图片由AI生成
文丨李海伦
编辑 丨徐青阳
11月5日至10日，第九届中国国际进口博览会在上海国家会展中心举行。
本届进博会吸引了来自148个国家和地区的4142家企业参展，企业展面积首次超过37万平方米。技术装备展区覆盖半导体材料、设备、设计、成品等产业链环节，人工智能、绿色智算、智能终端等成为重要展示方向。 展台上，从AI PC、智能机器人到数据中心基础设施，各类AI产品与解决方案成为展示重点。比如高通展示了覆盖AI手机、PC及机器人的智能终端生态；西门子将工业AI与人形机器人引入柔性生产场景；施耐德电气则带来了面向万卡集群的AI数据中心解决方案，涵盖模块化部署、高密度供电及液冷技术。
随着AI技术加速进入产业应用，人工智能与工业制造、能源、医疗等领域的融合进一步深入，企业也开始更加关注AI技术的实际应用与商业价值。
在英特尔展区，绿色算力舱、企业级词元一体机和智能体PC成为焦点。英特尔中国区董事长王稚聪提出，希望通过算力与新能源的结合，探索从绿色电力到AI Token的转化路径。 “过去客户可能更关心AI能做到什么，现在越来越多客户开始问，部署一套AI系统需要多少成本、能否稳定运行，以及多久能够收回投入。”一位科技企业参展人士向腾讯科技表示，随着AI进入更多实际业务场景，企业对技术的关注正从能力展示逐渐转向应用效果和投入产出。
AI要真正落地，不只靠技术，还要解决供电、算力成本和实际效益问题。从终端设备到工业生产，再到算力基础设施，全球科技企业正在围绕AI的规模化应用展开新一轮布局。
01 当电力和成本成为核心
过去几年，AI行业的竞争主要围绕模型性能和算力规模展开。
大型科技公司持续投入GPU、建设数据中心，以支持规模越来越大的模型训练和推理任务。
但随着AI加快进入实际应用阶段，算力需求的增长，也开始暴露出新的基础设施问题。
根据国际能源署2026年更新的预测显示，2025年全球数据中心用电量约为485太瓦时，到2030年可能达到950太瓦时，接近翻倍。其中，AI数据中心的用电需求增长速度更快。
训练大模型需要集中投入大量计算资源，而推理服务则需要根据用户请求持续运行。随着AI编程、内容生成、企业智能体等应用发展，推理负载的规模、使用频率和部署位置更加多样。
对于企业而言，使用AI的成本不再只是购买算力或调用模型的费用，还需要考虑响应速度、数据安全、系统维护和资源利用率。
这使得算力成本成为一个更加复杂的问题。
例如，在新能源资源丰富的地区建设数据中心，可能获得一定电价优势，却也需要考虑网络时延、储能成本和算力利用率。
相反，将推理设备部署在企业内部，虽然可能减少部分云端调用费用，但需要企业承担硬件折旧、运维和模型升级成本。
因此，AI产业面临的核心问题，正在从如何获得更多算力，扩展到如何让算力更加经济、稳定地运行。
02 竞争逻辑正在改变
围绕上述问题，全球芯片企业、云服务商和数据中心运营商正在探索不同的技术路线与商业模式。
第一，算力越来越强，供电配置也得跟上。
在2026年，英伟达谷歌、微软等企业进一步推动800V高压直流供电架构，并通过开放计算项目（OCP）与产业伙伴共同制定相关技术规范。
在进博会上，英特尔也展示了采用这一供电架构的绿电储能算力一体化解决方案，并联合合作伙伴引入固态变压器（SST）等技术，探索高密度AI计算设施的供电方式。
与传统低压配电相比，800V直流架构可以在相同功率下减少传输电流，降低对铜缆和配电空间的需求，并在适当的系统设计下减少电力转换环节。
这意味着，AI芯片厂商不再只需要考虑处理器的计算能力，还需要考虑从数据中心供电系统到计算机架之间的整体效率。
第二，AI算力不再只集中在大型数据中心，也开始进入企业和个人设备。
大型云数据中心仍然承担高强度模型训练、复杂推理和大规模并发任务，但随着开源模型能力提升，部分计算任务已经具备在企业本地和终端设备运行的条件。
