一体化算力网弥合数字鸿沟的内在机制、实现路径和政策取向

数字鸿沟最初主要指不同国家、地区、群体、代际之间在互联网接入、信息设备拥有和网络使用机会上的差距，研究重点集中于互联网的接入机会。随着互联网普及率的提高，学者逐步发现，接入差距并不会随着基础设施的丰富而自动消失，数字鸿沟的成因从接入机会转向使用能力和效果的差异，由此引发学者对数字鸿沟第一层接入鸿沟、第二层技能与使用鸿沟、第三层收益鸿沟的分类研究。从本质上看，数字鸿沟是数字技术发展进程中“硬币的另一面”，即数字技术在提升社会信息传播效率和生产率的同时，带来了新的信息鸿沟，并通过递进性和累加性加剧社会不平等，且与其他因素叠加形成“深化的鸿沟”。近年来，随着平台经济、数字公共服务和人工智能的快速发展，数字鸿沟研究进一步拓展到算法、数据、算力、人工智能等议题，但这些概念本质上均源于数字技术的技术偏向对不同群体影响的差异。为消解和弥合数字鸿沟，已有研究主要围绕数字接入机会、数字能力和数字分配等方面进行了探索。

一体化算力网打破了传统上算力基础设施和网络基础设施分立的格局，通过网络连接多源异构、海量泛在的算力资源，推动算力资源高效调度、算力基础设施绿色低碳发展、算力供给与服务有效适配，表现为算力资源普遍性布局和接入的新型基础设施、数据算力网络和公共服务平台，成为数字经济时代国家竞争和区域竞争的重要依托。从发展进程来看，我国从建立一体化数据中心，到实施“东数西算”工程，再到成立全国一体化算力网试验验证平台，初步构筑了全球领先的一体化算力网，在弥合数字鸿沟、释放数据要素潜能等方面产生了积极效应。然而，现有研究在一体化算力网在弥合区域、群体数字鸿沟中的内在机制方面仍有待深化。为此，本文立足一体化算力网的基础设施、数字网络和数字平台三重属性，探究其弥合数字鸿沟的内在机制、实现路径和政策建议，以期为更深刻认识一体化算力网的积极效应提供参考。

一、一体化算力网弥合数字鸿沟的内在机制

一体化算力网弥合数字鸿沟，是发挥其基础设施、数字网络和数字平台三重属性的多重功能，弥合算力的接入鸿沟、空间鸿沟和使用鸿沟，推动数字资源分配、数字能力扩散和数字收益分享的过程与结果。

（一）作为新型基础设施推动算力的普遍可及以弥合接入鸿沟

传统数字鸿沟主要表现为网络、终端和信息接入的差距，而人工智能时代的数字鸿沟进一步表现为算力接入差距。对于个人、中小企业、基层公共部门和欠发达地区而言，缺乏的往往不是数字化意愿，而是低成本、稳定、可信的算力支撑。一体化算力网作为一种破解算力获取难题的基础设施，能够很好地弥合接入鸿沟。首先，一体化算力网提供普惠的公共算力供给。政府通过建设算力枢纽、区域算力节点、城市算力中心和边缘算力设施，形成梯度格局，并利用一体化算力网将其连接起来，将算力从少数平台企业和发达地区的内部资源，转化为更具公共属性的基础能力。同时，通过有效的市场竞争机制，进一步激活算力运营主体的积极性，极大促进算力的广泛扩散。其次，一体化算力网显著摊薄了算力的使用成本。算力基础设施具有明显的规模经济和网络经济特征，单个或分散的主体自建算力平台，往往面临设备采购、模型部署、运维安全等多重成本。而一体化算力网则可通过集中建设、统一调度和规模化运营，将高固定成本转化为低边际成本服务，降低弱势主体进入数字经济的门槛。最后，一体化算力网加速了基础能力的均等化。与水、电、路、网等作为工业时代和信息时代的核心基础设施类似，算力正成为人工智能时代的基础资源。一体化算力网丰富了人工智能时代的基础设施内涵，使不同地区、不同企业、不同公共部门不必都拥有自己的算力设施，也能够获得基本的智能化支撑能力。因此，作为基础设施的一体化算力网，凭借基础设施的普惠性、经济性和均等化优势，在无需每个主体都拥有私有算力的同时为其提供了算力接入机会，弥合了数字鸿沟中的第一层鸿沟，即让更多主体能够接入算力。

