中国电信算力网络推动将 AI 能力接入电网

尽管区域基础设施运营商之间仍存在重大的技术和商业壁垒，中国电信已为其算力网络提出三项协同行动。

中国电信董事长柯瑞文在2026年9月11日至13日于河北廊坊举行的中国算力大会上介绍了这一计划。其提议涵盖电力协同、算力资源互联，以及提升国产 AI 硬件的利用效率。

这场演讲并非又一次建设数据中心的呼吁。中国已拥有可观的算力基础设施，但这些资源依然受到地域、硬件架构、接口和运营规则的分割。

中国电信如今希望将这批资源转变为可调度的全国性服务。这一目标要求其他运营商、云服务商、电力企业和硬件供应商支持通用机制，而非维持彼此孤立的算力池。

因此，核心竞争并不是中国电信与某一家云服务商之间的较量，而是协同基础设施与当前仍主导大部分算力市场的碎片化模式之间的竞争。

中国电信算力网络从容量走向协同

柯瑞文的提议将关注点从拥有算力容量，转向让不同资源作为一个可访问系统协同运作。

在大会上，柯瑞文呼吁深化算力基础设施与电力系统之间的协同。他还主张加快算力资源互联，并提高国产 AI 硬件的效率。

这三项提议分别应对不同限制，但彼此相互依赖。如果工作负载无法触达加速器、电力无法支撑加速器，或软件无法高效利用它们，增加更多加速器的价值也很有限。

算力与电力协同意味着将数据中心与发电、输电、储能和需求管理统筹规划。它也意味着根据能源可得性运营设施，而不是将电力视为固定投入。

柯瑞文重点提到绿电直供和源网荷储一体化系统。后者在统一运营模式下协调发电、电网、用电和储能。

这一模式之所以重要，是因为 AI 工作负载会形成庞大而集中的用电需求。数据中心运营商必须保障充足电力，同时控制成本、电网压力和碳排放。

第二项提议聚焦互联。柯瑞文呼吁围绕异构资源接入、全局监测、跨区域调度和算网融合开展联合工作。

他还提出统一标识、计量方法和交易系统。这些机制将帮助客户发现、比较、购买并调度来自不同运营商的算力。

中国工业和信息化部在其2026年2月发布的相关节点建设方案中勾勒了类似结构。该系统包括一个国家级服务节点、多个区域节点和行业节点。

工信部表示，参与节点应采用统一标识、标准和运营规则。区域平台将支持资源登记、选择、监测、调度和安全管理。

柯瑞文的第三项提议聚焦国产硬件。他呼吁加强国产算力系统与 AI 模型之间的协同优化，覆盖 token 生成与交付的全过程。

Token 是 AI 模型在理解输入或生成输出时处理的单位。Token 效率衡量基础设施将芯片、能源、内存和网络转化为可用 AI 响应的有效程度。

这一重点表明，仅看芯片数量并不足够。国产加速器还需要兼容的软件、优化后的模型、高速内存、可靠网络和生产级管理工具。

中国电信并未在柯瑞文的演讲中宣布新的国家级平台或具有约束力的行业协议。这场活动更多是明确了该运营商希望合作伙伴采纳的运营模式。

这一差别很重要。提议确立了方向，但可衡量的落地仍取决于技术标准、商业参与和已部署的服务。

为什么电力已成为 AI 调度的一部分

下一项基础设施瓶颈并不只是芯片可得性，因为可用的 AI 算力也取决于电力在何时、何地可用。

中国一直鼓励在土地和可再生能源丰富的西部地区建设数据中心。然而，许多 AI 客户仍集中在东部商业中心。

这种分布造成了匹配难题。运营商必须决定哪些工作负载可以迁往西部，哪些需要就近算力，以及哪些能够容忍距离带来的延迟。

模型训练有时可以远离用户运行，因为它会在较长时间内处理大批量任务。交互式推理通常需要更低延迟，因为用户期待即时响应。

因此，协同网络不能将每项任务都发送到电力最便宜的地方。它必须为每项工作负载匹配适当的延迟、硬件、数据访问、安全和能源条件。

中国电信表示，其基础设施目前已包括超过59万个数据中心机架。柯瑞文在2026年3月世界移动通信大会上发言时称，其息壤平台可调度87 EFLOPS。

EFLOPS 表示每秒百亿亿次浮点运算。不过，这一标签下报告的容量可能因硬件、精度、工作负载和统计方法而有所不同。

该公司还表示，其已建成100G和400G光网络，主要枢纽间的往返时延为12毫秒。这些数字反映了支撑其调度目标的网络基础。

