025年底，美国数据中心总装机容量约52吉瓦，中国约28吉瓦，美国约为中国的1.9倍。到2030年，两国容量预计分别增至100吉瓦和67吉瓦，差距收窄至约1.5倍，但绝对差距仍在扩大。

投入端的差距更加悬殊。穆迪报告估算，2026年美国六大超大规模云服务商的资本支出将超过7850亿美元，而中国头部科技企业的AI相关资本支出约为1400亿美元——美国是中国的6倍。

6倍的投入，换来的只是不到2倍的算力差距。这说明中国在算力基础设施上的成本效率更高。但效率优势并不能掩盖规模差距本身。21%对46%，意味着在全球算力版图上，中国目前只拥有美国不到一半的份额。

规模不是唯一的问题

21%这个数字之所以值得警惕，不在于它比美国少了一半，而在于这21%内部的“结构性短板”。

中美算力的总体差距约1.5倍，但高端训练算力的差距达到4.7至7倍。EpochAI的测算显示，美国占全球高端训练算力约75%，中国仅占15%，差距约5倍。伯恩斯坦研究聚焦旗舰级训练算力，测算差距约7倍。

两个数据放在一起，指向一个关键事实：中国在推理算力上已经建成了全球领先的供给能力，日均Token调用量超过140万亿，推理侧算力自给率超过90%；但在决定下一代模型架构走向的高端训练侧，国产算力自给率不足10%。

推理是遍布城市的零售网络，靠覆盖密度取胜；训练是支撑整个产业的重工业基地，靠极限吞吐立身。中国目前做大了零售网络，但重工业基地还没有建成。

芯片层面的差距同样清晰。OpenAI的GPT-6 Astra是首个使用10万卡训练的大模型，仅显卡费用就达60亿美元，这是国产大模型目前很难追赶的领域。国产AI芯片中性能最强的华为昇腾，其算力性能仍难以追上三年前英伟达H200的水平。

被锁死的两条路径

高端训练算力上不去，根本原因在两个“卡脖子”环节。

第一是先进制程。算力意味着芯片能塞进多少晶体管，而先进制程的产能被出口管制锁死。第二是高带宽内存。AI训练对内存带宽的需求近乎苛刻，而HBM的供应几乎完全掌握在三星、SK海力士和美光三家手中。国内AI芯片的追赶速度，受制于这两个环节的产能释放节奏。

更值得关注的是AI基础设施的“军备竞赛”正在拉大差距。美国科技巨头的资本支出是中国的6倍，这意味着每年美国都在往算力基础设施里多投数千亿美元。中国依靠更低的土地成本、更便宜的能源和更高效的建设能力，用更少的钱缩小了差距。但效率优势存在边界——当投入差距达到6倍时，效率优势无法永远对冲规模劣势。

追赶的速度

但21%这个数字的另一面，是中国算力的增长速度远快于美国。

截至2026年6月底，中国智能算力规模同比增长177%。中国头部科技企业AI资本支出从2025年的650亿美元增长至2026年的约1400亿美元，一年翻倍。推理算力预计到2029年将占中国算力市场的80%。

按照规划，2030年中国算力占全球的比重有望从21%提升至30%。从21%到30%，九年提高9个百分点。如果美国同期从46%小幅降至40%左右，两国的差距将从二分之一以上收窄至四分之三左右。

但这个预测有一个前提：国产芯片的产能必须跟上。华为已制定明确的迭代路线图，计划在2026年至2028年间分阶段推出四款昇腾系列芯片。如果产能释放的节奏赶不上需求增长的速度，算力占比的提升就会打折扣。

生态的鸿沟

比硬件差距更难弥合的，是软件生态。

英伟达的CUDA生态用了近二十年时间建立，全球数百万开发者围绕它开发工具、优化模型、积累经验。国产芯片的软件栈——无论是华为的CANN还是其他厂商的自研平台——在成熟度、开发者规模、工具链完整性上都存在明显差距。

一个数字很能说明问题：2026年第一季度，英伟达在中国AI芯片市场的份额已从三年前的95%暴跌至8%，国产AI加速卡市场份额突破60%。这说明中国在“用谁的芯片”上已经完成了替代。但“用得好不好”是另一回事。国产芯片在推理场景下已经能满足大多数需求，但在需要极致性能的训练场景中，生态成熟度的差距会直接转化为效率的差距。

21%的重量

21%这个数字，重吗？

它意味着中国已经是全球第二大算力大国，拥有全球领先的推理算力供给能力，在AI应用落地上走在了世界前列。它也意味着中国在高端训练算力上仍然依赖进口芯片，在先进制程和HBM内存上仍然被卡着脖子。

2026年的中国算力产业，正在经历一个复杂的阶段：应用层在追赶甚至部分超越，基础层仍在艰难爬坡；推理侧已经实现自主，训练侧还在突围；总量在以每年翻倍的速度增长，但绝对差距仍在扩大。

邬贺铨在算力大会上说的那句话，或许是对这个阶段最精准的概括：“Token的消耗并不是以多为荣，而是以效率为荣。”

21%对46%，二分之一不到的算力规模，是差距，也是空间。从21%到30%，中国要补的不是一倍的增长，是一整套从芯片到生态的基础设施。这条路没有捷径，只有一纳米一纳米地追，一块芯片一块芯片地补。