中國(guó)智算中心（AIDC）產(chǎn)業(yè)發(fā)展白皮書（2024年）

中國(guó)智算中心（AIDC）產(chǎn)業(yè)發(fā)展白皮書（2024年）前言（2024博弈-中美圍繞智算領(lǐng)域的博弈將持續(xù)升級(jí)和演進(jìn)：在中美博弈的政策支持力度也將達(dá)到空前水平。目前國(guó)內(nèi)呈現(xiàn)類華為和類CUDA趨勢(shì)-國(guó)內(nèi)智算中心未來5年迎來發(fā)展窗口期AI3020281520302030304035000據(jù)323FP（P，折合市場(chǎng)投資超5000億元。IDC業(yè)務(wù)的延伸，是云業(yè)務(wù)的升級(jí)，互補(bǔ)性強(qiáng)于替代性，IDC的協(xié)同發(fā)展。業(yè)務(wù)-算力調(diào)度、數(shù)據(jù)服務(wù)、模型部署成為重要業(yè)務(wù)形態(tài):相較需求-當(dāng)前智算中心市場(chǎng)有泡沫但未偏離價(jià)值需求：受限于當(dāng)前AIAI1000MW，CB投資AIC”類基礎(chǔ)設(shè)施：IT1/3,單位面積的建設(shè)-算電協(xié)同和建筑形態(tài)立體化是智算中心兩大建設(shè)變化：選址應(yīng)重點(diǎn)關(guān)注樞紐節(jié)點(diǎn)集群和綠電富集區(qū)域，積極推動(dòng)采用微電網(wǎng)、分層平鋪式架構(gòu)推進(jìn)研究以IT設(shè)備為核、配套環(huán)圍的智算中心立體輻射式架構(gòu)，配套/IT1:2運(yùn)營(yíng)-智算中心的可持續(xù)運(yùn)營(yíng)更需要生態(tài)圈：國(guó)內(nèi)智算中心總體產(chǎn)業(yè)鏈-智算中心產(chǎn)業(yè)鏈玩家更豐富更激進(jìn)：政府-頂層統(tǒng)籌區(qū)域（目錄前言 IV一、智算中心內(nèi)涵定 1(一) 算力內(nèi)涵 1算力概念及分類 1算力的供應(yīng)載體 2(二) 智算中心內(nèi)涵 3二、國(guó)內(nèi)AI及智算中心業(yè)概述 6(一) AI技術(shù)演進(jìn)下看智算 6產(chǎn)業(yè)形態(tài) 6產(chǎn)業(yè)技術(shù) 11應(yīng)用場(chǎng)景 16(二) AI政策演進(jìn)下看智算 23國(guó)家層面的AI專項(xiàng)政策 23省市層面的AI實(shí)施政策 26(三) 龍頭企業(yè)演進(jìn)下看智算 29英偉達(dá)歷年?duì)I收情況 29從英偉達(dá)年報(bào)看智算 31三、國(guó)內(nèi)智算中心業(yè)分析 34(一) 國(guó)內(nèi)智算中心產(chǎn)業(yè)鏈視圖 34(二) 智算中心與數(shù)據(jù)中心產(chǎn)業(yè)鏈對(duì)比分析 39(三) 中美博弈對(duì)中國(guó)智算產(chǎn)業(yè)的影響 41中美博弈在智算產(chǎn)業(yè)方面的發(fā)展趨勢(shì) 41美國(guó)科技封鎖對(duì)中國(guó)智算產(chǎn)業(yè)的影響 43芯片禁令下智算企業(yè)相關(guān)方應(yīng)對(duì)啟示 45四、國(guó)內(nèi)智算中心需析 47(一) 國(guó)內(nèi)智算中心需求場(chǎng)景分析 47需求分布趨勢(shì) 47實(shí)際調(diào)研反饋 53(二) 國(guó)內(nèi)智算中心需求測(cè)算 55從供給量級(jí)來看 55從產(chǎn)業(yè)內(nèi)需來看 55(三) 國(guó)內(nèi)智算中心供給現(xiàn)狀 56市場(chǎng)供給現(xiàn)狀 56建設(shè)體量分布 57建設(shè)區(qū)域分布 57國(guó)產(chǎn)化滲透 58主要建設(shè)模式 60(四) 國(guó)內(nèi)智算中心供需研判 60供需匹配度分析 60產(chǎn)業(yè)周期性研判 61五、國(guó)內(nèi)智算中心設(shè)案分析 66(一) 智算中心建設(shè)布局分析 