问题——中小企业面临算力"用不起、用不稳、对不准"的难题；随着大模型技术在各行业的应用深入，中小企业在研发、生产、客服等环节对算力的需求日益增长。然而，算力资源分布不均、供需信息不对称、采购方式不够灵活等问题，导致中小企业常陷入"有需求找不到合适资源"或"资源闲置与紧缺并存"的困境，阻碍了其数字化转型进程。 原因——算力需求正从以训练为主转向训练与推理并重。随着智能体应用的兴起，模型在实际业务中的调用频率大幅增加，推理环节对算力、网络和存储的需求持续攀升。数据显示，Token消耗量的增长反映了推理需求的上升，带动了高性能GPU云服务和AI专用算力卡的市场需求。同时，模型迭代、成本优化和场景扩展相互促进，加速了这个结构性变化。 影响——算力供需关系和产业链面临重构。按调用量计费等新型付费模式推动算力服务向平台化转型，提升资源利用效率。推理需求的增长也对数据中心的网络时延、存储吞吐等提出更高要求，促进云服务、IDC等有关环节升级。，在"词元经济"背景下，云服务商可能进入价格调整周期，企业盈利模式和估值体系或将重塑。国产大模型在成本和适配性上的优势，有望为高频调用类应用提供更多选择。 对策——完善普惠性算力服务体系。工信部将重点推进以下工作：一是优化中小企业算力平台专区建设，促进供需精准对接；二是推广"卡时""核时"等灵活付费模式，提升中小企业资金使用效率；三是探索"算力银行"等创新业务，通过市场化方式提高资源周转率。这些措施有望形成供需良性循环：中小企业更容易获取资源，供应商更易实现收益。 前景——未来1-2年，国内算力市场将进入"训练+推理"双轮驱动阶段。随着智算中心建设推进和国产化供给增加，算力资源将更有效满足需求增长。市场将从总量紧张转向结构性优化：高端资源仍较稀缺，但中端和通用资源的配置效率提升，将更好支持中小企业应用。需要注意的是，算力发展需平衡能耗、网络、安全等因素，避免资源浪费。
让算力像水电一样触手可及是普惠算力的核心目标。从优化对接平台到创新服务模式，政策与市场正共同推动算力服务体系向更高效、可持续的方向发展。面对训练与推理并重的新阶段，只有持续提升供需匹配能力、优化资源配置效率、完善服务规则，才能将算力优势真正转化为中小企业的创新动力和实体经济转型动能。