■編者按

　　習近平總書記深刻指出，“要構建以數據為關鍵要素的數字經濟”“發揮數據的基礎資源作用和創新引擎作用”。算力作為數據價值釋放的核心引擎，其關鍵不僅在規模，更在于轉化效率——如何讓算力真正像水電一樣融入生產生活，從資源集聚走向價值釋放，是數字經濟高質量發展的重要命題。

　　當前算力建設一路疾馳，但“成長的煩惱”亦未缺席：高端“一卡難求”，中低端閑置；建得快與用不滿并存；降碳與降價兩難。

　　作為全國首批一體化算力網絡國家樞紐節點之一，山東肩負“東數西算”承接與省內協同的重任。記者走訪魯南大數據中心、滕州機床集群和濟南、青島樞紐節點，看到山東正以省級“一張圖”打破壁壘，用“算電協同”撬動綠色轉型。這是產業從規模擴張轉向效率提升須直面的結構性考題。

　　7月16日，暴雨剛過，棗莊的氣溫又升了上來。

　　魯南大數據中心樓頂，幾臺冷卻塔正呼呼冒著白汽。樓下，一排排服務器指示燈無聲閃爍——這里存儲和計算的，是棗莊突破1000P的算力家底：通用算力400P、智能算力600P，智算占比60%，穩居全省第一梯隊。

　　李子敬是棗莊市大數據局數字經濟促進科的工程師。他的辦公桌上，有兩樣東西。

　　一臺電腦，連著全省一體化算力服務平臺。屏幕上，濟南、青島、棗莊三大樞紐的算力規模實時跳動，全省136家算力中心，哪個在用、哪個閑置、哪個正在建設，一張圖看得清清楚楚。平臺上，棗莊智算消納率是100%，全部是訂單式建設。

　　一本筆記本，里面密密麻麻記著他走訪過的企業，每一行后面標著幾個問號：想怎么用？預算多少？

　　電腦告訴他“算力建了多少、用了多少”；筆記本告訴他“企業想要什么”。

　　兩張“地圖”放在一起，李子敬看到了一個耐人尋味的“悖論”：一邊是短缺，一邊是閑置。這或許正是算力產業必須穿越的“成長三峽”。

　　建得快，用不滿？

　　算力“建起來”之后，會不會“閑下去”？這不是一個省的問題。

　　浪潮人工智能研究院的測算顯示，全國智算中心平均算力使用率僅約30%。不少算力中心陷入“建得快、用不滿”的窘境。

　　“之前我們調研發現，不少地方政府都出臺了人工智能產業發展規劃，一些地方出現了跟風投資的現象。”西南財經大學大數據研究院院長寇綱表示，缺乏論證、重復建設。

　　一家運營商負責人打了個比方：“以前是‘要想富先修路’，路修好了車自然會來。但算力不一樣——你投50億元建一屋子設備，沒人用，3年殘值就剩20%到30%。”

　　把目光拉回山東。目前全省算力總規模已達2.73萬P，濟南、青島、棗莊三大省級算力樞紐承載了全省65%的算力資源、54.5%的智算資源，區域集聚效應明顯。這個數字在全國不算小，但“建起來”只是第一步。

　　建算力，到底是“修路等車來”，還是“有車再修路”？

　　這個追問，放在2015年的青島，答案曾是前者。那一年，三大運營商的數據中心項目本著“適度超前規劃”理念陸續上馬，機房建了、機柜立了。但此后幾年，使用率并沒有跑贏預期。“使用率在70%左右。”該運營商負責人回憶。

　　邏輯之變，讓棗莊“以用促建、建用并舉”的思路有了分量。上項目之前先摸排企業痛點，拿到訂單再擴容。棗莊移動公司大數據發展中心經理張宇說：“我們智算資源利用率100%，客戶以政府部門、本地互聯網企業、制造業企業為主。”

　　李子敬攤開一張規劃圖，手指敲了敲圖上標紅的區塊：“今年重點打造魯南大數據中心、魯南超算中心、嶺基云智算中心三個板塊，年內保守可新增算力1500P到2000P。”

　　可年內新增算力，光靠現有的訂單遠遠不夠。跑企業時，他聽到最多的一句話是：“算力挺好，但我不知道能干啥。”中小企業對算力應用的認識還跟不上，覆蓋面有待擴大。

　　全球性難題的中國切面

　　山東2.73萬P的總量看著不小，但李子敬知道，分布不均衡——高端算力“一卡難求”，中低端算力無人問津。這像極了全國算力產業正在經歷的“三重錯配”——

　　類型錯配——通用算力存量過剩，智能算力結構性短缺，大模型訓練所需的高端集群供不應求，面向推理的中低端智算卻開始空置；空間錯配——我國AI企業主要集中在東部沿海地區，算力需求集中，西部省份依托綠電資源優勢大力建設算力中心，但本地產業需求薄弱；主體錯配——頭部企業鎖定大部分高端算力，中小微企業卻面臨“用不起、拿不到、不會用”的困境。

