2025世界人工智能大会（WAIC）在上海启幕，大模型技术成为全场瞩目的焦点。来自长三角的多家企业和科研机构携多模态、通用及垂类模型集中亮相，充分展现了这一地区在人工智能研发与应用上的强劲动能。然而，在这场大模型竞速的热潮之下，算力需求激增所带来的供应紧张与协同不足的问题日益凸显。作为大模型发展的“数字底座”，算力如何高效流动、优化配置，已成为长三角在迈向全球AI高地过程中亟需破解的关键命题之一。
　　产业基底：差异化的算力需求图谱
　　当前，长三角已初步构建起一条贯通“算法研发—数据应用—场景落地—算力支撑”的大模型创新链。各地依托自身禀赋发展特色生态，区域协同的格局正在逐步清晰。
　　上海作为国际科技创新高地，借助WAIC等平台集聚全球领先企业与技术资源，在大模型领域持续引领。上海人工智能实验室联合中国联通完成1500公里异构混训试验，训练效率接近单集群水平，充分体现了在智算网络构建与全球资源整合方面的领先优势。
　　浙江则立足于数据治理和知识产权制度的先发优势，推出“数据要素×文化旅游”三年计划，在20个文旅场景中率先应用大模型，推动非遗保护等成果落地。同时，通过建立AI知识产权数据库和登记机制，加快数据资产的确权与价值转化。
　　江苏坚持“行业模型+产业应用”双轮驱动，聚焦制造、医疗、交通等关键垂类场景，大力推动大模型实际部署。苏州、无锡、南京等地初步形成企业集聚、专项基金扶持与“可信AI”测试平台联动的创新闭环。
　　安徽则明确以“国产化算力”为核心战略，智能算力总量突破3万PFlops（每秒千万亿次浮点运算），建成全国首个融合量子、通用、智能、超级四种算力架构的多元平台，并推出“飞星一号”万卡集群，为国产大模型训练提供关键支撑。合肥、芜湖、宿州协同推进，逐步夯实长三角的算力底座。
　　在这一多元共生、各扬所长的区域创新格局中，三省一市虽分工不同，但对算力资源都存在广泛而深层的依赖，因此亟须打破行政壁垒与技术孤岛，构建统一调度、共享互认、高效协同的区域算力网络，释放各地潜能，推动长三角迈向协同共赢的AI发展新阶段。
　　协同挑战：多重壁垒阻碍长三角算力流动​​
　　尽管长三角地区在算力基础设施建设方面已具备全国领先优势，上海、无锡、芜湖、合肥等地相继布局了多个超算与智算平台，初步构建起区域算力底座，但资源协同与流动机制的滞后，正成为制约其整体效能释放的关键障碍。
　　首先，算力资源的碎片化布局与行政边界的割裂。各地以本地化推进为主，形成了“点状突破、孤岛运行”的格局，缺乏统一调度和负载均衡机制。在AI训练需求年均增长超40%的背景下，分散的资源难以实现动态分配，导致一边高端算力闲置，另一边却面临“算力荒”的困局。
　　其次，算力利用效率普遍偏低，供需错配问题突出。G60科创走廊的合肥算力利用率仅为65%，而上海松江则算力紧张，企业与科研项目出现大规模排队现象。大量低效运行设备和传统调度方式不仅浪费资源，更影响大模型训练效率与产业项目交付周期。
　　更深层的问题在于协同标准缺失和技术生态不兼容。目前，各地在数据共享、算力计量、资源交易等方面缺乏统一规范，阻碍了算力跨省流通和互认。而在底层技术上，长三角整体仍高度依赖进口芯片与平台，异构架构间难以高效整合，进一步加剧协同难度。
　　与此同时，AIGC应用浪潮推高了算力需求波动。面对瞬时暴涨的训练任务，当前以静态配额和分散管理为特征的调度体系显得力不从心。在“上海求而不得、安徽供而不用”的供需错位下，构建统一、高效、弹性的算力协同机制已刻不容缓。
　　破局路径：从“单点突进”到“系统作战”​​
　　破解长三角算力协同的结构性瓶颈，已不能依赖某一地、某一策的“单点突进”，必须转向全区域、跨领域的“系统作战”。唯有在顶层设计、平台建设、标准制定与生态融合等多维度协同发力，才能打通资源流动的堵点，实现算力的高效配置与价值最大化。
　　首要之举，是加快建设统一的区域算力调度平台。借助上海“算力大脑”探索基础，长三角可率先推进“1+4”架构，即由一个核心平台统筹集群调度、负载均衡、绿电协同和智能匹配四大功能。该平台需可跨越行政边界，整合上海超算中心、合肥飞星平台、芜湖国产集群等异构资源，构建覆盖全区域、实时智能调度的“算力一张网”，把分散孤立的节点联结为协同高效的区域系统。
　　其次，制度建设是协同机制真正落地的关键支撑。通过设立长三角算力交易中心，推动“算力券”跨省互认流通，并引入挂牌交易、指数定价等市场机制，为算力流动提供清晰、透明的操作通道。同时，加快制定统一的算力计量、算法评测、调度认证标准，打破不同平台、技术体系之间的兼容壁垒，实现资源在多方间的可信共享与高效对接。
　　协同不仅是资源调配，更需生态融合支撑其可持续发展。长三角各地在大模型产业链上各有优势：上海强于前沿算法研发，浙江精于数据治理与隐私计算，江苏在行业模型落地方面基础雄厚，安徽则在国产芯片和大规模智算平台上形成先发优势。应通过共建联合实验室、基础算法平台，推动“上海研发+江浙验证+安徽训练”协作机制转化为常态化、制度化的协同生态，形成自主算法与国产算力平台的联动闭环，助力产业加速转化与落地。
　　同时，协同发展的可持续性，也离不开绿色与安全两大支柱。一方面，应加快建设跨省的数据共享与隐私保护平台，利用联邦学习、隐私计算等技术实现“可用不可见”的数据协同；另一方面，还需构建区域AI伦理审查、合规监管、安全审计等制度体系，构筑创新与风险防控并重的治理结构。
　　总体来看，长三角在AI大模型的发展路径上，需积极推动从单点技术突破向系统性产业协同的转变。面对算力资源分散、需求激增与协同机制不足等现实挑战，唯有坚持区域一体化发展，打通要素流动的壁垒，方能有效释放集群效应，使长三角真正成为中国人工智能产业的创新策源地和全球大模型创新与应用的“热带雨林”。
　　（澎湃新闻2025-07-28，奎一鸣、崔一鸣）