（二）作为数字网络支撑算力的大范围连接以弥合空间鸿沟

与一般意义上的基础设施不同，一体化算力网以数字网络把各类数据中心、算力中心等连接起来，尤其是通过算网融合、跨域调度、低时延传输和多级节点协同，使算力能够在不同地区、场景、主体之间流动，弥合算力的空间鸿沟。首先，一体化算力网通过算网融合实现了算力在网络空间和地理空间中的顺畅流动。算力能否跨区域流动，从根本上取决于网络能力。随着我国数字经济快速发展，“算力网络”概念应运而生，旨在通过网络和计算的高度协同提高资源利用率。如果没有高速、低时延、低成本的网络连接，西部算力就难以服务东部应用，边缘算力也难以支撑城市和产业场景。一体化算力网通过算力设施和通信网络的协同部署，推动算力资源从本地运行转向全域可触、全网可用。其次，一体化算力网络通过跨区域调度实现算力的均衡发展。我国数字经济发展表现出显著的空间差异特征，东部地区数据、场景、企业和人才高度集聚，但土地、能源和环境约束较强；中西部地区具有能源、空间和气候优势，但数字产业和应用场景相对不足。一体化算力网通过“东数西算”工程，将东部部分中高时延算力需求引导至西部绿色算力枢纽，使西部能源和气候资源优势转化为数字基础设施优势，同时使中西部地区能够更加便捷地使用算力资源，避免人工智能时代算力鸿沟的扩大。最后，一体化算力网通过对不同算力需求的多层级协同，极大提升了算力效能。不同类型的数字智能应用场景对算力的时延、带宽、安全和成本有不同要求。大模型训练、离线分析、视频渲染、备份存储等业务可更多依托西部大型算力枢纽和算力中心；工业控制、智慧交通、远程医疗、城市治理等低时延场景，则需要城市算力和边缘算力就近支撑。一体化算力网构建的“国家枢纽—区域节点—城市算力—边缘算力”多层次网络，能有效缓解简单集中带来的算力不平衡。因此，作为数字网络的一体化算力网，通过网络化连接，将原本分散、封闭、地方化的算力资源转化为跨区域、跨场景、跨层级流动的数字资源，弥合了数字经济时代的空间鸿沟。

（三）作为数字平台提供易用有效算力服务以弥合使用鸿沟

一体化算力网络所表现出的平台特征，不仅能够将各类算力整合至一个公共且可交易的平台，还能为各类用户提供易用、有效的算力服务，加速算力供给与需求的有效匹配和价值实现，有效弥合使用鸿沟。首先，一体化算力网通过整合超大范围的算力资源，为更多主体便捷使用算力提供了可能。平台可将分散在运营商、云厂商等主体的通用算力、智能算力和超级算力汇聚起来，并通过统一接口构成一个可普遍接入和使用的算力平台。其次，一体化算力网还可通过平台为算力提供商和用户提供高效的供需匹配。现实中的数字鸿沟很大程度上源于算力资源供给与需求的结构错配，而一体化算力平台可通过算力资源目录、任务发布、智能匹配等方式，将算力供给方和需求方连接起来，使中小企业、科研团队、基层单位能够更加便捷地找到适合自身需求和支付能力的算力服务。最后，一体化算力网并非仅仅是底层的算力网络，它还能为用户提供简单易用的算力产品和服务。对于多数中小企业和基层公共部门而言，其对算力的真实需求是可将算力、模型、数据、工具和应用等封装于一体的整体解决方案。一体化算力网可将复杂的算力资源封装为低门槛产品，例如模型训练服务、推理服务、智能客服、工业质检、农业识别、医学影像分析、政务辅助决策等，使普通用户不必具备复杂技术能力也能使用智能化服务。因此，一体化算力网可以作为整合算力、提供交易、提供产品和服务的平台，为人工智能时代的中小企业、基层政府、个人用户等主体提供低门槛、低成本的算力服务，弥合算力的使用鸿沟。