例如，企业内部文档处理、代码辅助、语音识别等工作负载，未必都需要调用远程大型模型。
但不同部署方式并不存在绝对的优劣。
云端适合规模大、波动明显或需要持续更新前沿模型的任务；本地计算则可能更适合需求稳定、数据敏感或对离线运行有要求的场景。
未来AI基础设施可能形成大型云端、区域边缘节点、企业本地和个人终端并存的格局。
第三，芯片竞争不只比性能，还要比软件和应用体验。
随着AI智能体逐渐从聊天工具转向任务执行系统，处理器需要应对更加复杂的工作负载。
例如，一个智能体可能需要同时完成语音识别、文件检索、模型推理和跨应用操作。这些任务对于计算性能、内存带宽、功耗和系统稳定性的要求并不相同。
因此，CPU、GPU和NPU之间的任务分配，以及底层软件对模型和应用的适配，正在成为影响用户体验的重要因素。
这也解释了为什么英特尔、高通、AMD和苹果等芯片企业，都在围绕终端AI计算及开发者生态持续投入。
下一阶段的竞争，除了看谁的芯片有更高的AI算力指标，还有谁能够让计算能力更有效地转化为实际应用体验。
03 “新算力生意”
随着AI计算需求向不同场景的延伸，各大芯片厂商也开始重新布局。从算力中心、企业本地部署，再到个人终端等不同层级，寻找新的机会。
以英特尔为例，在此次进博会上，英特尔展示了三种不同层级的AI计算方案：面向大型数据中心和企业园区的绿色算力舱、面向中小企业的词元一体机，以及面向个人用户的智能体PC。
在展台上，英特尔中国区董事长王稚聪重点介绍了绿电储能算力一体化解决方案。
“我们观察到中国西部富余大量的新能源，这些新能源的实际利用率有些并不高。”王稚聪表示，英特尔希望将模块化算力设施部署到新能源发电地区，就地利用绿色电力开展AI计算，再通过网络向外部提供Token服务。
他将这一思路概括为“From Green Power to Green Token”，即从绿色电力到绿色词元。
根据现场专家介绍，该方案通过长短时储能、800V高压直流供电及模块化算力舱设计，尝试解决新能源发电波动与数据中心稳定供电之间的矛盾。
这一布局反映出AI基础设施竞争正在从芯片性能向能源效率和系统部署能力延伸。不过，绿电资源丰富并不意味着推理成本必然更低，储能投资、网络时延和算力利用率仍然是决定其经济性的关键因素。
在企业市场，英特尔则希望推动部分AI推理任务从云端进入本地。此次展示的词元一体机，可以在普通办公室运行开源大模型，支持AI编程、文档处理和视频生成等工作负载。
王稚聪以短剧制作公司为例，认为部分中小型企业也可以通过本地设备满足日常AI计算需求。
这背后是企业对AI使用成本和数据安全的重新权衡。对于使用频率较高、任务相对固定的场景，本地部署可能具有一定优势，但企业仍需承担硬件折旧、模型维护及更新成本。
在个人终端市场，英特尔则通过与中国互联网企业合作，推进智能体PC生态。
王稚聪在现场提出了两个重点方向：
一是端云协同部署，二是多智能体与专长模型的深度整合。
围绕这一思路，英特尔表示与腾讯、字节跳动、阿里巴巴、百度等企业合作，将本地模型运行和CPU、GPU、NPU异构计算能力整合进现有智能体应用。
相比单纯强调AI算力指标，这种模式更关注芯片能力如何进入实际工作流程。不过，智能体能否形成新的PC换机需求，仍取决于实际应用体验，而非集成了多少AI功能。
作为上述布局的底层支撑，英特尔还展示了基于Intel 18A先进制程的PC和服务器处理器，包括Panther Lake、Wildcat Lake和Clearwater Forest。
这也体现出英特尔当前的两条业务路径：一方面继续推进先进制程和芯片架构，另一方面通过能源、电力、服务器及互联网企业的生态合作，参与更广泛的AI计算市场。
对于芯片厂商而言，AI计算需求向不同场景扩展，意味着新的市场机会，也带来了更复杂的竞争。未来，谁能提供更高效、更经济的计算方案，并推动其在实际场景中落地，将成为下一阶段竞争的关键。
