摘要：在新科技革命和产业变革中，数据作为新的生产要素参与价值创造和分配，信息技术成为驱动经济社会发展和变革的基础动力。在这种背景下，全球竞争格局重构趋势增强，算力竞争愈加白热化。算力成为衡量一个国家数字经济发展水平，乃至在很大程度上实现经济社会数字化转型、适应新科技革命和产业变革的重要指标。算力的获得具有高投入、高风险、强外部性和高垄断特征，这决定了算力的国际竞争是大国和大企业参与为主的竞争。我国在与算力相关的技术研发、基础设施建设和产业发展方面拥有独特的优势，是全球算力竞争的重要参与者。但我国算力硬件基础技术薄弱、软件生态系统影响力低，算力应用创新突破不足，面临体制机制障碍，信息安全保障力弱等问题也急需解决。因此，需要进一步加强对算力技术研发和基础设施建设的高投入，构建完善的算力体系，推进算力设施绿色化发展，强化应用创新，建设算力人才队伍，以增强我国算力竞争力、补齐短板。
关键词：新科技革命和产业变革；算力；国际竞争；数据
一、引言和研究综述
具有通用性、基础性和使能性的新技术出现和普及，会对各产业部门和经济运行规律造成极大冲击，并创造出新的产业部门、商业业态，形成新价值创造模式，彻底改变产业结构和就业结构。在这一过程中，还将出现新旧主导产业、领军企业和领先国家的更替，以及国家间、企业间竞争格局的演变，这是科技革命爆发的基本特征，也是工业化的一般规律。新科技革命和产业变革中，数字经济的重要性不断凸显，不仅自身形成庞大的新兴产业体系，同时对所有经济部门造成颠覆式冲击，并逐步改变全球产业和科技竞争格局。在本轮变革中，数据成为新的生产要素并在数字经济相关产业和几乎所有产业部门竞争力的形成中发挥越来越重要的作用。［1，2］在这种情况下，数据资源的规模和价值转化效率将和传统资源要素禀赋共同决定一个国家、地区、企业的竞争力。
数字经济发展和经济社会数字化转型需要不断夯实由数据、算力、算法共同构筑的基础，数据是新科技革命和产业变革中社会经济运行最重要的投入要素；算力和算法则共同决定数据要素转化为经济社会价值的效率和效果，其中，算法主要由顶尖的科学家和科研团队推动其不断优化进步，算力的获得则需要大量技术和基础设施投入。广义上理解，算力是涵盖数据收集、存储、计算、分析和传输的综合能力。可以说，在数字经济时代，国家的核心竞争力是以计算速度、计算方法、通信能力、存储能力、数据总量即算力来引领的。［3］关于数据产生价值的过程，目前大多数学者是从价值链的视角进行研究的。例如将数据价值链划分为数据获取、数据存储、数据分析、数据应用等基本阶段，［4－6］并认为数据的分析环节对数据最终能否创造价值起到关键作用，算力水平又直接决定了数据的分析能力。此外，很多学者还强调数据在获取环节具有非排他性的特点，且数据的创造是一个加速动态的过程，新数据的产生将不断淘汰旧数据，数据价值链这一特点决定了数据的创造（即数据价值链中数据获取的环节）难以形成长期的垄断势力，数据分析环节才是形成数据价值链竞争力和垄断的主要环节，而算力的差距决定了竞争力的差距，算力一旦形成垄断则数据价值链也会形成垄断。当然，算力的重要性也不仅仅体现在数据的分析环节，从研发到生产、从销售到服务和使用的过程中数据不断流动，经济价值也被持续创造出来，而在研发、制造、营销、售后等传统价值链的重点环节，数据必定参与其中并实现价值增值，这都需要算力的支撑。［1］在一些行业和领域，算力不足已经是影响数据价值创造的重要桎梏。
受信息技术、信息化设备普及程度的限制，在半个多世纪里，算力的获取主要依靠集中式的大型计算机，因此超级计算机长期以来被认为是计算机领域的“珠穆朗玛峰”，是一个国家综合国力与科技实力的集中体现。超级计算机在包括核爆试验和航天飞行器飞行试验的模拟计算、生命科学基因分析、天气变化预测等方面都发挥着巨大作用，具有重要的战略意义。虽然时至今日，超级计算机领域仍然是国家间算力竞争最火热的战场，算力的获得以超级计算机为引领，但随着算力的实现方式不断创新，超级计算机已不是算力竞争的唯一支点。近年来，算力网络的概念被提出，这是以云计算为代表的传统中心化算力资源下沉到边缘计算的分布式新型算力资源解决方案，是现代数字化社会的发展基础和数字经济时代推动经济高质量发展的新引擎。［7］算力网络的目标是联通散落在全网中的资源孤岛，构造云、边、端式的数据协同计算体系，避免被动资源扩容中的低效陷阱，有效提升全网算力的资源利用效率。［3］
