中国电信研究院报告：产业重心从大模型转向智能体，2029年推理算力将占市场80%
2026年9月12日，央视新闻报道了中国电信研究院发布的《智能体时代AI基础设施发展研究报告（2026）》。报告的核心判断是：人工智能产业的发展重心，正在从大模型与算力竞争，转向智能体的规模落地与应用变现。中国电信研究院行业与企业战略研究所所长饶少阳给出了一组相当具体的数字：预计2026年我国Token（词元）年消耗量将达到10亿亿，到2030年将超过3500亿亿，年复合增长率接近12倍；从算力需求看，智能体爆发将带动我国算力需求持续高速增长，预计未来2至3年我国算力需求平均每年增长近10倍；从需求结构看，推理算力需求将远远超过训练算力，预计2029年我国推理算力市场占比将达到80%。彭博社、The Next Web等媒体同日跟进报道。
先把报告里最硬的三个数字摊开。第一个是词元消耗量：2026年预计10亿亿。这个数写成科学计数法是10的17次方，放到2030年要超过3500亿亿，也就是3.5乘以10的19次方；对应的年复合增长率接近12倍——注意，不是增长12%，而是每年大约乘以12。第二个是算力需求：未来2至3年平均每年增长近10倍，同样是数量级而非百分比的口径。第三个是结构变化：2029年推理算力占市场比例达80%，训练退居次要位置。这三个数字放在一起读，能得到一个很直接的结论：如果前两年AI的投资逻辑是「谁的模型大、谁的卡多」，那么接下来的逻辑变成「谁的推理跑得便宜、谁的智能体真能替客户干活并把账单收回来」。
为什么「训练转推理」这个结构变化比总量增长更值得注意？因为这两件事的商业模式完全不同。训练是一次性的资本支出，买卡、建集群、训完就结束，成本可以摊到多年。推理则是一遍一遍发生的运营支出——每有一个用户调用，就烧一次算力。TechRadar的报道里有一句说得很到位：训练是造模型，推理是每次有人用它都要付的钱，因此它属于运营支出而非资本支出。对企业而言，这意味着AI从「一个大项目」变成了「一项持续的账单」。这也解释了为什么报告要强调应用变现：推理成本只会随着使用量线性乃至超线性上升，如果收入端接不住，规模越大亏得越多。
报告同时把这件事放进了投资规模的坐标里。据The Next Web援引的数据，中国科技企业今年在人工智能上的支出预计接近6000亿元人民币（约合890亿美元），超过全国全部投资的十分之一。政策侧的动作也在同步：据南华早报9月8日报道，工业和信息化部在周一发布的五年产业规划中，设定了到2030年智能算力达到9800 EFLOPS的目标，并提出2026至2030年累计信息基础设施投资3.8万亿元（约5320亿美元）；规划明确要求有序部署万卡级乃至十万卡级智能计算集群，同时建设适配不同应用的推理算力设施，并加大对国产芯片的适配力度。这一整套布局延续了2022年启动的「东数西算」工程——把能耗密集的算力负载从东部人口密集区迁往土地与能源更便宜的西部，目前已经形成以八大国家算力枢纽、十个数据中心集群为核心的网络。
把这份报告和本周另外两条新闻对照着看，会发现一个全球性的巧合。在美国，OpenAI因为Astra的需求把每月200美元的Pro档位暂停了新订阅，管理层承认这个档位「对系统压力最大」；同一周，Altman表示愿意与其他实验室签放缓公约。在中国，报告的落点在「智能体规模落地与应用变现」，而支撑它的前提是推理算力能不能跟上。两边的问题其实是同一个：智能体时代的成本结构与商业模式正在被重新定义。区别只在应对方式——一边在讨论要不要主动减速，另一边在规划未来五年把算力翻四倍、把推理设施铺开。对做产品的人来说，这两种路径都会体现在未来的模型价格与供应稳定性上，选择供应商时值得把这条宏观线放进考量。
🤔 常见问题解答
Q1: 10亿亿是个什么量级的数字？
