问题——智能服务或进入“公用事业”阶段，供给能力面临考验。 美国华盛顿举行的一场基础设施领域活动上，OpenAI首席执行官山姆·奥尔特曼表示，未来智能服务可能像电力、自来水一样成为基础公用服务，企业按计量单位向用户提供“按需智能”，并以使用量计费。他认为，模型服务最终可能以“Token”等计量单位进行交易与定价。本质上，此判断指向智能能力的商品化、规模化与标准化：从“项目式部署”转向“像开关水龙头一样调用”的基础服务形态。 原因——需求上行叠加算力与能源硬约束，推动计量化定价与基础设施竞赛。 业内普遍认为，智能服务的大规模落地离不开强算力支撑。算力不仅取决于芯片供给，还涉及数据中心建设、网络与存储，以及更底层的电力生产、输电与配套设备。随着模型训练和推理用量持续攀升，服务提供方的投入呈现更明显的“重资产”特征，成本结构也更接近能源、通信等基础设施行业。鉴于此，“按用量付费”有助于把高额固定投入转化为可计量、可结算服务供给，并在供需紧张时通过价格机制进行调节。 同时，行业测算显示未来算力需求可能大幅增长。芯片企业人士曾在公开场合表示，未来数年全球对高强度算力的需求将出现数量级跃升。需求端持续扩张，使得基础设施建设速度、能源保障能力与供应链稳定性，成为能否持续供给智能服务的关键变量。 影响——成本与供给的不均衡或带来可及性分化，并重塑产业竞争与治理议题。 奥尔特曼指出，如果算力无法跟上需求，可能出现服务不可用或价格显著上升，进而导致智能服务向高收入群体或资金实力更强的机构集中。从现实情况看，算力稀缺已在部分企业内部显现：高性能图形处理器等资源被视为关键生产要素，研发团队对算力配额高度敏感，甚至在人才流动中成为与薪酬、股权并列的谈判筹码。 更值得关注的是，算力供给紧张可能把竞争焦点从单纯的模型能力，转向“能源—数据中心—芯片—算法效率”的系统比拼。数据中心用电量大、建设周期长，电网承载能力、关键设备供给以及输电线路审批效率等，都会对扩张形成约束。若能源与电网建设节奏滞后，智能服务的规模化将面临现实瓶颈，并可能推动公共部门更多介入资源配置与规则制定，围绕公平可及、成本分担、能耗约束与安全合规等形成新的治理议题。 对策——以基础设施能力、能效提升与规则完善共同支撑“公用服务化”演进。 业内人士认为，智能服务若要真正走向“像水电一样稳定可用”，需要补齐三上：一是供给侧扩容，持续增加高性能计算集群与数据中心能力，并通过多元化供应链提升韧性；二是能效与成本控制，提升芯片性能功耗比，推动模型压缩、推理优化与软硬协同，降低单位“智能用量”的电力和设备成本；三是制度与市场机制，探索更透明的计量口径与价格体系，减少信息不对称带来的定价争议，同时在公共利益层面完善能耗标准、环保要求和数据安全合规框架。 此外，在电力与输电环节，加强电网规划、设备制造与审批协同，提高电源与电网对新型负荷的适配能力，被视为缓解瓶颈的重要方向。随着智能服务在政务、教育、医疗、制造等领域加速渗透，保障基础设施安全稳定运行、避免集中度过高带来的系统性风险，也将成为政策与产业协同的重点。 前景——“按量计费”或成主流形态之一，竞争焦点将转向综合基础设施与效率。 从产业演进看，智能服务公用事业化不仅是商业模式变化，更意味着供给体系的重构：计量方式更标准化、服务调用更普遍、基础设施投入更长期。可以预期，未来一段时期内，“按量计费”将与订阅制、企业定制等模式并存，并根据不同场景对成本可控性与服务稳定性的要求而分化。同时，谁能更快构建可靠的算力供给、获得更稳定的能源与电网保障、实现更高能效与更低单位成本，谁就更可能在下一阶段竞争中占据优势。奥尔特曼也表示，其目标是摆脱“算力受限”的状态，反映出头部企业对供给能力的紧迫感。
当计算能力成为继电力、网络之后的第三大基础公共设施，这场围绕算力的全球竞赛已不再只是技术较量，也关系到未来数字社会的治理方式与公平边界。如何在突破技术瓶颈的同时建立更合理的资源分配机制，将考验各国政策制定者与产业领袖的判断与能力。可以预见，谁能在算力基建与制度创新之间找到平衡，谁就更可能在智能时代掌握发展主动权。