综上，一体化算力网发挥自身的基础设施功能以弥合接入鸿沟，以数字网络弥合空间鸿沟，打造数字平台以弥合使用鸿沟，最终弥合了人工智能时代算力的数字鸿沟。

二、加快一体化算力网建设弥合数字鸿沟的实现路径

人工智能时代，一体化算力网弥合算力数字鸿沟，关键在于将分散的算力设施、网络通道、平台工具和应用场景组织起来，使算力资源能够被不同地区、不同产业、不同主体更加便捷地接入、调度和使用。总体来看，在强化统一调度与资源池化的基础上，可通过算力基础设施普惠化布局、算网融合与跨域联通、平台化服务与场景化应用来实现。

（一）加快推进一体化算力基础设施普惠化布局，扩大算力接入覆盖范围

人工智能应用离不开算力支撑。如果算力设施主要集中在少数发达地区、头部平台企业和大型科研机构，中小企业、基层地区、普通开发者和公共服务部门就难以真正参与人工智能发展，人工智能时代的数字鸿沟将持续拉大。因此，一体化算力网弥合数字鸿沟，首先要推进算力基础设施普惠化布局，扩大算力接入范围，提升算力资源的可达性，解决算力资源接不进来、接入不足、接入成本高等问题。

具体而言，应加快构建“国家算力枢纽—区域算力中心—城市算力网—行业算力节点—边缘算力设施”相衔接的多层级算力基础设施体系。在具体分工方面，国家算力枢纽主要承担大规模模型训练、科学计算、数据存储、灾备备份等高强度计算任务；区域算力中心重点服务区域产业集群、公共服务和城市治理；城市算力网主要支撑本地化、低时延、高频次的人工智能应用；行业算力节点面向工业、医疗、交通、能源、教育、农业等重点行业提供专业化算力支撑；边缘算力设施则嵌入园区、工厂、医院、学校、交通枢纽和基层治理单元，满足实时性较强的智能应用需求。通过一体化算力基础设施建设，将算力接入从少数主体的专属能力，转变为更多地区、更多企业、更多公共机构可获得的基础能力，从而率先弥合人工智能时代的算力接入鸿沟。

具体策略上，一是优化算力设施空间布局。围绕国家算力枢纽节点和重点城市群，统筹布局智能计算中心、超算中心、云计算中心和边缘计算节点，避免各地低水平重复建设和无序扩张。东部地区重点强化应用牵引型算力、城市算力和边缘算力布局；中西部地区重点承接大规模训练、离线计算、数据存储和绿色算力供给；县域和基层地区重点补齐算力接入节点和公共算力服务短板。二是丰富算力供给类型。人工智能应用既需要通用算力，也需要智能算力、超级算力和边缘算力。应根据不同应用场景，推动多元算力协同布局。大模型训练需倚重高性能智能算力，科学研究有赖于超级算力的强力支撑，工业现场与城市治理场景对边缘算力的实时响应能力提出更高要求，中小企业日常数字化应用则更需要兼具低成本与易用性的通用算力服务。应加快形成多类型算力供给体系，满足不同主体的差异化需求。三是完善基层接入节点。弥合算力数字鸿沟不能只关注国家枢纽和大型数据中心，还要关注基层用户能否便捷接入。应在产业园区、开发区、县域公共服务中心、职业院校、医院、农业示范区等场所布局算力接入节点，建设面向中小企业和基层公共部门的公共算力接口，使算力服务能够下沉到产业一线和基层场景。四是推动公共算力能力建设。对于基础科研、公共服务、中小企业创新、教育医疗、乡村治理等领域，应建设一定规模的公共算力资源池，提供基础性、普惠性算力服务。公共算力不一定完全由政府直接运营，也可依托运营商、云服务企业、人工智能平台企业共同建设，但其功能应更加突出普惠性、开放性和低门槛。