10亿亿写成科学计数法是1乘以10的17次方，也就是1后面跟17个零。这是中国电信研究院对2026年我国全年Token（词元）消耗量的预测；同一份报告预计2030年将超过3500亿亿，即3.5乘以10的19次方，年复合增长率接近12倍。要理解这个量级，可以换个角度看：词元消耗量本质上等于「有多少人在用、用得多久、每次任务有多长」三个变量相乘，而智能体恰恰是把第三个变量推到极致的形态——一次任务动辄几十上百次模型调用，消耗自然成倍放大。
Q2: 为什么推理算力会超过训练算力？
因为两者的发生频率完全不同。训练一个模型是一次性的，集群跑完这轮就转向下一轮；推理是每有一个请求发生一次，用户越多、任务越长，调用次数呈线性乃至超线性增长。报告预计2029年我国推理算力市场占比达80%，训练退居次要。这个结构性变化的商业含义是：AI的支出从「一次性投资」变成「持续性运营成本」，企业的注意力会从「买多少卡」转向「每次调用多少钱、怎么把它降下来」。
Q3: 这份报告的数据来源是什么？
报告名为《智能体时代AI基础设施发展研究报告（2026）》，由中国电信研究院发布，央视新闻于2026年9月12日报道，具体数字由该院行业与企业战略研究所所长饶少阳对外说明；财联社、新浪财经等中文媒体当日转载，彭博社与The Next Web做了英文报道。需要注意性质区分：这是中国电信（国有运营商）旗下研究机构发布的行业研究报告与预测，属于机构观点与前瞻判断，而不是已经发生的统计数据——里面所有关于2026、2029、2030年的数字都是预测值。
Q4: 对开发者和独立产品意味着什么？
三点。第一，推理成本将成为产品的核心竞争力之一，而不是可以忽略的杂项——报告给出的80%占比意味着行业资源会向推理效率倾斜，模型单价、缓存、批处理这些工程手段的价值会持续上升。第二，智能体的计费模型还不成熟，按一次任务收费但背后调用几十次模型的模式，毛利很容易被吃掉，产品设计阶段就要算清每次任务的真实调用次数。第三，国产算力适配被写入政策规划，如果面向国内市场做产品，模型与推理设施的可替换性会越来越重要，别把架构绑死在单一供应商上。
🛠️ 推荐工具
这份报告最有价值的地方，不是那几个大数字，而是它把「应用变现」和「推理算力」并列写进了标题逻辑里。过去两年国内谈AI，讨论焦点几乎都在模型参数和卡的数量上；现在研究机构开始强调推理占比会到80%、产业重心要转向落地与变现，说明判断标准换了——能不能跑起来不重要了，能不能算得过账才重要。我个人觉得最值得记下来的一句是那个年复合增长率接近12倍：它意味着词元消耗量明年比今年大一个数量级。对做产品的团队来说，这个倍数既是机会也是压力，因为成本也会跟着长，除非架构上提前为推理效率做了准备。
总结
2026年9月12日，央视新闻报道中国电信研究院发布《智能体时代AI基础设施发展研究报告（2026）》，判断我国人工智能产业发展重心正从大模型与算力竞争，转向智能体的规模落地与应用变现。中国电信研究院行业与企业战略研究所所长饶少阳给出的数据为：预计2026年我国Token（词元）年消耗量达10亿亿，2030年超过3500亿亿，年复合增长率接近12倍；未来2至3年我国算力需求平均每年增长近10倍；预计2029年推理算力市场占比达80%，远超训练算力。彭博社同日报道指出，智能体将在未来2至3年带动中国算力需求近十倍年增长，推理算力2029年占比80%；据The Next Web援引数据，中国科技企业今年AI支出预计接近6000亿元人民币（约890亿美元），超过全国总投资十分之一。政策层面，据南华早报9月8日报道，工信部五年规划设定2030年智能算力9800 EFLOPS目标，并提出2026至2030年累计信息基础设施投资3.8万亿元（约5320亿美元），要求有序部署万卡级与十万卡级智能计算集群并建设推理算力设施。主要来源：央视新闻（经财联社、新浪财经转载）、彭博社、The Next Web、南华早报。
来源链接：财联社（转央视新闻） · 新浪财经 · Bloomberg · The Next Web · South China Morning Post