我国非常重视算力基础设施的建设和算力相关技术、产业的发展。2020年4月，国家发展和改革委员会首次提出算力基础设施概念，并将其纳入新型基础设施建设的范畴。如同电力基础设施为电力生产提供电力服务一样，算力基础设施是生产算力的场所，为社会经济的数字化转型提供算力服务。5G网络、人工智能、工业互联网、物联网等新技术、新产业的发展，以及新业态的形成，乃至整个经济社会的数字化转型，都需要算力基础设施提供底层支撑。［8］可见，算力对于构建新科技革命和产业变革下的国家竞争力、推动高质量发展、实现创新驱动具有重要的战略意义。
二、算力的经济特征和基础支撑作用
算力即计算能力。从技术角度看，算力是涵盖计算机硬件和软件、信息通讯在内的综合、交叉学科；从产业角度看，算力是信息产业的重要组成部分，主要包括算力设施的制造、算力设施的建设和算力服务业；从基础设施角度看，算力是“新基建”的重要内容，既包括大数据中心等直接提供计算能力的基础设施，也包括电信网络等实现数据传输的基础设施。
（一）算力的经济特征
与土地、劳动力、资源能源、资本等传统要素及其他技术所反映的竞争力不同，算力具有特别的技术特征和经济属性，算力的获得、算力竞争力的形成和巩固具有高投入、高风险、强外部性和高垄断的经济特征，这些特征决定了算力的国际竞争是大国和大企业参与为主的竞争，更强的资金和技术实力、更现代化的产业体系和技术体系、更多的应用场景是形成算力竞争优势的前提。同时，由于垄断等市场失灵情况的存在，算力相关技术进步和技术路线的确定、算力相关产业的发展和产业体系的完善、算力相关基础设施的建设对政策的依赖性较强，同时也受到政府和政策的规制。
1.形成算力的投入巨大。算力的物质基础是数据的获取、传输、存储和处理系统，其中每一个环节的建设都耗资巨大，且很多设施具有公共产品属性，属于新科技革命和产业变革中重要的基础设施，其投资建设只能依靠政府和超大企业。根据中国信通院预测，到2025年国内5G网络投资累计将达到1.2万亿元，［9］而这只是形成算力其中一个环节、一个代级的基础设施投资量。基础设施建成后，算力的形成还需要大量运营、维护和升级成本。目前对数据中心等算力设施的耗能还没有权威统计，但即便是相对保守的研究和估算也显示出其对电力的消耗是巨大的。我国数据中心年耗电量接近2000亿千瓦时，占全社会用电量的比重近3%，是汽车制造业耗电量的2倍，相当于钢铁产业耗电量的三分之一。近十年来，数据中心耗电量年增速超过10%，远远超过传统高耗能产业用电量3%～5%的年增速。很多国家和地区都对数据中心的耗能进行了严格限制，并制定绿色数据中心发展战略和相关鼓励政策。
2.算力设施的投资和建设风险高。一方面，算力相关的技术进步快，技术路线充满变数。例如，无线通信技术不断迭代致使移动运营商不得不长期保持极高的投资，一旦出现颠覆性的技术，技术路线发生变化，都可能造成前期技术研发和设施投入作废。美国、中国、日本、欧盟等领先国家和地区都会同时在若干条技术路线上进行突破，这虽然保障了国家层面不会因为技术路线的重新定义在未来算力竞争中被彻底边缘化，但也分散了研发资源和投资资金，而资源和能力有限的国家和地区往往只能采取跟随的研发和产业布局策略。另一方面，虽然算力系统或算力网络的构建需要大规模的投资和长期建设，但仅从数据中心看，其建设并没有太高的规模门槛，而大量私有性、区域性和缺少规模经济的数据中心建设会造成产能过剩和竞争过度问题，降低算力投资回报率。
3.算力产业具有强外部性。作为新科技革命和产业变革中的基础能力，算力的构建不仅会形成自身庞大的新兴产业体系，同时也是其他产业数字化转型的基础，这是算力正外部性的表现。也就是说，掌握算力的国家和企业能够更好、更快地实现数字化转型发展。
4.算力易形成垄断势力。垄断的产生主要是由于资源的稀缺性和排他性的私有化。数据的采集具有非排他性的特点，数据资源本身也不是永恒不变的，新的数据资源不断产生且旧数据的价值丧失极快，理论上，在数据的采集环节是难以形成垄断的。但是，在数据的分析环节，即算力运行的主要环节，通过技术手段（例如对数据进行加密）和法律手段（例如对数据资源进行确权），数据要素和算力资源会集中在少数企业和国家形成垄断，这是造成“数字鸿沟”并拉大地区间发展差距的重要原因。
（二）算力在综合竞争力提升中的基础支撑作用
数字经济的发展、经济和社会数字化转型的推进、数字信息技术应用场景的扩展使得算力正在从一个隐形的、潜在的竞争力源泉逐步转变为现实的竞争力。算力既可以直接形成新的竞争力，也可以促进传统竞争力蜕变和强化，成为决定未来国家或地区、企业综合竞争力的基础。
