一、算力互联网发展背景
　　近年来，人工智能大模型技术取得突破性进展，随着“人工智能+”行动的持续推广，预计未来几年人工智能将广泛应用于数字经济和生产生活的各个领域，人工智能应用需求将极大扩展。因此，用户需要接入优质高效的人工智能模型，同时也需要随时、随地、随需、低成本的算力资源支持。我国算力产业发展迅速，国家“东数西算”工程深入实施，八大枢纽十大集群建设稳步推进，公共算力基础设施规模持续扩大，智能算力供给能力大幅提升，算力总规模稳居全球前列。我国算力按照区域资源禀赋优化布局和集中建设，但同时存在多种异构芯片技术路线，算力提供主体也较多元化。为满足人工智能、科学计算等任务实时调用合适算力资源的需求，实现全国计算资源优化配置和高效服务，需要在统筹全国算力设施区域优化布局的基础上，实现跨主体、跨架构、跨地域的算力资源互联。
　　（一）人工智能产业快速发展，算力需求极大扩展
　　人工智能应用场景持续深化。Gartner预测，2025年全球人工智能总支出近1.5万亿美元，并将在2029年增至3.3万亿美元，五年复合年增长率为27.5%1。2024年我国人工智能产业规模突破9000亿元，同比增长24%2。生成式人工智能技术不断向具体应用场景纵深渗透。人工智能大模型在参数规模、多模态能力等方面不断突破，与办公协同、教育普惠、工业设计、内容创作等场景深度融合，构建了覆盖多个领域的智能应用生态。
　　算力基础设施需求持续增长。随着DeepSeek等大模型的应用普及，其处理复杂任务（如数据整理、研究报告生成）时需消耗远超对话场景的token量，推动算力需求陡增。同时，企业端因AI应用扩展（如智能制造、金融分析）开始自建模型训练，进一步加剧算力压力，如DeepSeek单日推理调用2500万次，需1814张H800芯片支持，而企业级训练场景对算力冗余和效率的要求更高。这种双重驱动下，算力需求从训练端向推理端迁移，推动全球基础设施需求持续扩张。
　　（二）全球布局算力互联成网，多措并举抢占高地
　　主要国家发布算力互联相关政策。美国能源局发布《高性能数据基础设施计划》，推动实现东西海岸40余个机构算力互联互通。欧盟委员会发布《2023—2024年数字欧洲工作计划》,通过政策支持与专项投资，增强欧洲范围内算力系统的互操作性，推动构建互联可信的统一算力设施。英国科学、创新与技术部发布《人工智能赋能科学战略》，提出将探索一套系统，协同英国国家研究与教育网络内的（包括CPU、GPU或其他加速器）闲置计算资源赋能科研。
　　头部企业创新算力互联调度技术。谷歌积极布局多数据中心分布式训练，加速推动康瑟尔布拉夫斯、奥马哈、帕皮隆和林肯市四个园区互联互通，打造GW级的人工智能训练互联集群；OpenAI和微软计划将多个超大型园区互连，并在全国范围内进行大规模的分布式训练；英伟达推出Lepton调度平台，加速构建覆盖其全球GPU算力的一张虚拟网络，使开发者能够在全球任意地方灵活接入英伟达的GPU算力资源，便捷高效地开展模型部署、训练和推理任务，并实现资源的弹性扩展与按需调度。
　　（三）我国探索算力互联路径，体系研究亟待完善
　　地方政府发起算力调度平台的建设。平台侧重点是为各区域汇聚算力，服务本地区以及周边地区的算力需求。地方政府各自建设并运营编排调度系统，将区域内算力资源汇聚形成资源池，进行供需对接、交易购买、使用调度。由于各平台接口等方面未实现统一，区域算力调度平台之间相对独立，形成了算力区域“块状网络”。
　　电信运营商提出算力网络和算力并网方案。算力网络的侧重点是让网络层融合算力信息，将任意数据中心之间数据流动的最优路由设计成带有段标识符的算力路由标签，由每个数据中心出口路由器利用基于IPv6转发平面的段路由技术封装在流量包里，在承载网进行路由转发。算力并网侧重点是在调度层将社会其他闲散算力或者自身不同类型的算力接入自身资源池统一管理，如中国移动“算网大脑”、中国电信“息壤”平台等，形成移动、电信各自一张算力“条状网络”。
　　体系化的算力与网络融合研究仍待完善。研究问题和对象方面，算力网络等研究大多是从通信模型和承载网视角出发，以“网”为主，强调在承载网层面增强对算力需求的支持。由运营商主导数据分发与链路调度，可利用既有网络基础设施进行算力感知，提升网络能力，但仍需推动更多“算”企互联参与整体架构。基础理论方面，多数文章为工程架构，缺少面向算力互联网络的概念内涵和理论基础，尚无科学理论基础支撑，难以支撑进一步的创新发展。产业方面，目前实践仍以单点突破为主，难以形成全球化广泛的资源互联。
　　综上所述，亟须为算力互联成网提供有效的理论支撑，加快各个体系的算力网互联，形成算力互联网。