“毫秒用算”，建設算力“高速公路網”

導語

10月16日，工信部發布《關于開展城域“毫秒用算”專項行動的通知》，要求聚焦算力網絡發展，構建高速大容量、確定低時延、泛在廣覆蓋的城域網絡，面向基礎設施實現算力中心毫秒互連，面向重點場所實現算力資源毫秒接入，面向應用終端實現算力應用毫秒可達。

“毫秒用算”可以說是“算力版的超高速寬帶”，本質是對底層網絡傳輸能力的一次全面升級，將直接催生對高速率（400G/800G）、超低時延、高可靠性網絡設備的剛性需求。隨著專項行動在全國范圍的逐步落地，相關網絡設備采購需求將于未來2-3個季度集中釋放。

政策背景

算力是數據中心的服務器通過對數據進行處理后實現結果輸出的一種能力，是集信息計算力、網絡運載力、數據存儲力于一體的新型生產力。算力可以分為三類：一是基礎算力。由基于GPU（圖形處理器）芯片的服務器所提供的算力，主要用于基礎通用計算，如移動計算和物聯網等。日常提到的云計算、邊緣計算屬于基礎算力。二是智能算力?；贕PU、FPGA（現場可編程邏輯門陣列）、ASIC（專用集成電路）等AI芯片的加速計算平臺提供的算力，主要用于AI的訓練和推理計算，如語音、圖像和視頻的處理。三是超算算力。由超級計算機等高性能計算集群提供的算力，主要用于尖端科學領域的計算，如行星模擬、藥物分子設計、基因分析等。隨著AI智能以及ChatGPT，DeepSeek大模型的出現，算力需求出現井噴式增長，是全球科技戰略層面的一個聚焦點。

未來AI的進化路徑可以概括為生成式AI（Generative AI）、智能體（Agentic AI）和具身AI（Physical AI）。對于智能體來說，推理所涉及的任務更加復雜，大規模的算力資源是完成這一切的基礎。需要生成或處理更多Token來完成規劃和執行。同時隨著更多用戶同時訪問AI，Token的數量會爆炸式增長。對于大模型來說，每生成一個Token往往需要數千億次浮點運算，在有限時間內生成更多Token，必須擁有更強大的算力。

為了在這一領域保持領先地位，美國政府和私營部門通力合作，推出了名為“星際之門計劃”（Stargate Project）的人工智能基礎設施建設項目，由OpenAI、軟銀、甲骨文和MGX等多方聯合發起，總投資額預計高達5000億美元。歐盟表示，將調動總計2000億歐元推動人工智能發展。我國于2022年全面啟動“東數西算”國家級算力資源配置工程，構建“數據中心+云計算+大數據”協同發展的新型算力網絡體系。該工程通過將東部算力需求有序引導至西部，優化全國數據中心布局，促進區域協調發展。其核心內容包含建設京津冀、長三角、粵港澳大灣區、成渝等8個國家算力樞紐節點，形成覆蓋全國的算力資源調度網絡。

根據《科創板日報》報道，截至2025年6月底，我國在用算力中心標準機架達1085萬架，智能算力規模達788 EFLOPS“（每秒百億億次點點運算，FP16半精度）。運載力方面，規劃建設超過250條“東數西算”干線光纜，“東數西算”集群間光層直達鏈路已拓寬至1232 Tbps（太比特每秒），干線400G端口數量已大幅增加至14060個；存儲力方面，存儲容量持續增長，存力總規模超過1680 EB，有效支撐了算力資源配置和數據要素價值釋放。

2025年8月23日，2025中國算力大會在山西大同開幕。工業和信息化部副部長熊繼軍在致辭中指出，工信部將有序引導算力設施建設，切實提升算力資源供給質量。在產業生態層面，熊繼軍指出，要推動“智算生態圈”建設，推廣一批標志性技術產品和解決方案，推動實施城域“毫秒用算”專項行動，加快建設中國算力平臺。

政策梗概

10月16日，工信部發布《關于開展城域“毫秒用算”專項行動的通知》，以專項行動為牽引，帶動產業各方聚焦暢通毫秒用算通道，在全國范圍內梯次推進毫秒用算網絡建設。

“毫秒用算”可以說是“算力版的超高速寬帶”，能讓用戶在使用算力時，感受到的網絡延遲被控制在毫秒級別，實現如同使用本地資源一樣即時、流暢的體驗。就像當年寬帶普及讓我們能瞬間加載網頁、流暢觀看視頻一樣，現在“毫秒用算”是AI算力時代的網絡升級。

《通知》指出，一是推動算力中心毫秒互連，加強創新技術落地。完善算力中心間互連網絡架構，引導面向算力中心完善城域算間網絡布局，優化城域算力中心的網絡層級、互連拓撲，到2027年實現城域中型及以上算力中心間光層單向互連時延小于1毫秒。加快算力中心間高性能網絡部署，有序推進城域400Gbps及以上、全光交叉等高速光傳輸系統設備應用，到2027年實現城域中型及以上算力中心出口400Gbps部署率不低于50%，城域重要站點全光交叉部署率不低于50%。開展算力中心間網絡創新技術驗證，推進算力中心間網絡創新技術方案及新型網絡協議等驗證及落地，加快全光高速大容量無損傳輸、任務式調度、算網運維智能體、廣域無損網絡等技術研發驗證，進一步提升算網一體化運營效能。

