人工智能进入规模化落地阶段后,AI基础设施的竞争焦点正由单一算力规模转向整体系统效能。过去计算芯片、算力集群和数据中心的扩张推动了大模型能力提升,而训练与推理并重、云端与终端协同、多智能体协作等趋势,使产业更关注有限投入能产生多少有效智能计算能力。
12月9日,2026第三届GDTC全球数智技术大会将在北京燕莎中心凯宾斯基饭店举行。大会以“共筑AI基础设施”为主题,设置Data for AI与Net for AI两个核心方向。与常规会议不同,本届大会第一环节即进入产业高峰对话,主题为“从算力竞赛到体系竞争:重构AI基础设施”,由大会主席、下一代互联网国家工程中心主任刘东主持,并邀请人工智能全产业链企业代表参与。
推理应用对响应效率、服务稳定性和运行成本提出更高要求,端侧大模型加快进入汽车、手机、机器人等场景,智能计算从集中式云端向终端和业务现场延伸。企业智能体和行业AI应用还需要持续访问分散在不同业务环境中的数据,并完成跨系统、跨地域的计算与通信协同。由此,AI基础设施竞争延伸到系统架构和整体效能,大规模算力集群依赖高效网络与资源调度,分布式AI应用则依赖数据、网络、计算能力的动态协同。
数据和网络被视为影响体系效能的关键变量。高价值数据分散在企业、医院、工厂及智能终端中,受数据质量、系统架构、安全合规和跨主体协作机制影响,行业数据难以被人工智能系统高效利用。端侧智能发展也让数据本地处理与云端智能服务之间的协同需求更突出。在保障安全可控前提下,数据、模型和算力如何高效协同,成为AI数据基础设施需要回应的问题,也对数据空间、数据湖仓、数据编织等技术提出新要求。
网络方面,大规模AI训练、推理、分布式计算和智能体协作形成不同需求。超大规模算力集群关注高带宽、低时延以及网络对计算效率的影响;跨区域算力协同需要灵活连接、资源调度和服务保障;智能体交互则涉及跨平台发现、服务调用和可信通信。讨论方向包括IPv6、SRv6如何支撑跨域资源调度,以及未来互联网需要增加哪些能力以适应大规模智能互联。
围绕这些挑战,本届GDTC产业高峰对话将从模型与应用需求、数据高速可信流通、计算系统与互联、云和数据中心网络、通信网络五个产业环节展开,邀请大模型、AI应用、数据存储与处理、算力设施、光连接、网络运营商等企业代表,讨论AI基础设施下一步竞争重点。对话按“破局、交锋、定调”三个环节推进,并设置专家点评。
当天大会还将设置Data for AI和Net for AI两大平行论坛,分别围绕新型数据基础设施与智能互联网开展研讨,推动技术架构、开放标准与产业应用的交流合作。