66布局原則 66布局模型 68實(shí)踐案例 69(二) 智算中心建設(shè)標(biāo)準(zhǔn)分析 72數(shù)據(jù)中心與智算中心建設(shè)標(biāo)準(zhǔn)對(duì)比分析 72傳統(tǒng)云資源池與智算資源池對(duì)比分析 76傳統(tǒng)模式與模塊化建設(shè)模式對(duì)比分析 794.5KW、8KW等傳統(tǒng)數(shù)據(jù)中心智算化改造方案 82數(shù)據(jù)中心與智算中心建設(shè)形態(tài)展望 83智算中心芯片選型 90(三) 智算中心建設(shè)成本分析 95六、國(guó)內(nèi)智算中心營(yíng)式分析 100(一) 智算中心總體運(yùn)營(yíng)現(xiàn)狀 100(二) 智算中心業(yè)務(wù)模式分析 101業(yè)務(wù)運(yùn)營(yíng)模式 101合作運(yùn)營(yíng)模式 102(三) 智算中心定價(jià)模式分析 105(四) 智算中心盈利評(píng)估分析 1061.收入 1062.成本 107測(cè)算指標(biāo) 108七、國(guó)內(nèi)智算中心業(yè)展啟示 109圖目錄圖1國(guó)內(nèi)外智算中心（AIDC）定義對(duì)比 4圖2智算中心（AIDC）技術(shù)架構(gòu) 5圖3AI發(fā)展進(jìn)入新紀(jì)元 8圖42016年與2023年6月中國(guó)算力結(jié)構(gòu)對(duì)比 9圖5我國(guó)AI芯片市場(chǎng)規(guī)模占比 9圖6計(jì)算力指數(shù)與GDP回歸分析趨勢(shì) 10圖7大模型技術(shù)簡(jiǎn)化AI技術(shù)流程 13圖8新興業(yè)態(tài)帶動(dòng)算力需求增長(zhǎng) 14圖9全球、中、美人工智能文獻(xiàn)發(fā)表細(xì)分學(xué)科分布 16圖10大模型重造產(chǎn)業(yè)格局 17圖11IDC《2021年AI算力報(bào)告》預(yù)測(cè)訓(xùn)練推理算力占比 18圖12中國(guó)訓(xùn)練推理算力占比 18圖13國(guó)內(nèi)外頭部車企訓(xùn)練智算體量對(duì)比 23圖14英偉達(dá)2020-2024財(cái)年?duì)I業(yè)收入與增速 30圖15英偉達(dá)2024財(cái)年各業(yè)務(wù)板塊收入占比 31圖16英偉達(dá)2022-2024財(cái)年各業(yè)務(wù)板塊收入及占比 32圖17英偉達(dá)20Q4-23Q4經(jīng)營(yíng)指標(biāo)情況 34圖18人工智能產(chǎn)業(yè)鏈視圖 35圖19智算中心產(chǎn)業(yè)鏈視圖 36圖20AI芯片產(chǎn)業(yè)鏈視圖 37圖21智算中心產(chǎn)業(yè)鏈圖譜 39圖222021年我國(guó)各行業(yè)算力應(yīng)用占比 48圖232023年我國(guó)各行業(yè)智能算力采購需求增速預(yù)測(cè) 49圖24中國(guó)大模型發(fā)布地圖 51圖25大模型技術(shù)發(fā)展帶動(dòng)模型參數(shù)規(guī)模演進(jìn) 52圖26大模型應(yīng)用孵化期 53圖27我國(guó)智算中心建設(shè)城市分布情況 58圖28我國(guó)智算中心建設(shè)樞紐分布情況 58圖29智算供需曲線預(yù)測(cè)圖（2022-2030年） 61圖30美國(guó)人工智能產(chǎn)業(yè)發(fā)展周期 62圖31我國(guó)智算中心產(chǎn)業(yè)發(fā)展生命周期 64圖32數(shù)字設(shè)施“金三角” 65圖33選址指標(biāo)建議 68圖34UPS內(nèi)置雙排機(jī)柜示意圖 80圖35UPS外置雙排機(jī)柜示意圖 81圖36數(shù)據(jù)中心獨(dú)立集裝箱示例 81圖37示例：華為FUSIONDC1000A-40FT-IT-2N 82圖9數(shù)據(jù)中心標(biāo)準(zhǔn)層平面布置示例（機(jī)電：機(jī)柜:2） 