二是推動算力資源毫秒接入，打造毫秒入算底座。完善重點場所算力接入網絡布局，推動光網絡設備向綜合接入點和產業園區等用戶側部署，加快實現全光網廣泛覆蓋，構建城域毫秒級低時延一跳入算能力。推進入算網絡新技術驗證，開展小顆粒光傳送網（OTN）、確定性網絡等新技術驗證，引導基礎電信企業推動入算專線服務體驗升級。開展算力資源毫秒接入能力評估，建立城域中型及以上算力中心1毫秒時延圈覆蓋能力監測機制，到2027年實現城域算力1毫秒時延圈覆蓋率不低于70%，打造高品質毫秒入算底座。

三是推動算力應用毫秒可達，提升應用交互體驗。優化算力應用終端到服務器的網絡時延，促進算力中心內網絡組網方案、網絡協議等技術創新，優化人工智能訓練推理的通信效能，推動算力中心全光交換（OCS）、光電融合組網等技術應用部署，提升算力中心網絡性能，到2027年推動算力應用終端到算力中心服務器的單向網絡時延小于10毫秒。豐富算網融合業務，聚焦制造、金融、交通、醫療、教育、文娛等重點行業，鼓勵基礎電信企業結合差異化用算需求，推出定制化算網融合業務套餐，提供彈性、普惠的算網服務能力，支撐工業質檢、輔助診斷等典型算力應用交互體驗提升，促進人工智能高水平賦能新型工業化。

政策亮點

1.明確時延目標體系

《通知》明確了三級時延目標體系，提出三個層次的時延標準，即算力中心互連（<1毫秒）、算力資源接入（<1毫秒）和算力應用可達（網絡時延<10毫秒），形成了完整的低時延算力服務網絡。而且專項行動規劃了清晰的技術路線，包括推動400G/800G高速光傳輸系統部署、全光交叉（OXC/ROADM）設備應用、小顆粒OTN和確定性網絡等新技術驗證。此外，政策設置了明確的時間節點，從2025年11月的行動啟動到2027年11月的成效總結，確保了專項行動的可執行性和可評估性。

2.重塑我國算力基礎設施的布局

“毫秒用算”專項行動將顯著提高算力資源的利用效率，有效解決當前存在的“算力孤島”現象。據相關數據預測，到2025年，我國算力總規模有望突破3000 EFLOPS，然而，目前的利用率卻不足40%。通過構建城域毫秒級網絡，該行動有望將算力資源的利用率提升至新的高度，尤其是西部樞紐算力中心的利用率，預計將從當前不足30%的水平得到顯著提升。

3.促進AI技術普惠化

DeepSeek等開源大模型已將AI訓練成本降低九成，極大降低了算力使用門檻，但實時推理類AI應用對網絡時延異常敏感，超過5毫秒的延遲會使訓練效率減半，因此實現毫秒級響應的算力網絡，是推動AI應用走出實驗室、落地工廠、醫院、道路等實際場景的關鍵，也是AI技術賦能各行各業必須跨越的重要門檻。

政策機遇

工信部“毫秒用算”專項行動是我國算力基礎設施建設的重要里程碑，將推動我國從“算力大國”向“算力強國”轉變。這一政策不僅帶來光通信、算力設備等領域的直接投資機會，更將通過降低時延門檻，激發AI、工業互聯網、自動駕駛等創新應用的發展潛力。

1.算力產業

首先是算力基礎設施建設加速，政策推動400G/800G高速光傳輸系統和全光交叉（OXC/ROADM）設備的廣泛應用，提升網絡傳輸效率。到2027年，城域中型及以上算力中心間光層單向互連時延小于1毫秒，出口400Gbps部署率不低于50%。同時鼓勵小顆粒OTN和確定性網絡等新技術的驗證和應用，推動算力產業的技術創新和升級，提升整體競爭力。

其次是能帶動相關產業發展，專項行動將帶動光通信、網絡設備、算力芯片等相關產業的發展，推動產業鏈升級。通過提升算力網絡的性能和效率，可顯著增強我國在全球數字經濟領域的競爭力，吸引更多國際資源和合作機會。

最后是促進國產AI芯片的自主可控。當前，國產AI芯片持續迭代，自主可控進展順利，建議重視國產算力的投資機遇。

2.受益領域

首先是數字經濟，低時延、高帶寬的算力網絡將顯著提升數據處理效率，支持大數據、人工智能、物聯網等新興技術的發展，推動數字經濟的高質量發展。通過提升算力資源的利用效率，可支持傳統產業的數字化轉型，提升整體產業競爭力。

其次是科學研究領域，低時延算力網絡將支持高能物理、天文學、生物醫學等前沿科學研究，加速科學發現和技術創新。通過高效的算力資源，科研人員可以更快地進行復雜計算和數據分析，提升研究效率和質量。

最后是公共服務方面，低時延算力網絡將支持智慧城市建設，提升公共服務的效率和質量，如智能交通、智慧醫療、智慧教育等。通過提升算力資源的利用效率，確保更多地區和人群能夠享受到高效的算力服務，促進社會公平和均衡發展。

3.用戶體驗

通過構建城域毫秒級網絡，用戶在使用算力時將感受到的網絡延遲被控制在毫秒級別，體驗顯著提升。低時延算力網絡將支持實時應用，如在線游戲、虛擬現實（VR）、增強現實（AR）等，提升用戶的沉浸感和交互體驗。此外，低時延、高帶寬的算力網絡將顯著提升數據處理效率，支持用戶更快地完成復雜計算和數據分析，提升工作效率。