1.算力是新科技革命和产业变革中的新兴基础能力，决定了其他竞争能力的可能性和上限。每一次工业革命都会出现能够带动经济社会重大变革的新技术，例如第一次工业革命时的蒸汽机最早用于纺织业，但最终导致工厂制替代作坊制，催生了工业生产部门，并带动人类进入工业文明发展阶段；第二次工业革命中电能更具有新兴基础能力的特征，电力驱动的机械装置引发了流水线生产模式的出现，最终导致大规模生产成为现代工业生产最基本的形式。就如同蒸汽机、电力最早的应用范围很小，但最后导致整个人类社会巨大变革一样，新科技革命和产业变革中，数据成为新的要素资源参与生产和分配，而算力则构成新的生产函数，更高的算力决定了更大的数据容量和更高的价值转化率。可以说，在新科技革命和产业变革中，国家、区域和企业的竞争力无论最终表现为何种形态，都必须依赖于对数据资源的掌握和高效应用，而这一过程又取决于计算能力的高低。拥有算力是形成符合科技革命发展趋势的新竞争力的前提条件，拥有更强大的算力意味着可以在更高层级和更前沿领域构筑竞争优势。
2.算力的发展推动经济社会的数字化转型。一方面，庞大的互联网用户数量和巨大的市场规模为数字经济发展提供了坚实的基础，催生对算力资源的大量需求；另一方面，大数据、云计算、人工智能等新一代信息技术的不断涌现，对算力提出了更高的要求。例如，根据人工智能研究组织Open AI统计，从2012—2019年，随着人工智能深度学习“大深多”模型的演进，模型计算所需计算量已增长30万倍。斯坦福大学发布的《AI Index 2019》报告也显示，2012年后算力需求每三四个月就翻一番。可以说，算力是推动经济社会数字化转型的重要基础条件，没有足够算力的支撑，数字化转型将难以实现。
3.算力有助于破解基础产业增速缓慢困境、解决社会领域重大问题。从需求端看，汽车、家电等传统工业消费品增长趋于稳定，引起这些产品上游材料、能源产业发展减缓。例如，全球钢铁产量在20世纪70年代、90年代末到21世纪初实现了高速增长，这主要是由新加坡、中国等国家和地区工业化高速推进、钢铁需求量在短期内激增造成的，但随着这些国家和地区相继进入工业化后期发展阶段，全球钢铁市场增长也逐渐稳定。从供给端看，传统产业发展依靠要素的更多投入和渐进的技术进步，可持续发展和绿色发展理念大大提高了要素投入的约束，原有技术路线上的突破随着越来越接近科学理论的前沿面变得缓慢，传统产业和传统产业发展方式接近天花板。在新科技革命和产业变革中，一方面，算力能够刺激新产品和服务的开发，从而带动消费的进一步增长。如，建立在算力基础上的数字内容产业（包括游戏、数字音乐、数字影视作品等）连续多年实现翻番增长，是世界经济处于低迷期时增长最快的新兴产业。另一方面，算力改变传统产业发展路径，促进一些产业突破原有道路上的发展瓶颈。如，同样建立在算力基础上的共享经济实现了闲置资源供给与尚未满足需求间的对接，在旅游、住宿、交通等行业创造高增长的新业态。除了经济领域，算力还越来越多地应用于解决社会领域的重大问题，使以前难以应对的社会难题有了新的解决方案。如，新冠肺炎疫情防控期间，算力在病例诊断、药物研发、人员流动监管、物资紧急调动等过程中发挥了重要作用，中国的“天河二号”、美国“顶点”、日本“富岳”等全球最具影响力的超算中心都参与其中。
4.算力推动科学研究范式转变。科学研究的三种传统方法是理论方法、实验方法和数值计算方法。近年来，随着数据规模的爆炸性增长，科学研究方式逐渐由第三范式（传统的计算模拟与数字仿真）走向第四范式，即基于大数据相关性分析的科学发现和研究。［10］新的科学研究范式及相关方法的出现突破了传统范式和方法的局限，大大降低了科研成本、缩短科研周期，并通过强大算力的模拟降低了科研的风险和不确定性。同时，利用公共算力资源能够大大降低研究和开发活动的门槛。国内外诸多基于算力资源的科研孵化平台层出不穷，由算力支撑的新研究范式成为主流，这将进一步加速技术进步，并改变全球研发分工格局。
5.算力能够有效驱动跨越式发展。过去十几年，我国在互联网、大数据、人工智能等新一代信息技术的技术研发、产业应用方面走在世界前列，在诸多新兴产业和业态领域开启了由中国参与并主导的国际竞争格局。在这一过程中，算力上的赶超是重要基础和保障。例如，天河、银河、曙光、神威等超级计算机的应用不但为科研任务提供计算服务，还支撑许多产业技术实现突破发展。可以说，超常规的算力增长不仅推动了中国高科技产业、新兴产业的发展和传统产业的转型升级，还成为了整个经济社会跨越式发展的基础驱动力。
三、当前全球算力竞争格局