中国电信在上海提供了一个算电协同的实体案例。其海底数据中心由海上风电场直接供电。

根据该公司的基础设施介绍，该项目使用超过95%的绿色电力，并将电力成本降低50%。这些仍是公司自行披露的数据。

该项目说明了这一概念，但并不能证明其在全国范围内的经济性。海底设施在建设、维护、冷却和连接条件上都不同于内陆 AI 园区。

可再生能源发电也会随时间波动。一个追随低成本电力的系统，需要具备灵活工作负载、储能能力、可靠预测，以及与电力供应商达成合同安排。

有些任务无法在其他地区电力变便宜时随之迁移。它们可能依赖本地数据集、受监管环境、专用加速器或延迟承诺。

这构成了本文的核心权衡：集中协同能够提高利用率，但前提是运营商能够准确呈现每项资源的需求与限制。

中国的国家政策正朝这一方向推进。2026年5月的一份政府声明呼吁统筹规划算力供给、需求和电力系统。

该声明还强调监测、精准匹配、绿电直供，以及加强基础设施、模型、数据和网络的安全保障。

政策支持为中国电信创造了有利环境，但并未消除将能源可得性转化为可靠云服务所需的运营工作。

碎片化算力池才是真正的对手

中国电信最棘手的对手是基础设施碎片化，而非某一家运营商或云服务公司。

中国移动、中国联通、Alibaba Cloud、地方政府、超级计算中心和专业运营商都掌控着算力资源。它们的系统并不会自动通过相同接口开放容量。

硬件差异又增加了一层复杂性。为某一类加速器设计的工作负载，在另一类加速器上实现高效运行前可能需要大量适配。

网络条件也各不相同。带宽、拥塞、丢包和物理距离，都可能决定远程算力是否适用于特定 AI 应用。

商业条款构成另一重障碍。不同服务商对可用性、利用率、性能和服务质量的衡量方式不同，使跨算力池比较变得复杂。

统一的资源标识可让算力在不同平台间被发现。通用监测接口则可进一步报告这些资源是否可用，以及其性能是否符合宣传。

调度系统仍需解读这些报告。它们必须考虑处理器类型、内存、互连性能、数据位置、能源条件和客户服务承诺。

拟议中的全国系统正是围绕这一挑战设计。预计其区域节点和行业节点将通过通用接口与规则连接不同架构。

一份于2026年1月立项的技术文件涵盖资源接入要求。中国电信、中国移动、中国联通、Huawei、ZTE 和多家研究机构均列入其起草单位。

相关项目还覆盖监测接口、资源管理、调度、安全、计量、交易服务和智能算力池。其覆盖范围揭示了需要达成一致的层级之多。

标准制定过程也暴露出政策表述与正常运转的市场之间仍存在距离。这份接入文件仍是一项处于征求意见阶段的立项项目，而非已完成的通用标准。

仅靠技术兼容性无法保证各方参与。服务商必须决定开放哪些资源、共享多少运营数据，以及是否允许外部调度器控制其容量。

运营商可能不愿披露会影响定价的利用率或性能信息。它们也可能更倾向于让客户留在自身的云环境内。

安全要求带来合理限制。统一系统需要在组织边界之间建立强大的身份控制、租户隔离、数据治理、日志记录和责任规则。

当工作负载跨越多个网络和设施时，故障归责会变得困难。性能下降或数据不可用时，客户需要知道应由哪家服务商负责。

这就是为什么全国算力网络既像一个市场设计项目，也像一个电信项目。它需要可信的计量体系和可执行的服务预期。

对企业买家而言，所承诺的好处是无需分别集成每家服务商，便能获得更广泛的资源。客户可以按性能、位置、能源来源或模型兼容性选择算力。

风险在于，名义上统一的市场可能掩盖了无法直接比较的产品。一单位宣传中的 AI 算力，在不同模型、精度格式和软件栈下可能产生不同结果。

透明的工作负载基准将帮助买家评估这些差异。公开定义可用性、能耗、延迟和实际交付 Token 吞吐量同样重要。

评估多个供应商的团队还需要严谨的技术记录。可搜索的工程知识库可以保留基准测试假设、部署决策和事故证据。

更广泛的教训很简单：只有当接入资源具备足够的可见性、兼容性和可问责性时，国家级调度器才有价值。

国产 AI 硬件必须交付有用的 Token