圖40智算中心標(biāo)準(zhǔn)層平面布置示例（機(jī)電：機(jī)柜=3:1） 85圖41芯片形態(tài)演進(jìn)圖 86圖42建設(shè)成本測(cè)算要素 96圖43建設(shè)成本測(cè)算邏輯 97圖44智算中心成本模型 108圖45智算中心主要技術(shù)經(jīng)濟(jì)評(píng)估指標(biāo) 108表目錄表1算力分類及特點(diǎn) 1表2生成式AI與分析式AI的差異 8表32022年中美智算規(guī)模指標(biāo)對(duì)比 10表4未來5年中國(guó)AI子市場(chǎng)復(fù)合增速 21表5中美高訪問量AI應(yīng)用簡(jiǎn)覽 21表6我國(guó)人工智能政策概覽 24表7重點(diǎn)省市有關(guān)部門人工智能產(chǎn)業(yè)相關(guān)政策 27表8IDC產(chǎn)業(yè)鏈與智算產(chǎn)業(yè)鏈對(duì)比表 40表9國(guó)內(nèi)兩大類智算需求企業(yè) 49表102022年中美智算規(guī)模指標(biāo)對(duì)比 55表112022~2025年中美智算供需數(shù)據(jù) 56表12全國(guó)已投運(yùn)及規(guī)劃建設(shè)的智算中心（部分） 59表13選址模型及參數(shù) 69表14數(shù)據(jù)中心樓層功能設(shè)計(jì)及參數(shù)示例 84表15智算中心樓層功能設(shè)計(jì)及參數(shù)示例 85表16華信智算中心典型設(shè)計(jì)案例 87表17國(guó)內(nèi)外主流CPU/GPU服務(wù)器對(duì)比表 90表18300P同等算力情況下 98表19新建數(shù)據(jù)中心測(cè)算表 98表20改造智算中心測(cè)算表 99表21新建智算中心測(cè)算表 99表22資源共建典型案例 103表23平臺(tái)共贏典型案例 103表24價(jià)值共創(chuàng)典型案例 104表25全國(guó)重點(diǎn)區(qū)域智算定價(jià)區(qū)間 106表26智算中心收入類型 107表27典型智算中心項(xiàng)目盈利情況介紹 109一、智算中心內(nèi)涵界定(一) 算力內(nèi)涵算力概念及分類尚未形成統(tǒng)一定論。2018年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者D.Nordhaus2021CPU、、、FPGA、ASIC（l，1p=01ps點(diǎn)如下：表1算力分類及特點(diǎn)類型基礎(chǔ)算力智能計(jì)算超級(jí)計(jì)算概念傳統(tǒng)的計(jì)算機(jī)計(jì)算方式，用于執(zhí)行各種任務(wù)和應(yīng)用程序一種新型的計(jì)算方用用于執(zhí)行大規(guī)模并行計(jì)算任務(wù)的計(jì)算機(jī)系統(tǒng)應(yīng)用場(chǎng)景面向眾多應(yīng)用場(chǎng)適普惠性景：安防、醫(yī)療診規(guī)劃、搜索/推薦等面向科學(xué)和工程計(jì)算場(chǎng)景：天氣預(yù)報(bào)、核聚變模擬、飛行器設(shè)計(jì)等特點(diǎn)通用性強(qiáng)，可以執(zhí)行多種任務(wù)和應(yīng)用程序強(qiáng)調(diào)人工智能和機(jī)器學(xué)習(xí)算法的執(zhí)行用于處理大規(guī)模數(shù)據(jù)集和復(fù)雜模型芯片架構(gòu)CPU芯片AI芯片（GPU、NPU、FPGA、ASIC等）高性能CPU（GPU）等組成計(jì)算集群運(yùn)算精度單精度浮點(diǎn)運(yùn)算（FP32）通常有FP32、FP16或低精度整數(shù)，目前FP16及以下精度主流使用雙精度浮點(diǎn)運(yùn)算（FP64）以上編程框架LAMP（Linux+Apach+MySQL+PHP）、SpringMVC、Docker/K8s、VUEPytoch、TensorFlowMindSpore、OneFlow、DeepSpeedMPI+X建設(shè)模式企業(yè)自建，或服務(wù)商投資建設(shè)企業(yè)自建、政府投主體政府投資為主算力的供應(yīng)概述基礎(chǔ)算力（通算AMDCPU持續(xù)CPULinux70%。