在AI時代，算力扮演著至關重要的角色。如果說數據是AI大模型的“燃料”，那么算力則是其強大的“動力引擎”。據資料顯示，為了訓練GPT大模型，Open AI耗費了40TB的數據，并每天消耗高達50萬千瓦時的電力。訓練一次擁有1746億參數的GPT-3模型，所需的算力更是高達3640PFlops，耗資466萬美元。

隨著人工智能成為全球關注的焦點，各國紛紛加大對算力的追求。在中國，數據中心的建設速度同樣驚人。據2024中國算力大會透露，目前全國在用算力中心機架總規模已超過830萬標準機架，算力總規模達到246EFlops，位居世界前列，且年均增長率超過30%。

然而，在算力迅猛增長的同時，關于算力是否過剩的爭論也一直存在。一方面，算力作為人工智能發展的基石和經濟社會的基礎設施，進行適度超前的建設是必要的。全球范圍內，算力投資建設均呈現出迅猛增長的態勢。《中國綜合算力指數報告（2024）》顯示，截至2023年底，全球算力基礎設施總規模達到910EFlops，同比增長40%。

但另一方面，我們也要看到算力應用尚處于起步階段。當前，更多的算力增長是被以ChatGPT為代表的人工智能所牽引，而人工智能浪潮在經歷過度炒作后正陷入低谷期，突破乏力。因此，有觀點認為智算中心的建設應放緩節奏，以避免在居高不下的成本壓力下，投資過多的算力導致運營困局。

然而，放棄算力的大力發展也將面臨在競爭中落伍的風險。從供需兩端來看，算力供給與應用存在不匹配的情況。AI算力供給緊缺的局面已有所緩解，但高端算力如AI專項算力、高性能算力等仍存在缺口，而通用算力利用率則相對較低。同時，智算中心的數量和機柜利用率也不及預期。

盡管如此，人工智能技術仍在社會上帶來了應用創新。目前，全國在工業、教育、醫療、能源等多個領域的算力應用項目已超過1.3萬個，云計算、元宇宙以及智慧城市建設等對算力的依賴程度持續增加，相關需求依然旺盛。

因此，算力是否過剩并沒有一個絕對的答案。在特定時期和特定領域，可能會出現算力利用率低的情況，但從長遠來看，隨著人工智能技術的不斷發展和應用場景的不斷拓展，算力需求將持續增長。

為此，我們需要根據具體情況來控制算力建設的節奏，并采取相應措施來優化算力資源配置。既要避免盲目建設造成的資源浪費，又要保持戰略眼光，確保在人工智能的大國博弈中占據有利地位。