刘烈宏对 Token 效率的强调，承认已部署的加速器容量并不等同于高效的 AI 产出。

中国电信报告称，其 2025 年自有智能算力达到 46 EFLOPS。根据公司披露，其自有及外部接入算力合计达到 91 EFLOPS。

这家运营商的 2025 年年报还提到，已储备的机架电力容量超过 3.2 吉瓦，并列举了省级推理资源池和一个商用超节点集群。

这些数字表明其基础设施规模可观，但并未说明每种接入的加速器上各模型的运行效率。

AI 性能不只取决于原始算力。内存带宽、芯片间通信、软件内核、模型架构、批处理规模和数值精度，都会影响实际交付的产出。

训练和推理的需求也不同。训练强调持续计算能力，以及大型加速器集群之间的高速通信。

推理服务于已完成训练的模型，通常更重视响应时间、可用性和运营成本。性能会随提示词长度和并发请求数发生显著变化。

刘烈宏呼吁更深入地适配模型与硬件，正是针对这一问题。这家运营商希望合作伙伴优化从算力资源到实际交付 Token 的完整链路。

这项工作可能包括模型压缩、低精度处理、工作负载路由、缓存、编译器改进，以及针对特定加速器的软件优化。中国电信尚未提供详细的实施时间表。

中国电信的息壤平台采用其所谓的 Triless 架构。该公司表示，这一设计将资源、软件框架和工具分离，以支持异构算力。

理论上，这种分离很有用，因为客户不应为了每个资源池而重新设计应用程序。更困难的问题在于，这种抽象能够保留多少性能。

广泛的兼容层能够简化接入，但也可能掩盖硬件特有功能。直接优化可以带来更好性能，却会降低工作负载的可移植性。

这也是协同模式中的另一项现实权衡。网络必须提供通用接入，同时不能将所有资源降格为能力最弱的共享接口。

中国电信近期的财务披露说明了管理层为何强调这一领域。2026 年上半年，算力网络投资同比增长 97%。

同期资本开支总额达到 324 亿元人民币。这家运营商表示，算力基础设施在这部分支出中的占比显著提高。

与此同时，天翼云收入达到 618 亿元人民币，同比增长 7.8%。智能业务收入增长 7.1%，达到 311 亿元人民币。

公司在中期业绩中披露的这些数据表明，投资增速快于已披露的云业务收入增速。

这一比较并不能证明回报疲软。资本项目服务周期跨越多年，而收入反映的是已经投入运营的服务。

但它确立了一项明确的执行考验：中国电信必须将更高的基础设施支出转化为增长的工作负载、更高的利用率和具有商业价值的服务。

竞争仍将十分激烈。中国移动报告称，2026 年上半年其算力服务收入为 529 亿元人民币，数据中心收入达到 190 亿元人民币。

阿里云则从另一条路径切入市场。它拥有大型公有云平台、开发 AI 模型，并能够同时优化软件与基础设施。

中国电信拥有全国性连接能力、受监管行业关系、数据中心和公共基础设施责任。当工作负载跨区域运行或需要专用网络时，这些优势尤为重要。

公有云供应商可能在开发者工具和模型服务方面推进更快。运营商则可能在网络控制、地理覆盖和基础设施协同方面占据优势。

刘烈宏的提议试图让这些运营商资产成为 AI 市场的核心。能否成功取决于客户是否比起高度集成的云环境，更看重协同接入。

标准缺口可能拖慢统一市场

该计划作为基础设施发展方向仍具可信度，但其关键性能主张需要可比较、可独立验证的测量标准。

中国电信的数据主要来自企业演讲和文件披露。它们使用公司自行选择的方法描述容量、网络覆盖、延迟、能耗和运营改善。

这些披露提供了有用证据，但并未构成跨供应商比较的完整基础。EFLOPS 总量可能反映不同的精度水平和硬件组合。

87 EFLOPS 的可调度算力也包括可通过平台访问的容量，不应将其视为与完全自有、持续可用的硬件完全相同。

能源相关主张也需要同样谨慎看待。设施的可再生电力占比，并不能自动反映每小时的碳强度，或每项已完成工作负载的排放量。

直接连接可再生能源发电设施可以改善可追溯性。不过，在发电量较低的时段，仍可能需要使用电网电力、储能、迁移工作负载或降低运营规模。

国家级监测标准可以让这些数据更有意义。买家需要对容量、实际交付性能、利用率、可用性和能源来源采用一致定义。