算力的战略意义已经得到公认，作为新科技革命和产业变革中重要的竞争力基础支撑，国家间、区域间、企业间的算力竞争愈发激烈。算力竞争在总量上表现在算力规模和市场占有率的竞争，具体看还包括不同技术路线的竞争、产业链和产业体系不同环节和领域的竞争。总体看，中国、美国、日本和欧盟在全球算力竞争中占有优势，这些国家的互联网和ICT企业是算力竞争的主要参与者。
（一）算力规模和市场占有率的竞争
理论上，算力是一种可以量化的服务，但由于算力基础设施的分散化和技术路线的多元化，很难统计得到各个国家总算力，但可以从几个重要的影响因素对主要国家和地区算力总规模的现状和未来增长趋势进行定性判断。总体上看，中国、美国算力增长潜力要大于日本、欧洲和其他国家（地区）。中国在部分领域的追赶还需要时间，国际市场开拓不足也制约了中国未来算力的提升。
算力的构建如同基础设施建设，增量上的优势弥补存量上的差距需要时间。中国信息化起步晚于美日欧等发达经济体，虽然发展速度快，大数据中心等新型算力设施建设全球领先，但要在算力系统的所有方面实现赶超还需要时间，特别是在一些传统的算力基础设施方面，中国与美日欧发达经济体还存在较大差距。例如，虽然经历十几年的加速建设，我国互联网安全服务器数量从2010年的全球排名第33位提高到2019年的第10位，但仍然只相当于美国的四十分之一、德国的六分之一、英国和日本的二分之一，差距巨大，与我国互联网大国强国的地位不相符。
从人口、经济总量、产业规模和数字化转型需求看，中国无疑是算力潜在需求最大的国家。美国经济总量大、数字化水平高，拥有全球最领先的信息产业和企业，国内算力需求增长稳定。与中国和美国比较，日本和欧洲国内、区域内算力需求增长相对有限。如果仅从内需的角度，中国和美国算力增长的市场保障优于日本和欧洲。
当然，算力竞争是全球性竞争，一个国家和地区算力规模的增长不会仅限于国内和本区域市场。美国、日本和欧洲信息化起步早，相关企业发展历史长，对国际市场的开拓也早于中国，国际市场的占有率明显高于中国。中国算力的“走出去”起步较晚，在国际市场的竞争力明显弱于在国内市场的竞争力。例如，虽然阿里云在全球云市场占有率排名第四，但其绝大多数业务集中在中国国内市场，与亚马逊、微软、谷歌等美国企业的国际化水平还有很大差距。
（二）不同技术路线的竞争
目前，算力的实现主要有超级计算机、数据中心和边缘计算三大技术路线，每种技术路线各有优劣，在不同领域组合为最优的算力解决方案，共同组成国家层面的算力系统，提供高吞吐、敏捷链接和均衡随选的算力服务。
1.超级计算机（Super Computer）研发和制造的门槛极高，是一个国家科技实力和制造能力的集中体现。在宽带网络、云计算、边缘计算出现之前，超级计算机是国家层面算力输出的主要甚至唯一来源。虽然近年来出现的量子计算机将超越传统超级计算机，但在量子计算机商业化应用前，超级计算机仍是目前计算能力最强的设备，对于几乎所有的计算任务，超级计算机都能够提供比现有的其他任何算力设施更强的专属算力服务。正因如此，超级计算机是支持战略性科学研究、工程设计、应急管理的顶级算力来源。在算力的国际竞争中，超级计算机的竞争是最受关注的领域。2010年前，美国和日本几乎垄断超级计算机的全球500强。2010年后，中国成为新的超级计算机大国和强国，并在数量和总规模上迅速超过美国和日本。2020年底，在全球超级计算机500强中，中国拥有217台（含中国台湾3台和中国香港1台），位居世界第一，之后依次是美国（113台）、日本（34台）、德国（18台）和法国（18台）。从单体超级计算机算力看，中美日三国的优势非常明显。根据2020年11月发布的全球超算500强榜单，日本富士通研发的“富岳”蝉联第一，浮点运算速度提高到了创纪录的442.0 PFlops；IBM和美国劳伦斯利弗莫尔国家实验室研发的“山脊”“Sierra”排名第二和第三，我国国家并行计算机工程技术研究中心研发的“神威太湖之光”与国防科技大学研发的“天河二号”名列第四和第五。无论是超级计算机的总体算力规模，还是单体超级计算机的算力，全球竞争呈现中美日三足鼎立的局面，且三国间的竞争将持续并更加白热化。
