智能算力与先进存力协同演进，信息通信新图景渐明

人民网近期发布以“智能算力、先进存力，齐头并进”为主题的报道，将其纳入“未来5年信息通信新图景”系列。该报道未披露具体技术参数或商业数据，但从主题方向看，算力与存力的协同发展已被视为信息通信基础设施演进的重要议题。以下结合公开行业背景，分析这一方向可能涉及的产业逻辑。

算力与存力为何需要“齐头并进”

智能算力主要服务于AI训练与推理场景，而先进存力则关系到数据能否被高效供给和调用。二者若发展失衡，可能出现算力利用率不足或存储带宽瓶颈等问题。随着大模型参数规模扩大，训练集群对高带宽存储和低延迟数据通路的需求持续上升，这使“算力+存力”协同调度的讨论从技术圈延伸至产业政策视野。 从产业背景看，IDC于2024年发布的数据显示，全球AI服务器市场规模在2023年约为数百亿美元量级，并预计到2027年保持较高复合增长率。这一趋势客观上要求存储层级、数据编排和算力调度软件同步演进。本次报道虽未给出具体数字，但其选题方向与上述行业趋势一致。

调度能力成为算力网络的关键变量

算力调度并非新概念，但在智能算力时代，其内涵正从传统的虚拟机编排扩展到异构芯片管理、跨地域任务分发和存储资源联动。由于不同AI加速卡在显存容量、互联带宽和算子兼容性上存在差异，调度系统需要同时理解计算任务特征与底层硬件拓扑。这为芯片厂商、云服务商和调度软件企业带来了新的协作与竞争空间。 值得关注的是，政策层面已多次提出构建全国一体化算力网。公开报道显示，中国多地已建成或规划智算中心，但跨中心调度效率和存储配套能力仍处于探索阶段。本次新闻标题强调“齐头并进”，可能暗示未来政策或产业投入将更注重算力与存力的均衡配置，而非单一追求算力规模扩张。

对AI与半导体产业链的可能影响

若算力与存力协同成为长期方向，半导体产业链中与存储接口、先进封装和高速互联相关的环节可能获得更多关注。例如，HBM（高带宽存储）在AI训练芯片中的搭配比例持续提升，据TrendForce于2024年的估算，HBM在AI服务器GPU中的搭载量逐年增长。与此同时，存算一体、近存计算等架构创新也在学术和产业界推进，但距离大规模商用仍有距离。 对云计算厂商而言，算力租赁模式可能从“按卡时计费”向“按任务效率计费”演进，存储性能或成为差异化定价因素。不过，这些影响仍存在不确定性，具体路径有待进一步确认。本次人民网报道未提供企业案例或技术细节，因此不宜将其解读为某项具体政策的发布。

数据参考

• IDC（2024年发布）：全球AI服务器市场规模及预测，历史数据与预测数据需区分。
• TrendForce（2024年估算）：HBM在AI服务器GPU中的搭载量趋势，为估算数据。
• 中国信息通信研究院（公开年份报告）：全国一体化算力网相关研究，具体数字暂缺可核验来源。
• 本次新闻已确认信息：仅标题“智能算力、先进存力，齐头并进”及来源人民网、发布时间2026年9月24日；其他数字均为行业背景参考，非本次新闻公布。 #AI #半导体 #算力调度 #存力