本报讯(记者桂小笋)随着大模型从单一问答走向智能体自主执行任务，AI(人工智能（885728）)产业竞争的焦点正在发生深刻变化：比拼的不再只是谁的参数更大、谁的模型更聪明，而是谁能以更低的成本、更高的效率，把算力真正转化为可用的词元产出。
在近日举办的2026中国计算机大会(CNCC2026)AI高通（QCOM）量推理基础设施分论坛上，海光信息（688041）技术股份有限公司(以下简称“海光信息（688041）”)智算量化设计专家孙建鹏系统阐述了当前词元供给面临的严峻挑战，以及通过系统层级协同提升算力效率的完整路径，为业界呈现了一幅AI算力从“粗放扩张”走向“精细运营”的图景。
“从单次推理到智能体任务，AI处理的链路越来越长，消耗的文字量越来越大，长文本处理的压力也随之持续增加。”孙建鹏介绍，在智能体时代，AI不再是简单地回答一个问题，而是要自主规划、调用工具、多轮执行，整个过程产生的文字处理量呈几何级数增长。这意味着，算力供给的效率，已经成为制约AI应用规模化落地的核心短板。
面对这一挑战，产业界的核心目标已经非常清晰：不是盲目堆砌更多算力，而是提升每单位算力的有效产出。
具体而言，需要在四个方向上协同发力：提升计算资源的利用密度，让硬件能力匹配真实的生成需求；构建高带宽、低延迟的数据传输网络，打破显卡之间、服务器之间的通信瓶颈；突破存储容量与带宽的双重限制，支撑长文本并发处理；通过全局资源调度，动态优化任务分配，降低每千字的处理成本。
“这四个方向不能各自为战、各自追求最优，必须在服务质量和成本的双重约束下，推动计算、传输、存储、调度全链条的软硬件协同优化，才能真正把有效产出提上去。”
那么，当前阻碍AI高效产出的瓶颈究竟在哪里？
孙建鹏将其概括为“四堵墙”：算力利用率不足、通信等待对应的空转等现象、存储容量墙、任务调度。
“任何一个环节拖后腿，整体产出就上不去。破局的方向很明了，即提升有效产出、减少无效搬运、压缩空转时间。”孙建鹏介绍，要用系统分层优化、量化驱动等手段将“四堵墙”击破。随着智能体应用的大规模落地，AI算力效率竞赛才刚刚开始。谁能率先在系统层级实现全链路优化，谁就能在成本和体验上建立真正的竞争优势，这将成为下一阶段AI基础设施建设的核心命题。