（二）加快推进一体化算网融合和跨域联通，提升算力跨区域配置能力

基础设施建设既具有全国范围的普惠性，也往往与地方经济实力和产业需求紧密相关。要弥合数字鸿沟，还必须解决算力资源空间分布不均衡的问题。算力供给条件与算力需求之间存在空间错位，如果不能通过网络连接和跨域协同加以解决，就会形成新的空间鸿沟。为此，需要加快推进算网融合和跨域联通，使算力突破地理空间限制，实现跨区域流动、跨节点调用、跨平台协同，更好地满足业务类型、时延要求、成本条件和安全要求，形成跨区域、跨层级、跨场景的协同供给格局，从而有效弥合算力空间鸿沟。

具体策略上，一是加快建设高质量、低时延、大带宽的算力网络通道。国家算力枢纽之间、区域算力中心之间、城市算力网之间，应加强高速直连网络建设，提高跨区域数据传输和算力调用能力。对于长距离、大规模数据传输，应优化网络路由、带宽配置和传输效率，降低跨区域调用算力的时间成本和经济成本。二是按照业务类型进行算力空间分工，推动“东数西算”与“本地就近算”协同发展。不同人工智能任务对时延和成本的要求不同，应实行分类承载。低时延业务应主要依托本地城市算力网、区域算力中心和边缘节点就近处理；中低时延业务可在区域范围内协同处理；对时延要求不高但计算量大的业务则可依托国家算力枢纽进行跨区域计算。三是建设城市算力网和区域算力网。城市是人工智能应用最集中的空间单元，工业园区、医院、学校、交通枢纽、政务平台等都需要低时延算力支撑。因此，应在重点城市和城市群建设城市算力网，将本地数据中心、边缘节点、行业平台和公共服务系统连接起来。区域算力网则应服务都市圈、城市群和产业带，使算力资源能够在区域内快速调配。四是提升云、网、边、端协同能力。一体化算力网在连接大型数据中心的基础上，还要连接云平台、行业平台、边缘节点和终端设备。在工业互联网、智能交通、智慧医疗、智慧农业等场景中，大量数据产生于终端和现场，必须通过边缘计算与中心算力协同处理，才能保障实时响应和稳定运行。

（三）加快推进平台化服务和场景化应用，增强一体化算力使用能力

人工智能时代的数字鸿沟，最终会表现为不同主体能否真正使用算力、能否将算力转化为发展能力。许多中小企业、基层政府、县域地区和普通开发者即使能够接入算力，也可能因缺少数据处理、模型开发等能力而难以真正用好算力。因此，一体化算力网不能仅停留在基础设施和网络连接层面，还必须进一步发展为数字平台和应用载体。为此，应加快推进平台化服务和场景化应用，将复杂的算力资源、模型工具、算法框架和开发环境转化为低门槛、易调用、可组合的服务，使不同主体能够围绕真实需求使用人工智能能力。只有这样，才能推动一体化算力网从“算力资源提供者”向“人工智能应用能力提供者”演化，从而帮助不同地区、不同企业和不同公共部门跨越技术门槛、人才门槛和应用门槛，进而弥合人工智能时代更加深层的使用鸿沟。