　　從全國數據看，2026年一季度國內AI算力需求同比暴漲417%，同期供給增速僅為128%，全年算力缺口持續擴大。與此同時，大量中低端智算集群的機柜卻無人問津。

　　短缺與閑置并存，這個結構性矛盾，不只中國有。2025年金融服務公司TD Cowen分析師透露，由于算力過剩，微軟已退出在美國和歐洲的多個數據中心項目，這些項目的總耗電量合計達到2吉瓦。受此影響，隔夜美股芯片股集體大跌，英偉達股價單日大跌超5.7%，引發市場對AI數據中心泡沫的廣泛討論。

　　這是一場全球性的算力“成長煩惱”。其本質是算力的供給邏輯與需求邏輯之間，存在一個時間差——建算力可以靠資本和工程，讓算力“被用起來”卻要靠認知、場景和生態。前者是“硬”的，后者是“軟”的。軟硬之間的落差，正是當前算力市場最深的裂縫。

　　更值得深思的是：我們可能高估了算力需求爆發的速度，卻低估了需求“有效轉化”的難度。AI大模型訓練確實需要海量算力，但對于中國數以百萬計的中小制造企業來說，他們需要的不是訓練大模型，而是用大模型改造一條生產線、優化一個工藝參數。前者是“吃”算力，后者是“用”算力，講究的是匹配和適配。

　　山東能解開這個結嗎？三個城市給出了不同的實踐回答。

　　濟南的解法是“搭平臺”。6月18日，“泉惠算·濟南詞元工廠”啟動，把全市21家主體的3743.8P智能算力匯聚到一個池子里，企業按需取用，Token計費、卡時租賃、一體機部署，再配上“算力券”直接抵扣。把“賣算力”變成“賣服務”。

　　青島的答案是“換邏輯”。從“先修路再跑車”轉向“先有車再修路”，圍繞產業需求梯次布局邊緣算力。2025年9月，青島市算力調度服務平臺2.0上線，目標是“水電式”服務，隨用隨取。讓算力跟著產業走，而不是讓產業追著算力跑。

　　在棗莊，傳統制造業企業車間里長出來的需求，正在成為棗莊調整算力建設節奏的依據。

　　“全省的算力資源都在平臺上，”李子敬說，把算力送上“貨架”只是第一步，讓企業知道“貨架上有什么、怎么用、用了能怎樣”，才是更漫長的功課。

　　當“降碳”遇上“降價”

　　李子敬算過一筆粗賬：以1000P算力為例，年用電量約1600萬千瓦時，按0.70元/度計算，每年電費約1120萬元。“用電成本占絕對的大頭，遠不止六七成。”

　　行業內有人說得更直白：“建數據中心跟建煉鋼廠一樣，都是電老虎。”

　　算力背后是電力。2025年，全國算力中心總用電量達1700億千瓦時，接近兩座三峽電站的年發電量，占全社會用電量的1.6%。到2030年，這個數字預計突破8000億千瓦時，占比升至6%左右。

　　在“雙碳”目標下，綠電成為算力中心的必選項。但現實遠非“用綠電、省電費”那么簡單。“按理說消納綠電，應該更便宜，但實際上為了用綠電，不少企業都要買‘綠證’，運營成本反而提高了。”前述運營商負責人介紹。

　　更棘手的是穩定性。某運營商曾投入幾百萬元在數據中心屋頂鋪滿光伏板，鋪完了才發現，電送不進去，“光伏一天只能發4小時電，電還不穩。數據中心要的是7×24小時穩定輸出，設備斷電再重啟非常慢，業務根本受不了。”最后光伏電只能接到電動車棚。

　　2026年，“算電協同”首次寫入政府工作報告。國家數據局局長劉烈宏說：“算電協同是推動算力基礎設施與電力系統深度融合，做到‘以電強算、以算促電’的良性循環。”

　　方向對了，落地不易。山東移動在棗莊滕州、山亭布局首批綠電直連項目，總投資8億元，建設3000P到5000P的中型算力中心。華電山東新能源滕州分公司總經理邵鵬介紹，項目采用“風電+光伏”多能互補，配套專屬輸電專線，“點對點直供，綜合用電成本比網購工業用電下降12%-18%。”

　　李子敬把企業的反饋一條一條記在筆記本上：電價機制層面，綠電直連從“一對一”到“一對多”，涉及主體越多，調度、結算、運維復雜度越高；配套基礎設施層面，儲能設施、專線電網建設周期長、投入大。

　　邵鵬也有些困惑：“碳收益、綠證收益怎么抵扣電費，交易流程還沒完全打通。降了碳，但變現滯后了。”

　　這揭示了一個“兩難”：綠電是方向，但“降碳”和“降價”之間，并不天然畫等號。用綠電增加了成本，省了碳卻不一定省了錢。二者如何平衡，是一個遠超算力產業本身的問題——它涉及電力體制、碳交易市場、電網調度等一系列深層改革。