我國(guó)基于Linux開發(fā)的統(tǒng)信、麒麟操作系統(tǒng)，以黨政軍領(lǐng)域?yàn)槿肟?，逐步向金融、電信、醫(yī)療等行業(yè)滲透。（U140超算算力（超算：國(guó)內(nèi)超算制造商市場(chǎng)份額領(lǐng)先，在全球TOP50056%。2022年末，ChatGPT模型參1746GPT5的算力規(guī)模達(dá)到70000P。從全球各大機(jī)構(gòu)預(yù)測(cè)來看，人工智能計(jì)算需(二) 智算中心內(nèi)涵CPUGPUAI（ArtificialIntelligenceData的內(nèi)涵FPGA礎(chǔ)設(shè)施。圖1國(guó)內(nèi)外智算中心（AIDC）定義對(duì)比資料來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）狹義的智算中心是智能算力的物理載體，是“機(jī)房+網(wǎng)絡(luò)+GPU服務(wù)器+算力調(diào)度平臺(tái)”的融合基礎(chǔ)設(shè)施，是傳統(tǒng)數(shù)據(jù)中心的增值性延伸。從基礎(chǔ)設(shè)施層看，傳統(tǒng)數(shù)據(jù)中心以提供機(jī)房+網(wǎng)絡(luò)”為主，由用DgtlInfra通常在傳統(tǒng)IDC基礎(chǔ)上提供TPU而國(guó)內(nèi)大多是基于GPUFPGA從資源調(diào)度層看，智算中心部署了算力資源平臺(tái)以實(shí)現(xiàn)算力池化、MIT在傳統(tǒng)IDCAIDC的20～30%圖2智算中心（AIDC）技術(shù)架構(gòu)資料來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）算力數(shù)據(jù)算法”AIAI化的重一是推動(dòng)AI產(chǎn)業(yè)化創(chuàng)新發(fā)展。AI等產(chǎn)業(yè)發(fā)展是一個(gè)由技術(shù)和應(yīng)二是驅(qū)動(dòng)產(chǎn)業(yè)AI化轉(zhuǎn)型升級(jí)。智算中心通過提供數(shù)據(jù)清洗、數(shù)三是引領(lǐng)傳統(tǒng)云智能化升級(jí)。云計(jì)算和AI作為當(dāng)今技術(shù)領(lǐng)域的AI二、國(guó)內(nèi)AI及智算中心產(chǎn)業(yè)概述(一)AI技術(shù)演進(jìn)下看智算AI技術(shù)的實(shí)用性發(fā)生了質(zhì)的飛躍。大模型AIAI產(chǎn)業(yè)形態(tài)AI產(chǎn)業(yè)正在逐漸從傳統(tǒng)分析型AI走向生成式AI人工智能在經(jīng)歷前期技術(shù)積累和迭代后，逐漸突破傳統(tǒng)分析型AI領(lǐng)域，迎來生成式AI的爆發(fā)期，從“預(yù)測(cè)推斷”走向“內(nèi)容生成”。分析型AI更多的處于專用領(lǐng)域，即感知理解世界，能夠替代低ChatGPTAI/圖像/音頻//CopilotChatGPTBoomyFMMeta等公司的AI于分析型AIAIAI圖3AI發(fā)展進(jìn)入新紀(jì)元資料來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）表2生成式AI與分析式AI的差異生成式AI分析式AI深度場(chǎng)景文創(chuàng)-AI-AI音視頻；醫(yī)療-AI處方；金融-AI風(fēng)控語音、文本、圖片和視頻識(shí)別算法模型千億級(jí)億級(jí)算力需求EFLOPS和ZFLOPS級(jí)PFLOPS級(jí)支出規(guī)模（國(guó)內(nèi)）2025年超400億2030年超2000億202510億級(jí)資料來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院、算力規(guī)模持續(xù)擴(kuò)大，智能算力占比不斷提高2022年底我國(guó)算力規(guī)模達(dá)到180EFLOPS，位居全球第二，2025年將增長(zhǎng)至300EFLOPSAI201620236月25.4%2025。