2.如果说超级计算机能够为特定项目提供专有属性的极致算力服务，那么云计算（Cloud Compu-ting）是当前公共算力资源最重要的提供者，而大型数据中心（IDC，Internet Data Center）则是提供云计算服务的基础设施。根据数字信息研究机构SynergyＲesearch Group的统计和研究，到2019年底，全球超大规模运营商大型数据中心总数突破500个，2013—2019年七年间增长了两倍。美国仍然是全球数据中心最大的市场，其市场份额接近40%，中国的份额约为10%，是全球数据中心第二大市场，日本、英国、德国、澳大利亚、加拿大、印度、新加坡的市场份额在美国和中国之后。从云计算服务的供应商看，亚马逊AWS、微软Azure、IBM、谷歌云平台、阿里云是全球云计算市场占有率最高的企业。值得一提的是，在中国市场排名前六的全部是本土企业，分别是阿里巴巴、腾讯、百度、光环新网（与亚马逊合作）、中国电信和中国联通。总体看，全球数据中心算力竞争以美国和中国为第一梯队，且中美差距不断缩小。在国内市场，中国本土企业已经占据了绝对优势，而中国是全球潜在云计算市场需求最大的国家，这对中国数据中心未来竞争力的进一步增强提供了市场保障。
3.边缘计算（Edge Computing）与云计算不同，云计算通过网络将数据传输到中央服务器进行处理，而边缘计算则是在生成数据的传感器、设备上或附近进行处理。边缘计算能够极大的节约网络带宽资源，并且充分利用现成的算力资源，在物联网体系越来越庞大的情况下，①边缘计算将提供超级计算机和数据中心难以完全覆盖的算力资源。根据数据咨询公司Datamation的研究报告，在未来的物联网中，将有40%的算力由边缘计算提供，2019—2027年全球边缘计算市场的复合年均增速将达到38%，超过数据中心提供的云计算增速。［11］美国的亚马逊、思科、clearblade、戴尔、谷歌、HPE、IBM、英特尔、微软、甲骨文，中国的华为，中国台湾的凌华科技，日本的日立，以色列的Saguna，德国的SAP是当前全球主要的边缘计算供应商。在边缘计算的研发和应用领域，美国拥有绝对优势，中国、日本、德国、以色列处于第二梯队，但与美国有明显的差距。
①预计到2030年全球将有超过5000亿个对象接入互联网。
当然，众多的智能终端产品也是算力系统的重要组成部分，如当前一部智能手机的算力已经可以满足当年阿波罗登月计划的算力需要。但是，终端产品的算力主要被所有者消耗，一般情况下也不会将冗余算力共享出来，因此对整个国家的算力竞争力影响不大。
（三）产业链和产业体系的竞争
从产业链和产业体系看，算力的形成主要包括上游相关信息技术的研究开发、中游算力设备制造和设施建设、下游的算力应用开发。
在上游技术研发环节，美国和欧洲占优势地位，中国在前沿领域奋力赶超。美国和欧洲掌握与算力相关的绝大多数专利和国际标准，在技术研发的国际分工中仍然占主导地位。例如，在大学信息科学相关专业的全球排名中，美国几乎占到前20位的一半，除了美国及英国、瑞士、瑞典等欧洲国家外，日本、韩国和新加坡等亚洲国家在算力相关领域也有很强的研发实力。在一些前沿领域，中国充分发挥后发优势，实现与发达国家技术研发的同步起跑，具备很强的研发竞争力。例如，根据中国科学院和科睿唯安对全球前沿研究的跟踪研究，中国在信息科学前沿研究领域的投入和产出都快速增长，2020年，中国主导或参与了无线移动边缘计算领域大部分的研究工作，核心论文发表数量遥遥领先，并在与算力相关的前沿领域——强化学习算法，中国和美国是后续研究最活跃的国家。
在中游制造环节，美国具有综合的领先优势，中国算力相关设备制造能力不断提高，但要彻底赶超美国等领先国家仍然面临严峻的“卡脖子”问题。在核心零部件制造上，美国保持绝对的领先优势，中国、日本、欧洲、韩国有各自的优势。根据市场研究机构IC Insight的统计，按照销量计算，目前排名前10位的半导体制造商分别是英特尔、三星、台积电、海力士、美光、博通、高通、德州仪器、英伟达、海思，其中美国有6家、中国和韩国分别有2家。除半导体制造外，欧洲的半导体生产设备、日本的半导体材料具有垄断优势。从服务器和超级计算机等算力整机设备制造看，美国仍然保持领先，但中国的优势更加突出。根据IDC发布的数据，戴尔、HPE、浪潮、IBM和联想是全球排名前五的通用服务器制造商，这五家合计约占全球市场的50%。在超级计算机制造上，中国具有更强的优势，联想、曙光、浪潮是全球排名前三的超级计算机供应商，在全球超级计算机500强中，有超过60%由这三家中国企业制造。
在下游应用环节，中国和美国的优势突出。在互联网普及之前，算力的应用以服务重大科研和工程项目为主，随着互联网的普及和数字化转型的推进，算力的应用领域不断扩展，即通过大数据、人工智能等方式开发的应用场景，为经济社会的数字化转型提供算力服务。在产业政策、国内市场和领先企业的共同带动下，中国和美国的数字化转型步伐更快，近年来大量新一代信息技术都最先在中美两国实现产业落地。例如，按照市值估价计算，全球排名前十的人工智能创业公司中，美国有7家、中国有3家，其中，中国字节跳动估值超过其余9家公司的总和。