　　新規在不斷破題。7月8日，山東省能源局印發通知，明確算力設施可作為單一電力用戶開展綠電直連，同時要求新能源年自發自用電量占總發電量不低于60%，占總用電量不低于30%。青島從技術創新上找平衡，6月6日啟用全球首個預制算力中心底座“算電島”，支持100%綠電消納，用電成本下降約30%。

　　李子敬的想法很務實：“只有把電力成本壓下去，我們在爭取算力合作時，才有更多的先決優勢。”

　　不做算力樞紐，做應用高地

　　成本的焦慮有了破題的方向，但另一個更深層的追問隨之浮現：誰才是真正用算力的人？

　　這是算力產業正在經歷的一場底層變革。當前，大模型的不斷涌現和普遍應用，讓算力需求的重心從訓練側轉向推理側。2024年初，我國日均Token調用量約1000億；到2026年3月，這一數字已飆升至140萬億，增長超過千倍。

　　在這一輪發展浪潮中，山東的機遇在哪兒？作為擁有全部41個工業大類的制造業大省，山東前景的關鍵在于能否將“制造業場景優勢”真正轉化為“算力競爭勝勢”。當算力競爭從“建得快”進入“用得好”的新階段，山東的工業或將成為其最大的底牌。

　　具體成效已經顯現。全省通過第三方測評的大模型產品達317個，10個工業大模型入選全國工業大模型50強，數量居全國第一。

　　山東“以工業場景牽引模型創新、以行業數據反哺模型迭代”的模式，恰恰契合了算力價值從生產端向應用端遷移的大趨勢。

　　算力真正的考場，在車間里

　　在滕州清巒福興集團的車間里，電氣工程師們正盯著屏幕調試機床。他們研發的“端對端智能熱補償系統”接入大模型，等于給機床裝了一套“溫度神經網絡”，加工精度穩定性被推到了微米級。圖紙自動編程從過去五六個小時縮短到十幾分鐘，不良品率降了六成。AI智能體自動排產，省掉了三成的人工調度工作量。

　　公司副總經理黃家坤說：“今年企業預計整體營收16億元，海外機床訂單同比增長35%。這套AI方案，是國外客戶下單時的重點加分項。”

　　他算了一筆賬：相比于自建服務器，租用公共算力按需付費，整體改造成本降低近四成；加上“算力券”抵扣，研發試錯成本大幅降低。“綜合算下來，2年左右，投入全部收回來。”

　　黃家坤也提出了一個現實問題：“面向機床加工的工業專屬定制化算力方案偏少，針對工業產線場景的專屬技術配套支持響應速度還能進一步提升。”

　　李子敬把這條反饋記在筆記本上，畫了個圈。從“能用”到“好用”，距離比想象中要遠。

　　中國科學院院士、北京航空航天大學教授鄭志明說：“制造并不是一般意義上的數字場景。制造需要的不是泛化智能，而是能夠進入工藝、裝備、質量、調度、運維等核心環節的精準智能。”

　　這句話點中了要害。算力要“沉”進產線，必須被重新“鍛造”成適合特定場景的形狀。

　　在山東，三個城市正在用不同的方式提高這個轉化率。

　　青島讓算力“沉入”海洋。人工智能產業園培育了12個海洋大模型，聚集30家涉海AI規上企業。青島港搭建百分百國產化算力底座，碼頭調度全部接入智能體系，原來碼頭調度靠老師傅的經驗，現在算力在算。

　　濟南讓算力“走進”工廠。浪潮人工智能工廠把AI模型研發拆解為75道標準化工序，一年能“造”出1000多個模型。全市已備案人工智能大模型117個，在工業、能源、供應鏈、政務、教育、文旅等領域打造了50個典型標桿案例。

　　棗莊讓算力賦能機床。全市已落地智能制造項目38個，累計幫助167家企業完成數智化升級。滕州集聚機床企業400余家，年產值突破260億元，其中110余家企業實現“上云用數賦智”。

　　從全國看，算力市場正呈現明顯的分化：頭部平臺算力利用率可達90%至95%，訂單已排至2028年；大量中小智算中心利用率為20%至30%。國家發展改革委已明確收緊新建大型超大型算力中心，行業正從規模擴張轉向效率提升。

　　算力的競爭，最終不是算力規模的競爭，而是“誰先把算力轉化為生產力”的競爭。

　　采訪快結束時，李子敬的手機響了。本地一家制造業企業打來電話，咨詢算力怎么使用。他拿出那本卷了邊的筆記本，記下企業的名字和需求。

　　掛掉電話，他又點開電腦上的那個平臺。一個連接著全省的算力基礎設施，一個連接著一線的真實需求。兩張“地圖”拼在一起，才是算力產業真實的全貌。

　　這場關于算力的敘事，表面上是關于芯片、服務器和電力，骨子里卻關乎認知、耐心和時間。藍圖在紙上，需求在平臺和筆記本里，而答案，正在一個個車間里、一條條生產線上，慢慢走出來。

　　（大眾新聞記者 戴岳 修從濤 劉童）