具体策略上，一是支持大型云计算企业建设算力服务平台。平台应提供算力资源查询、任务提交、资源匹配、费用估算、运行监测、结果反馈等功能，使用户可以像使用云服务一样使用算力。对于中小企业和普通开发者，应尽量简化使用流程，降低技术门槛，减少复杂配置。二是在算力服务平台上嵌入模型服务。许多用户并不具备从零训练模型的能力，应尽可能提供通用大模型、行业模型、轻量化模型、开源模型适配和模型微调服务。用户可根据自身需求选择合适的模型，并在平台上完成训练、微调、部署和调用，降低人工智能应用开发难度。三是丰富工具服务体系并建设行业解决方案库。平台应集成数据标注、模型训练、安全检测等工具，形成从数据处理到模型应用的完整工具链。对于不具备专业技术团队的用户，可以提供低代码、无代码开发工具，使其能够通过简单配置完成基本应用开发。围绕工业、农业、医疗等领域，应开发标准化、模块化、可复制的行业解决方案。以工业领域为例，质量检测、工艺优化与设备预测性维护等场景均可依托平台化算力服务实现智能化升级；农业领域的作物监测、病虫害识别与农产品溯源，可通过建设解决方案库获得低门槛的数字化工具支撑；在公共服务领域，医疗辅助诊断、教育资源匹配与城市风险预警等应用的落地，同样有赖于易用、可及的算力服务作为底层保障。四是推进典型场景示范应用。算力服务只有嵌入真实场景，才能转化为实际效果。应选择一批中小企业数字化转型、县域产业升级、基层医疗服务等场景开展示范应用试点，形成可复制、可推广的应用样板，通过示范带动更多主体认识算力、使用算力、依靠算力提升能力。五是建设区域性人工智能服务中心。对于中小企业和基层部门来说，仅提供平台入口还不够，还需要咨询、诊断、培训、部署和运维支持。可依托产业园区、公共服务平台、人工智能企业和科研机构建设区域性服务中心，为用户提供需求分析、方案设计、模型部署、系统运维和人员培训等服务。

（四）加快推进统一调度和资源池化，提高算力资源使用效率

当前，不同地区、企业、云平台和算力架构之间仍存在资源分散、接口不一、标准不统一、供需不匹配等问题。一些地方可能存在算力闲置，另一些企业和科研机构却难以获得高质量智能算力，算力鸿沟不仅源于资源不足，也源于资源组织方式不合理。为此，需要推进统一调度和资源池化，将分散、封闭、低效的算力资源组织成为统一、开放、高效的资源体系，使更多主体能够以较低成本获得适配自身需求的算力服务，从而弥合资源孤岛造成的数字鸿沟。

具体策略上，一是加快建立算力资源目录。对各类算力资源进行统一登记和分类管理，明确算力资源的位置、类型、规模、性能、架构、能耗、价格、服务能力、时延条件和安全等级。通过资源目录，用户可以了解哪里有算力、有什么类型的算力、适合什么任务、使用成本如何，从而降低信息搜寻成本。二是加快完善统一算力调度平台。调度平台应能够根据用户任务需求，自动匹配合适的算力资源。对于训练任务，快速匹配高性能智能算力；对于推理任务，匹配低成本、高并发算力；对于实时任务，优先匹配近端算力；对于离线任务，优先匹配成本较低、能效较高的远端算力。通过调度平台，算力使用从“用户自己找资源”转向“平台自动匹配资源”。三是加快推动异构算力适配。人工智能算力涉及不同芯片、不同服务器、不同云平台、不同开发框架和不同模型工具，这在当前美国等西方国家对中国人工智能芯片等实施“卡脖子”的背景下尤为突出。应加强异构算力适配能力建设，推动CPU、GPU、NPU、ASIC、FPGA等多种算力资源协同使用，提升不同框架、不同模型、不同平台之间的兼容性。四是完善算力计量和结算。算力服务要实现大规模流动和共享，必须解决如何计量、如何定价、如何结算的问题。应推动算力按任务量、使用时长、性能水平、服务质量、能耗水平等进行综合计量，形成透明化、标准化、可比较的计量方式。对于跨区域、跨平台调用算力的场景，应建立清晰的结算流程，保障供给方、平台方和使用方之间的权责关系明确。五是提升算力资源利用率。对已建成的数据中心、智能计算中心和超算中心，应通过统一调度提高资源复用率，减少重复建设和闲置浪费。对高峰期算力紧张、低谷期算力闲置的问题，可通过弹性调度、分时调用、任务排队、跨域分担等方式提升整体效率。

三、一体化算力网弥合数字鸿沟的政策取向

一体化算力网弥合人工智能时代算力数字鸿沟，既是技术基础设施建设问题，也是数字时代的公共能力塑造问题。算力已逐渐成为数字经济的核心生产力与支撑经济增长的新引擎，其关键布局与水平直接关系到区域的发展潜力。需要通过有效的制度安排、公共投入、能力建设、治理创新等，推动算力从技术资源转化为普惠性、开放性和可持续的数字公共能力。政策取向上，应坚持普惠性发展导向，强化算力网络的系统协同，兼顾效率与公平，注重主体能力提升，深化安全、绿色和可持续发展。