表1 中、美、日、欧算力竞争基本格局
四、我国算力的优势和短板
近年来，我国加快推进量子计算、人工智能神经网络等重大科学项目及宽带网络、数据中心等基础设施建设，使得与算力相关的技术研发和业态创新取得瞩目成就，在算力国际竞争中，中国已经是强有力的参与者。并且，我国超大经济体、新型举国体制下的“新基建”、国内对数字化转型的需求和全产业链布局等独特优势是其他国家难以复制和借鉴的，这些是我国在未来算力国际竞争中不断加强和巩固优势地位的重要保障。当然，也必须看到，要构建全球领先的算力竞争力，我国还存在明显的短板。
（一）我国参与全球算力竞争的独特优势
1.我国是全球数据资源最丰富的国家。我国是全球人口最多的国家，也是全球产业体系最完备、制造业规模最大的国家，还是信息化基础设施全球领先的国家，是名副其实的数据资源大国。国际数据公司（IDC）和数据存储公司希捷开展的一项研究发现，中国每年以超过全球平均值3%的速度产生并复制数据，到2025年将增至48.6ZB，相比较而言，排名第二的美国2025年只能增至30.6ZB，这意味着到2025年，全球近30%的新增数据将来自中国。无论是数字经济的加速发展还是经济社会的数字化加速转型，数据已经成为经济社会运行的基础要素，也是算力最重要的投入要素，具有“通货”的性质。与发达国家和其他发展中国家相比，我国产生的数据量不仅规模大，且数据的创造和利用都呈现多样化和多元化态势。人工智能等新兴信息产业发展加速，以及在更多的行业和领域得到应用，算力都需要“吞噬”大量数据作为其自我学习和进化的养料，从这个角度看，我国的数据养料数量多、质量好、品种齐全，发展算力相关产业具有更好的基础和条件。
2.我国拥有最完善的技术创新体系和产业体系。随着国内外发展环境的变化，无论是传统产业还是新兴产业，我国传统的要素成本优势都在消退，取而代之的是以完善的创新体系、产业体系和巨大国内市场共同构成的综合优势。我国算力竞争力构建同样依赖于完善的创新体系和产业体系。中国是全球少有的能够提供算力技术创新、生产制造、基础设施建设、应用开发全部资源要素的国家，正是以此为基础，我国在几乎所有与算力相关的领域实现了快速发展，并在多个领域达到世界一流水平。
3.独有的新型举国体制能够助推我国以更快速度建设算力基础设施。2020年，我国提出加快新型基础设施建设进度，算力基础设施是“新基建”的重要组成部分，是国家在下一阶段发展中加速建设的新型基础设施。在算力基础设施建设过程中，通过体制机制改革引导民间资本投入算力基础设施的建设、参与算力运营，这是一种具有中国特色、符合我国当前发展阶段的新型举国体制，既发挥动员资金、要素“集中力量办大事”的体制优势，加速算力基础设施的建设，又能够形成多方参与的算力发展局面，提高算力基础设施的利用率，更好为经济部门提供服务。
4.我国经济社会的加速转型形成对算力的巨大需求。在产业结构转型升级、创新驱动发展、“互联网+”、高质量发展、构建新发展格局等一系列国家战略和政策引导下，各个地区都出台和实施建设算力基础设施、促进算力应用开发的政策。无论从中央还是地方、政府还是企业看，我国可以说是对数字化转型要求最急迫的国家，智能制造、智慧城市、智慧农业、智慧政务等都是各级政府在“十四五”时期要重点发展的领域，相关战略和政策的落实将保障国内算力需求保持高速且稳定的增长。
5.我国已经在算力应用的诸多领域实现了全球领先。我国拥有世界一流的以互联网为代表的信息产业体系，在全球互联网上市公司排名前30位中，中国有10家企业入围，中国和美国之外只有3家企业。在新兴算力应用领域，中国成功实现从“跟跑”“并跑”向“领跑”的角色转变，例如，在全球人工智能的研发、产业化和商业应用等领域已经形成中美两国并驾齐驱的发展态势。
（二）我国算力发展存在的主要短板
1.硬件基础技术薄弱、软件生态系统影响力弱。我国部分环节和领域与世界领先还有显著差距，在新的国际环境下存在被“卡脖子”的风险。从硬件看，芯片设计在近年得到突破，但制造工艺仍然有明显差距。中美贸易摩擦中，美国屡次提出限制向我国出口核心芯片和转让芯片制造设备，充分暴露了我国在基础技术和工艺上的短板。从软件系统看，大数据产业发展处于全球第一梯队，但在新型计算平台、分布式计算架构、大数据处理、分析和呈现方面与领先国家仍存在较大差距，对开源技术和相关生态系统影响力弱。例如，国外开源软件占国内科研教育、企业应用、政府应用等领域市场的70%以上。我国算力相关研究开发“重硬轻软”问题严重。例如超级计算机科研经费中应用于软件开发的不足10%，这一比例是美国的1/6。国产算力应用软件开发不足，不仅需要支出巨额软件采购费用，软件的应用范围和升级也会受到限制。