圖42016年與2023年6月中國(guó)算力結(jié)構(gòu)對(duì)比資料來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）AI、ASIC、FPGAGPUGPUGPU和側(cè)重通用計(jì)算的GPGPUGPUGeforce系列產(chǎn)品GPUGPGPUAMD雙寡頭CUDA圖5AI芯片市場(chǎng)規(guī)模占比資料來源：JonPeddie中美智算產(chǎn)業(yè)發(fā)展差異IDC75665247縮小。圖6計(jì)算力指數(shù)與GDP回歸分析趨勢(shì)資料來源：IDC2021IDC、Gartner、中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院等多方機(jī)構(gòu)測(cè)算，截止202288.049.0EFLOPS智算規(guī)模僅為3.4EFLOPS/億人，美國(guó)人均智算規(guī)模約為26.4EFLOPS/8202240%1.4（57表32022年中美智算規(guī)模指標(biāo)對(duì)比指標(biāo)中國(guó)美國(guó)智算占比（全球）2850智算規(guī)模（EFLOPS）49.088.0人均智算規(guī)模（EFLOPS/億人）3.426.4人工智能產(chǎn)業(yè)規(guī)模（億美元）5952164數(shù)據(jù)來源：IDC、Gartner、中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）等AIAI包括esrcengnt（、urlceigit（）以泛應(yīng)用的CUDA（300GPU產(chǎn)業(yè)技術(shù)大模型技術(shù)促進(jìn)AI業(yè)務(wù)過程大幅簡(jiǎn)化AIAI每一個(gè)模型建設(shè)都需要算法開發(fā)、數(shù)據(jù)處理、模型訓(xùn)練與調(diào)優(yōu)過程，使用門檻較高。大模型“預(yù)訓(xùn)練+精調(diào)”的模式帶來了新的標(biāo)準(zhǔn)化AI研發(fā)范式AIAIAI（（對(duì)OCR等AIAI圖7大模型技術(shù)簡(jiǎn)化AI技術(shù)流程資料來源：華為、IDC、中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）大模型等AI技術(shù)帶來智算中心需求爆發(fā)大模型技術(shù)對(duì)于智算規(guī)模提出了更高的要求。AI8*T*P/(n*X)。Ttoken數(shù)量，P為AI硬件卡ChatGPT億）350008192張卡，其49按照業(yè)界的千卡規(guī)模，萬億參數(shù)萬卡規(guī)模。隨著國(guó)內(nèi)外廠商加速AI大模型訓(xùn)練，接入用戶數(shù)量激增，算力需求將迎來井噴，傳統(tǒng)的摩爾定律不再適用。在深度學(xué)習(xí)出現(xiàn)之前，深度學(xué)習(xí)時(shí)代度學(xué)習(xí)時(shí)代型時(shí)代AI24AI3-4AI訓(xùn)2深度學(xué)習(xí)時(shí)代度學(xué)習(xí)時(shí)代型時(shí)代圖8新興業(yè)態(tài)帶動(dòng)算力需求增長(zhǎng)資料來源：論文《Brain-inspiredcomputingneedsamasterplan》中美AI及智算技術(shù)發(fā)展差異GPU與TPUFlowPytorchERNIEGlueImageNet2016從科技在Librispeech在技術(shù)人才實(shí)力方面，中美差距較大。