该系统还需要可靠的方法来衡量有用的 AI 产出。每秒 Token 数是一个信号，但该指标会随模型、提示词、上下文长度和质量设置而变化。

每项完成任务的成本可能是更实用的衡量方式。但即使这一指标，也需要就输出质量、延迟和失败率达成一致。

安全性是另一个尚未解决的领域。跨供应商调度增加了每项工作负载涉及的控制系统、接口和管理边界数量。

被攻破的调度器可能暴露敏感任务的信息，或将工作负载重定向。薄弱的身份控制可能导致未经授权地访问接入的算力资源池。

区域性规则也可能限制某些数据集的流动范围。因此，调度决策必须考虑数据驻留和行业特定的合规要求。

中国电信一直在推广其云和 AI 系统中的安全能力。然而，国家级互联要求运营实践不同的参与者共享安全保障。

治理机制必须明确由谁认证供应商、审计测量结果、调查事故并赔偿客户。技术互操作性本身无法回答这些问题。

标准化工作仍是一个令人鼓舞的信号，因为它涵盖运营商、设备供应商、云组织、研究机构和公共部门。

不过，参与起草并不保证部署一致。供应商可能以不同方式实施同一规范，或只开放有限容量。

商业激励同样重要。需求强劲的供应商可能没有多少理由通过外部市场提供其最优质的资源。

利用率较低的运营商或许更愿意参与，但其容量可能较旧、位置偏远，或与当前 AI 工作负载匹配度较低。

因此，统一市场需要的不只是供给。它还需要足够的高质量需求和足够有吸引力的容量，以形成重复交易。

公开报告应区分已登记容量与客户实际预订和使用的容量，并披露成功完成的跨供应商工作负载。

如果缺少这些衡量指标，该网络可能沦为资源目录，而非实际运行的市场。这将削弱刘烈宏关于协同的核心论点。

三个信号将显示该计划是否奏效

下一阶段应通过已部署的标准、跨供应商工作负载，以及可衡量的能源感知调度收益来评判。

第一个信号是从规范草案转向实际运行的区域和行业节点。如果多个节点采用兼容的标识符和接口，中国电信的地位将得到加强。

部署应包含可见的资源登记、监测、选择和调度功能。仅列出参与组织无法提供同等证据。

最有力的证明将是：工作负载能够在独立运营的资源池之间迁移，而无需大量人工集成。公开的服务承诺会令这一结果更可信。

如果无法推进通用接口，协同模式将被削弱。供应商仍将依赖私有连接和定制协议。

第二个信号是接入的国产 AI 系统所报告的利用率。有价值的披露应涵盖不同硬件上的实际交付 Token、已完成工作负载、延迟和可用性。

如果优化能够提升产出，同时不将客户锁定在单一加速器或模型上，中国电信的案例将更具说服力。可比较的基准测试将比汇总 EFLOPS 更有分量。

应关注政府、制造业、医疗、教育和电信领域的生产部署。这些环境可以揭示异构调度是否能在真实的安全性和可靠性要求下运行。

如果证据仅限于演示，核心问题仍无法解决。国家级基础设施必须在受控的会议场景之外稳定运行。

第三个信号是可验证的能源感知调度。市场需要展示工作负载随电力供应情况迁移、同时仍满足性能承诺的实例。

这些案例应说明工作负载类型、参与地点、能源条件和测得的运营结果。汇总的可再生能源比例提供的洞见较少。

如果能源协同在不增加故障的情况下减少弃电或运营成本，中国电信的论点将更有力。若电力限制持续导致算力闲置，其论点则会被削弱。

投资者还应将基础设施投资与云及智能服务增长进行比较。不断上升的资本开支需要通往持续需求和利用率的路径。

企业买家应询问统一接入是否简化采购和部署。它们还应要求在工作负载跨越供应商边界时明确责任归属。

开发者应关注抽象层。一个有用的算力网络应在提升可移植性的同时，保留在必要时使用加速器特定优化的能力。

刘烈宏 9 月的演讲描绘了一个连贯的目标：将算力、网络、电力和国产硬件协同为一个服务体系。

剩下的问题是，中国电信能否将这一架构转化为可重复实现的客户成果。这需要标准、激励、透明度和运营纪律。

未来一个季度，请关注实际节点的上线情况、跨供应商工作负载的证据，以及能耗感知调度的成果。这些信号将揭示中国电信算力网络究竟是在成为基础设施，还是仍停留在政策支持下的愿景。