（一）坚持普惠导向，推动算力资源从竞争性资源转向准公共能力

人工智能时代，算力已不单是企业竞争中的技术资源，更是影响地区发展机会、产业转型能力、公共服务水平和个体创新能力的基础性条件。政策设计应将算力视为具有明显公共属性和战略属性的新型基础设施资源，推动其从少数主体掌握的竞争性资源，逐步转化为更大范围内可共享、可获得、可负担的准公共能力。但这并不意味着要把算力完全公共化或行政化，而是在充分发挥市场机制作用的基础上，通过公共政策弥补市场配置的不足，防止算力资源过度集中和使用门槛过高。

在政策工具上，一是强化基础性、普惠性算力服务供给。对于具有较强公共价值但商业回报周期较长的领域，应建立差异化支持机制，避免其因支付能力不足而难以获得算力支持。二是建立面向弱势主体的成本分担机制。中小企业、基层政府和欠发达地区常常面临首次使用成本高、试错成本高、专业人才不足等约束。政策应通过算力券、创新券、政府购买服务、公共算力池等方式，降低其初始使用门槛。三是完善普惠绩效评价。不能仅以算力总规模、数据中心数量、机架数量等指标评价一体化算力网建设成效，而应更加关注中小企业使用率、基层公共服务覆盖率、欠发达地区接入水平、单位算力使用成本下降幅度等指标。只有将普惠绩效纳入政策评价体系，才能避免算力网建设出现“重投入、轻使用”“重规模、轻公平”的倾向。

（二）强化协同发展，推动算力治理从地方分割转向全国统筹

算力资源具有跨区域流动、跨行业使用和跨平台调用的特征，如果仍然按照传统地方分割、部门分割和平台封闭的方式进行治理，就难以形成真正意义上的一体化算力网。一体化算力网应从单个地方、单个园区、单个数据中心的建设逻辑，转向全国范围内的系统统筹逻辑。尤其是在“东数西算”背景下，算力需求、能源供给、产业场景、数据资源和网络通道分布在不同区域，必须通过国家层面的统筹协调，形成跨地区的功能分工和利益协调机制，构建全国一体化的算力治理秩序。

在政策工具上，一是强化跨区域规划协同。不同地区在一体化算力网中的功能定位不应同质化，各地区应根据自身特点分别承担不同功能。政策应通过规划引导和功能分工，避免各地都追求“大而全”的算力布局。二是强化跨部门治理协同。算力网建设涉及工信、网信、科技、能源、财政、市场监管、数据管理等多个部门，单一部门难以覆盖其全部政策需求。因此，应建立跨部门协同机制，在规划、投资、数据、安全、能源、标准、市场监管等方面形成政策合力，减少政策目标之间的冲突。三是强化跨主体利益协同。政策应通过收益分配、服务采购、运营补偿、数据合规、市场准入等制度安排，形成多主体参与、多方受益的合作格局，避免出现“建设主体承担成本、使用主体获得收益、地方之间利益不平衡”等问题。

（三）平衡好市场化与公共性，推动算力配置从封闭占有转向开放流动

算力资源要实现高效利用，不能完全依靠行政分配；但如果完全依赖市场交易，又可能因支付能力差异造成新的数字鸿沟。一体化算力网的政策设计，需要在市场效率和公共公平之间形成合理平衡。一方面，要充分发挥市场机制在算力资源配置中的作用，提高算力资源配置效率，避免低效闲置和重复建设。另一方面，也要强化公共规则对市场运行的约束和引导，通过规则建设推动算力资源开放流动、透明交易、公平接入和规范竞争。