在人才儲(chǔ)備方面，目前中2019AI頂會(huì)AI5AIAI技術(shù)研究更（ASPI）AI相64AI技術(shù)主要集中在軟件化硬件化AIAI指數(shù)2023（2010-2020圖9全球、中、美人工智能文獻(xiàn)發(fā)表細(xì)分學(xué)科分布數(shù)據(jù)來源：華爾街見聞專項(xiàng)研究應(yīng)用場(chǎng)景大模型重塑產(chǎn)業(yè)格局，未來2年行業(yè)核心場(chǎng)景加快落地隨AI新，快速融入各行業(yè)核心應(yīng)用:如辦公應(yīng)用中文字生成極大提升公文郵件、新聞等編輯效率;軟件開發(fā)中代碼生成可提升開發(fā)人員的工作2C2B2B2C2C2B應(yīng)用在50%+圖10大模型重造產(chǎn)業(yè)格局資料來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）與領(lǐng)域、行業(yè)深度融合，重心逐步由訓(xùn)練向推理端轉(zhuǎn)移AI準(zhǔn)確率轉(zhuǎn)向跑馬圈地IDC數(shù)200，202560.8%。圖11IDC《2021年AI算力報(bào)告》預(yù)測(cè)訓(xùn)練推理算力占比資料來源：IDC202180%5年內(nèi)智2028年2028年2023年49805120訓(xùn)練 推理圖12中國(guó)訓(xùn)練推理算力占比資料來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）AI相較于美國(guó)的全產(chǎn)業(yè)布局，“重應(yīng)用輕基礎(chǔ)”的研發(fā)理念，加之國(guó)應(yīng)（淘寶（/1433（言處理//273家，美國(guó)586。應(yīng)用層（/智能無人04家，美48862%、CharacterAICharacterAI2024825媒體平臺(tái)和內(nèi)容創(chuàng)作平臺(tái)也有越來越多的用戶使用生成式人工智能MidjourneyDAU萬左右。領(lǐng)域的生被應(yīng)用于虛擬主播、虛擬購物場(chǎng)景等。AI（見下表：以atT12510倍。ChatGPTAPI55%1930%的收APIAI2020-2023AIIDCAICAGR16.5CAGR30.433.1CAGR國(guó)內(nèi)應(yīng)用生態(tài)將加速健全。表4未來5年中國(guó)AI子市場(chǎng)復(fù)合增速AI子市場(chǎng)五年CAGR硬件市場(chǎng)16.5服務(wù)市場(chǎng)29.6軟件市場(chǎng)30.4數(shù)據(jù)來源：IDC表5中美高訪問量AI應(yīng)用簡(jiǎn)覽國(guó)別AI應(yīng)用公司功能適配場(chǎng)景訪問量（萬）*中國(guó)Kimi月之暗面多語言對(duì)話、長(zhǎng)文本處理、文件閱讀、網(wǎng)頁內(nèi)容解析、搜索、數(shù)學(xué)計(jì)算、信息整合、代碼解析教育、娛樂、咨詢、金融、法律2405文心一言百度知識(shí)問答與推理、文本創(chuàng)作輔助、語義分析與情感判斷、跨模態(tài)理解與生成教育、政務(wù)、金融、文旅、電商1938通義千問阿里巴巴智能問答、信息檢索、內(nèi)容生成、代碼寫作與調(diào)試、翻譯、推理分析法律、醫(yī)政務(wù)、教育、娛樂911豆包字節(jié)跳動(dòng)語音識(shí)別、語音合成、文本生成圖像教育、娛金融、文旅891AI索秘塔網(wǎng)絡(luò)高級(jí)搜索、內(nèi)容可視化、編輯與協(xié)作、信息追溯Toc768美國(guó)ChatGPTOpenAI多語言輸入、文本生成、語言問答、語言翻教育、醫(yī)療、金融243521譯、自動(dòng)文摘、繪畫、編程、視頻生成對(duì)話式搜索、AI圖片生Bing微軟成、多語言翻譯、內(nèi)容教育、醫(yī)療、電商173128視化搜索信息檢索與知識(shí)探索、Gemini谷歌創(chuàng)意寫作與內(nèi)容創(chuàng)作、提升工作效率、生活助醫(yī)療、交通、娛樂27139手CharacterAI谷歌交互、情感表達(dá)與記憶、多樣化的文本生成Toc21523筆記記錄、多類型內(nèi)容NotionNotionLabs建、協(xié)作共享自定義工教育、金融15415作流、集成第三方服務(wù)*訪問量為2024年7月數(shù)據(jù)（統(tǒng)計(jì)：非凡產(chǎn)業(yè)公開報(bào)告）2-31-2V1235000P1萬輛需要0臺(tái)A約20，小米明年30萬輛車出廠，若預(yù)計(jì)50%車需要智算的需求，則15*100=1500A100010萬P級(jí)規(guī)模。