不能只当“卖铲子”的人：跟AI“唯算力论”说再见！

过去几年，人工智能领域讲得最多的故事，是算力。

采购多少芯片、建成多少智算中心、拥有多少P级算力——这些数字往往被视为一座城市或一家企业AI实力的直接证明。

从DeepSeek到英伟达，他们成功的背后都离不开算力：前者是对算力的精打细算，后者则依靠买卖算力成为全球市值最高的企业。

大模型参数不断增长，也让“算力越多、模型越强”成为一种被市场奉为圭臬的“标准答案”。

但如今，这套逻辑正在被慢慢改写。

在2026山东数字强省宣传月启动活动上，阿里巴巴集团战略发展部总经理、阿里云智能集团战略发展部副总裁林青叶提出：如果发展人工智能仍然只谈算力，就容易停留在“卖铲子”的阶段。

这句话并非简单否定算力的价值。恰恰相反，算力的重要性在Agent时代不降反升。智能体需要持续规划任务、调用工具、运行代码、处理文件并反复验证结果，其Token消耗往往远高于一次普通问答。随着智能体大规模应用，算力需求还会继续增长。没有足够的算力，模型训练不了，智能体也跑不起来。

问题的关键在于：大模型不能只停留在拥有算力，更要用好算力。算力是入局这场AI大战的门票，但不再是AI世界里唯一的胜负手。

“唯算力论”之所以流行，有其技术背景的合理性。在大模型发展初期，模型能力与参数规模、数据量和训练计算量高度相关。谁能调用更多芯片、投入更多资金，谁就有机会率先获得更强的模型。算力稀缺时，拥有算力本身就是竞争优势。

如今，市场环境发生了三个深刻变化。

第一，模型供给日益丰富。截至2026年4月30日，全国累计已有868款生成式人工智能服务完成备案。通过云服务和API接口，中小企业也能调用大模型能力。对多数企业而言，模型不再是稀缺资源。新的问题随之出现：模型那么多，到底选哪个？算力建起来了，用来跑什么？

第二，竞争焦点从规模转向效率。今年发布的多款模型，都将推理成本和Token消耗摆在突出位置。OpenAI在发布GPT-5.5时专门强调，该模型在部分复杂任务上能用更少的Token获得更好的结果；DeepSeek V4则将计算量（FLOPs）降至原来的27%。同样一批算力，效率高低决定产出多少。算力规模再大，如果利用率低、调用成本高、缺少适配场景，也可能只是昂贵的机房资产。

第三，投入产出比成为核心追问。企业投入的每一分钱，到底能换回多少有效结果？AI竞争的关键指标正在变化：不仅要看有多少算力，还要看每单位算力能生成多少有效Token、完成多少真实任务、创造多少经济价值。

算力之上的三层能力，才是真正的短板。林青叶将智能体基础设施划分为三个层次：最底层是异构算力，解决智能体“在哪里运行”的问题；中间是模型服务，让企业根据任务调用不同模型；再往上，是支撑智能体保持记忆、访问数据、使用工具、连续执行任务的运行环境，这也是Agent的“操作系统”。

当前，很多地方的人工智能基础设施建设还集中在第一层：算力中心建起来了，但第二层和第三层仍然薄弱。打个比方，这就像仓库里摆满了机器，却没有合适的原料和生产流程，即便机器能高速运转，也不一定能生产出市场需要的产品。

对AI发展而言，数据是目前较为艰难的一环。

IDC 2026年FutureScape报告指出，今年50%的AI应用将会因为数据基础薄弱，达不到原定ROI目标。问题的根源仍在于新旧时代数据逻辑的“不兼容”。

数字时代的数据，目的是让“人”更容易使用；而AI时代的数据，需求是让“模型”更容易使用。

人类和AI关注的数据类型与问题总是不太一致：人类喜欢对得上、能解释、表格整齐、剔除野值的数据；AI则需要向量、图结构、时间序列，需要大量稠密特征和长尾样本，需要实时更新。

所以，目前来看，算力不够还能加钱买，数据和运作流程却很难靠采购获得。模型、数据、工具能否连接到一起，比单纯堆叠算力更为重要。

所以，算力建设如今应该换一张“评价表”。

评价标准的变化，也对正在布局算力基础设施的许多地方提出了全新要求。

过去评价AI基础设施项目，看的是投资额、机架数和算力规模；而现在要问的应该是：算力利用率多高？服务了多少企业？运行了多少行业模型？完成任务的成本多少？带来了多少收入或节省？

这对于数字山东的建设同样具有参考价值：算力建设不能停，也停不得。

山东制造业规模大、产业门类多，工业质检、设备运维、生产调度、供应链管理都将产生大量推理需求。

但山东真正的优势不能只停留在“有算力”，能否把制造业场景转化为模型能理解的任务，把企业数据整理成智能体能调用的资源，把通用模型转化为进入车间和生产线的工具——这才决定算力最终能释放多大价值。

正如林青叶所说，当前社会对AI基础设施的理解还仅仅停留在算力层面。但真正的竞争，早已在算力之上、在那些看不见的地方徐徐展开。

当然，对于山东而言，算力这把“铲子”我们还要继续造，也要造得更好；但更重要的是，我们必须知道AI的“金子”到底藏在哪，到底应该怎么挖。

（大众新闻记者 苏月鹏）