2.算力应用创新突破不足，应用领域有待进一步拓展。当前，尽管经济社会各个领域都在推进数字化转型，对算力确实有巨大的潜在需求，但受制于大数据、人工智能等先进信息技术应用场景开发缓慢，算力能够真正实现经济和社会价值转化的领域还非常有限。目前，我国互联网、金融和电信占到公共算力应用市场的约70%，交通、医疗、教育领域的算力应用近年来有所发展但规模还非常小，大多数行业数据应用仍处于浅层次信息化层面，对算力的需求有限。例如，智能制造、工业互联网等概念已经提出很多年，但客观上说，作为我国最具国际竞争力的产业部门，数据作为生产要素参与制造业的生产并创造价值还非常有限，制造业对算力的需求主要来自研发、管理、营销等环节，制造业本身数字化改造进展缓慢，我国优势算力资源和优势制造能力的结合不足。此外，智慧城市建设在近几年发展迅速，但国内大多数支撑智慧城市发展的数据中心在交通领域消耗的储存和算力达90%以上，税务、社保、教育等领域仅形成少量的算力需求，其他公共服务领域尚未提出具体的算力需求。
3.复合型人才极其匮乏。计算本身就涉及问题模型、离散方法、验证与确认、快速并行算法、并行软件设计、性能优化和可视化等学科领域，如果要实现算力在实际经济社会领域的应用，涉及诸多交叉学科。从总量上看，我国高等教育、职业教育学科建设与改革还跟不上算力技术进步和市场发展的要求，国内信息化人才缺口在1000万人以上，合格的大数据人才供给不到市场需求的20%。从结构上看，传统IT、计算机人才较多，而数据分析、数据挖掘、人工智能等人才供给较少。在具体的行业应用方面，同时掌握算力相关专业知识技能并了解行业技术特征和具体需求的复合型人才更加紧缺，即便是在北京、上海、广州、深圳这样信息化人才集聚的地方，算力相关产业的发展也面临人才供给不足的窘境。
4.算力应用面临体制机制障碍。我国数据分析能力全球领先，但数据采集以政府为主导。在信息产业相对不发达地区，数据资源超过80%掌握在政府部门手中。政府数据成本高、范围窄、形式单一，缺乏共享动力，不同政府部门的标准和口径不同，数据资源量大质低，可利用价值有限，大量数据资源处于“休眠”状态，并没有通过算力进行转化、创造经济社会价值。
5.信息安全保障急需加强。信息化的推进、算力的发展放大了我国长期存在的对“隐私”保护不力的问题，个人信息泄露时有发生，造成恶劣后果，这有技术不够成熟的原因，但更主要是由于相关制度缺失造成的。支撑算力良性发展所需的数据采集、转移、使用相关规章制度，特别是法律制度急需完善。
五、促进我国算力高质量发展的思路
算力对于构建新科技革命和产业变革下的国家竞争力、推动高质量发展、实现创新驱动具有重要的战略意义。但我国还存在明显的短板，算力不足已经是影响数据价值创造的重要桎梏。因此，应促进我国算力高质量发展，构建全球领先的算力竞争力。
（一）加强算力基础设施建设投入
加强对算力相关基础技术研发、前沿技术研发、算力基础设施建设的高投入。算力是新科技革命和产业变革中的新事物，其发展一方面需要持续的技术进步，另一方面需要基础设施的不断完善和升级。对于我国而言，要针对芯片制造、架构设计、通用软件、平台软件存在的“卡脖子”问题，集合产、学、研、用多方优势力量，设立战略性的攻关项目，逐步改变算力相关底层技术、基础技术落后的局面。同时，在算力相关的前沿领域，坚持研发的高投入态势，在移动通信、量子计算、量子通讯等领域保持国际领先。充分发挥新型举国体制优势，在全球率先建设和布局算力“新基建”，在算力总量上形成绝对领先优势。
（二）构建完整的算力体系
中国作为经济大国和算力强国在参与全球算力竞争中，应充分发挥算力在国家综合竞争力提升中的基础支撑作用，不局限于个别领域或局部环节的发展，应从国家层面出发，在不同技术路线、不同规模、不同应用的算力发展方向上都有所布局，并快速推进相关基础设施建设，突破依赖于单一技术路线和业态形式发展算力系统的局面。对于一些短期内难以转化为经济效益，不被市场经济主体认同的技术路线和设施建设领域，政府应设立专门项目给予资金保障。
（三）推进算力设施绿色化发展
