4万亿算力网投资，真的能砸出下一个增长引擎吗？
万亿投资来袭 所有人都在算这笔账：4万亿，平摊到“十五五”五年里，每年就是8000亿。这个数字足以让任何一家科技公司或投资机构心跳加速。 但我得泼一盆冷水。这个数字来自“有关机构测算”，新闻
万亿投资来袭
所有人都在算这笔账：4万亿，平摊到“十五五”五年里，每年就是8000亿。这个数字足以让任何一家科技公司或投资机构心跳加速。
但我得泼一盆冷水。这个数字来自“有关机构测算”，新闻发言人用的原话是“将为民间投资创造巨大空间”。翻译一下，这是个政策导向性的预期数字，不是财政预算，更不是到账金额。4万亿是国家发改委在7月31日的发布会上抛出的一个估算值，指的是“十五五”期间（2026-2030年）算力网建设可能拉动的直接投资总额。
从数据来看，上半年全国智能算力规模达到了去年同期的2.8倍，相关行业保持了30%以上的高增长。这些是实打实的数字。但把它们和4万亿这个目标放在一起看，你就会发现，中间有巨大的落差需要填平。
政策画的饼很大，但能不能吃到嘴里，得看市场买不买账。
算力竞赛，不只中国一家
把镜头拉远一点看。中国不是唯一一个在算力上押下重注的玩家。
美国那边，OpenAI 的 Sam Altman 一直在 X 上呼吁美国政府和企业加大AI基础设施投资，他认为算力将成为未来的“新石油”。欧盟也在推进自己的“欧洲芯片法案”，目标是到2030年将全球芯片生产份额从10%提升到20%。日本、韩国在先进半导体领域也一直在加码。
中国的打法不同。我们不追求在单个芯片上做到极致，而是在构建一个“网”。工信部5月底印发的《算力互联互通行动计划》已经把路线图画出来了：2026年建立标准体系，2028年基本实现全国公共算力标准化互联。这背后的逻辑是，通过网络调度，把分散在各地、各家的算力资源（包括那些国产的、性能可能还不如顶级英伟达芯片的算力）整合起来，形成合力。
这是个很聪明的思路。就像农村搞“村村通”公路一样，单个村子可能没多大经济体量，但把路网铺开了，整个区域的流通和经济就盘活了。
但问题在于，“路”好修，“车”难造。目前，国产算力芯片和顶级国际产品之间，单卡性能的差距依然存在。虽然首个全国产10万卡超集群已经投用，听起来很震撼，但这更像是一个“能跑通”的证明，离大规模商业化部署、让普通企业无感切换，还有段路要走。这需要时间，更需要巨额的研发投入。
竞争格局：谁在领跑？
说到具体玩家，格局已经比较清晰了。
在国内，华为凭借其昇腾（Ascend）系列芯片和全栈解决方案，已经拿下了相当大的市场份额。它的优势在于生态整合能力，从芯片到框架到云服务，一套打完。对于追求稳定和可控的大型政企客户来说，华为是首选。
另一边，像寒武纪、海光信息这些公司，也在各自擅长的领域（比如智能计算、通用计算）发力。但客观讲，它们的产品成熟度和市场占有率，跟华为还有差距。
国际巨头英伟达（NVIDIA）的地位依然稳固。尽管受到出口管制影响，但在全球范围内，其A100/H100系列芯片仍然是AI训练的绝对主力。国内很多顶尖的AI实验室和互联网公司，在能拿到的合规版本里，依然会优先选择性能更强的方案。
国产算力生态正在快速成型，但“好用”和“能用”之间，依然隔着一个巨大的工程鸿沟。
这里面，深度求索（DeepSeek）、月之暗面（Moonshot AI）等公司发布的开源大模型起到了关键作用。它们基于国产算力芯片进行适配和优化，相当于为国产硬件“量身定制”了软件。模型和芯片的这种“互促共进”，是目前最值得关注的趋势。国产大模型全球总下载量突破100亿次，这个数据证明了“国产模型+国产芯片”的路线有市场基础。
跟你有什么关系？
好，说了这么多宏观的，普通从业者或者关心行业的人，到底该关心什么？
首先，如果你是程序员或者AI开发者。你可能会面临一个选择：是继续在CUDA（英伟达的编程平台）生态里深耕，还是开始学习和适配国产的算力编程平台？从长远看，掌握双轨能力会更有竞争力。但短期内，CUDA生态的成熟度和工具链的完善度，依然是其他平台难以比拟的。我的建议是，保持关注，可以开始接触，但别all in。
其次，如果你是创业者，尤其是在垂直领域做AI应用的。一个好消息是，算力成本有望在未来几年持续下降。随着全国算力网的铺设和标准化，获取算力的方式可能会像现在用云服务器一样便捷。这能大幅降低你的启动成本。但挑战在于，你得确保你的模型能跑在国产的算力集群上，并且跑得又快又稳。
最后，对于普通用户，你可能感受不到直接变化。但你每天使用的各种App背后的推荐算法、大语言模型对话服务，它们的训练和推理成本，都与算力基础设施的成本直接相关。算力网建得好，理论上能让你用到更便宜、更智能的服务。当然，这只是“理论上”，服务商会把成本节约转化成利润还是让利给用户，那就是另一回事了。
举个实际例子：一家做AI视频生成的创业公司，目前其训练和推理严重依赖从云厂商租用的英伟达A100集群。成本高昂，且受供应波动影响大。未来，如果他们能通过一个标准化的“算力市场”，以更优惠的价格租用到位于西部数据中心的、由国产芯片组成的算力集群来完成部分非核心任务，那么他们的利润空间和抗风险能力都会显著提升。
4万亿投资是“水”，行业是“船”。水涨船高是必然，但你的船能不能浮起来，还得看船本身结不结实。
最后说句大实话，这个行业的热度确实很高，政策、资本、技术都在往里涌。但越是这种时候，越要冷静。4万亿听起来吓人，但分摊到全国那么多项目、那么多公司，再加上各种中间环节的损耗，最终能沉淀为有效生产力的，比例是多少？目前还不好说。市场需要更多时间来验证这些宏伟的规划。
好了不吹了，我得去研究一下那几个新发布的开源模型了，看看它们在不同硬件上的跑分数据到底怎么样...毕竟，数据才是检验一切的硬道理。
本文基于 media 公开报道编译解读，查看原文