在政策工具上，一是构建统一开放的算力市场规则。需要围绕算力资源登记、服务质量评价、计量计费、价格形成、交易结算、合同履约、争议处理等方面建立制度规范，使算力服务从非标准化、点对点交易逐步走向公开化、规范化和可比较化。二是防止算力平台形成新的垄断壁垒。大型平台企业掌握大量算力、模型、数据和用户入口，容易形成平台锁定效应。政策应鼓励开放接口、开放标准和跨平台迁移，降低用户切换成本，防止算力资源、模型服务和开发工具被少数平台封闭控制。三是建立市场化价格与普惠性价格并行机制。对于商业价值较高、盈利能力较强的人工智能应用，可更多采用市场化定价；对于基础科研、公共服务、中小企业创新和欠发达地区数字化转型，则应通过补贴、优惠价格和公共服务包等方式降低使用成本。

（四）注重能力建设，推动数字鸿沟治理从资源补偿转向能力提升

人工智能时代的数字鸿沟，表面上是算力资源差距，深层则是数据治理能力、模型应用能力、技术组织能力、人才储备能力和场景创新能力的差距。弥合数字鸿沟不能停留在资源补偿层面，而要通过系统性能力建设，帮助中小企业、基层政府、县域地区和公共服务机构真正具备人工智能应用能力。

在政策工具上，一是提升数据治理能力。算力只有与高质量数据结合，才能产生实际价值。许多中小企业和基层部门并不缺少业务数据，但存在数据标准不统一、数据质量不高、数据沉淀不足、数据安全意识薄弱等问题。政策应支持行业数据标准、公共数据开放、数据治理工具和高质量数据集建设，帮助各类主体具备使用人工智能的基础数据条件。二是提升模型应用能力。对于多数用户而言，真正困难的不是掌握底层算法，而是如何选择模型、微调模型、部署模型和评估模型。政策应支持行业模型服务、模型评测平台、开源模型生态和轻量化模型工具发展，降低不同主体应用人工智能的专业门槛。三是提升组织吸收能力。鼓励企业和公共机构开展数字化诊断、流程再造和组织培训，提升其对人工智能技术的吸收能力。四是提升区域服务能力。对于县域地区、中小城市和产业园区而言，仅靠单个企业自发探索难以形成规模化应用。应支持建设区域性人工智能服务中心、产业数字化服务平台和公共技术服务机构，为中小企业和基层部门提供咨询、培训、部署、运维和评估服务。

（五）深化安全绿色发展，推动算力发展从规模扩张转向可持续治理

一体化算力网作为人工智能时代的重要基础设施，既承载经济社会数字化转型的战略任务，也面临能源消耗、安全风险、数据合规、供应链稳定等多重约束。如果只强调算力规模扩张，而忽视安全、绿色和可持续治理，就可能在弥合一种数字鸿沟的同时制造新的发展风险。因此，在政策实施中，应当秉持规模、效率、安全、绿色相统一的原则。这既是实现一体化算力网长期稳定运行的必要条件，也是人工智能时代数字基础设施治理现代化的重要内容。

在政策工具上，一是强化绿色低碳约束。算力基础设施具有较高能源消耗特征，特别是智能算力和大模型训练对电力需求较大。政策应推动算力发展与绿色能源体系协同，完善数据中心能效评价、绿色电力使用、节能技术改造和碳排放管理制度，防止算力扩张带来新的资源环境压力。二是强化安全可信治理。算力网涉及数据流动、模型调用、网络连接和跨区域调度，必须加强网络安全、数据安全、模型安全、供应链安全和运行安全治理。政策应建立关键节点安全防护、跨域调用风险评估、数据分类分级管理、模型合规审查和应急响应体系，保障一体化算力网稳定可靠运行。三是强化韧性和自主可控，这是可持续治理的重要一环。人工智能基础设施一旦成为经济社会运行的重要底座，就不能在关键软硬件、调度系统、网络设备和模型工具上形成过高的外部依赖。政策应支持核心芯片、基础软件、调度平台、开源框架、安全工具和绿色技术研发，提升算力基础设施体系的自主可控能力和抗风险能力。

参考文献从略，请参阅期刊纸质版原文

李先军.一体化算力网弥合数字鸿沟的内在机制、实现路径和政策取向[J].发展研究,2026,43(6):9-19.