按照当前数据中心和主要高耗能产业发展情况进行预测，到2035年，数据中心的耗电总量将超过钢铁产业和化工产业。在我国提出2030年前实现碳达峰和2060年前实现碳中和的绿色发展战略目标的背景下，促进以数据中心为主的算力设施降耗提效压力巨大。在技术研发上，节能技术要成为算力技术研发的重点方向，新算力设施的建设也要积极使用新能源和能效技术。在规划和建设上，大型数据中心要靠近能源相对丰富且存在自然力降温的地区，更多利用可再生能源，创新使用地下水冷却、深海水冷却、自然空气冷却等自然降温方式。在政策引导上，制定数据中心等算力设施能耗标准，扩大绿色数据中心示范项目范围，对实现绿色发展理念的算力设施项目施行优惠政策。
（四）促进算力应用创新
我国作为人口、经济和产业大国，潜在算力需求巨大，而应用创新是释放潜在需求的重要途径。要重点推进制造业等实体经济部门的算力应用创新，引领全球智能制造的发展，保持我国制造业竞争优势的同时释放巨大算力需求。在公共管理领域也要加强算力的应用创新，例如在2020年新冠肺炎疫情防控中，信息技术在疫情统计、物资调动、人员流动监控等方面发挥了积极作用。针对我国公共事务管理中的主要问题和矛盾，大胆创新信息化应用场景，不断提升公共管理服务水平。推进体制机制创新，重点破解政府数据孤岛难题，促进政府数据资源、算力资源向公众开放，带动应用创新发展。
（五）加强算力相关人才队伍建设
算力发展涉及多个层面和环节，需要多学科密切协作培养合格人才，在学科理论、物理建模、数值算法、并行软件实现、硬件支撑等方面进行专业且深入的学习。通过高校学科改革加强对交叉学科人才的培养和储备力度。同时，随着国内算力系统的规模增长和复杂化，系统维护、服务支撑、技术研发等方面的人才匮乏局面日益显现。因此，应注重对数据中心运维与技术服务专业化人才的培养。
参考文献
[1]李晓华,王怡帆.数据价值链与价值创造机制研究[J].经济纵横,2020(11):54-62+2.
[2]邓洲.基于产业分工角度的我国数字经济发展优劣势分析[J].经济纵横,2020(4):67-76.
[3]黄奇帆.数字经济时代,算力是国家与国家之间竞争的核心竞争力[J].中国经济周刊,2020(21):106-109.
[4]Gustafson T.,Fink D..Winning Within the Data Value Chain[J].Strategy&Innovation Newsletter,2013(2):7-13.
[5]Kriksciuniene D.,Sakalauskas V.,Kriksciunas B..Process Optimization and Monitoring along Big Data Value Chain[C].2015:75-86.
[6]Curry E..The Big Data Value Chain:Definitions,Concepts,and Theoretical Approaches.[M]//Cavanillas J.,Curry E.,Wahlster W.New Horizons for a Data-Driven Economy Springer Berlin/Heidelberg,2015:29-37.
[7]吕廷杰,刘峰.数字经济背景下的算力网络研究[J].北京交通大学学报(社会科学版),2021(1):11-18.
[8]郭朝先,王嘉琪,刘浩荣“.新基建”赋能中国经济高质量发展的路径研究[J].北京工业大学学报(社会科学版),2020(6):13-21.
[9]中国信通院:预计到2025年5G网络投资累计达1.2万亿元[EB/OL].[2020-03-04].新浪财经,https://baijiahao.baidu.com/s?id=1660241087998662848&wfr=spider&for=pc.
[10]历军.中国超算产业发展现状分析[J].中国科学院院刊,2019(6):617-624.
[11]Top Edge Computing Companies[EB/OL].[2020-10-09].https://www.datamation.com/cloud-computing/15-top-edge-computing-companies.html.
李平，中国社会科学院数量经济与技术经济研究所研究员。
李平,邓洲,张艳芳.新科技革命和产业变革下全球算力竞争格局及中国对策[J].经济纵横,2021(04):33-42+2.