特斯拉FSDV12特斯拉FSDV12國(guó)內(nèi)頭部車企2000追趕Pflops,FP1635000單位國(guó)內(nèi)外頭部車企訓(xùn)練智算體量對(duì)比圖13國(guó)內(nèi)外頭部車企訓(xùn)練智算體量對(duì)比(二) AI政策演進(jìn)下看智算國(guó)家層面的AI專項(xiàng)政策（1）AI政策發(fā)展歷程2017-2018年，起步階段：建立人工智能政策框架和準(zhǔn)則。20172018102019-2021年，示范階段：大力建設(shè)人工智能示范區(qū)。2023202022年至今，突破階段：技術(shù)、應(yīng)用和自主化突破。202282023320237AI+表6我國(guó)人工智能政策概覽發(fā)布機(jī)構(gòu)發(fā)布時(shí)間政策中央層面2017年7月《新一代人工智能發(fā)展規(guī)劃》2018年10月第十九屆第九次中央政治局學(xué)習(xí)2019年6月《新一代人工智能治理原則——發(fā)展負(fù)責(zé)任的人工智能》2019年7月《國(guó)家科技倫理委員會(huì)組建方案》2021年12月《關(guān)于加強(qiáng)科技倫理治理的意見》工信部2017年12月《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃(2018-2020年)》2018年11月《新一代人工智能產(chǎn)業(yè)創(chuàng)新重點(diǎn)任務(wù)揭榜工作方案》2020年8月AI通知》2021年12月《“十四五”機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)劃》科技部2016年5月《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》2019年9月《國(guó)家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)建設(shè)工作指引》2020年10月《中國(guó)新一代人工智能發(fā)展報(bào)告2020》2020年10月《國(guó)家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)建設(shè)工作指引（修訂版》2022年8月《關(guān)于加快場(chǎng)景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見》2022年8月《關(guān)于支持建設(shè)新一代人工智能示范應(yīng)用場(chǎng)景的通知》教育部2018年4月《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》智算政策及要求提升智算戰(zhàn)略地位201720204月，國(guó)家發(fā)改委首次將智能計(jì)算中心作為算力基礎(chǔ)設(shè)施的重要代表納入20222東數(shù)西算2023106部門聯(lián)合工智能產(chǎn)業(yè)發(fā)展和業(yè)務(wù)需求，推動(dòng)算力+行業(yè)融合發(fā)展，升智能算力占比，2025年達(dá)到35%。2023125部斷提升。推動(dòng)智算中心建設(shè)發(fā)展試驗(yàn)區(qū)的設(shè)立為促進(jìn)人工智能領(lǐng)域的創(chuàng)新和發(fā)展創(chuàng)造了良好的40+2023/在建智算中心超70個(gè)，智算中心建設(shè)取得顯著進(jìn)展。省市層面的AI政策接力數(shù)十項(xiàng)指導(dǎo)方案和激勵(lì)政策體系初成。2023感與重要性。表7重點(diǎn)省市有關(guān)部門人工智能產(chǎn)業(yè)相關(guān)政策發(fā)布地區(qū)發(fā)布時(shí)間政策名稱北京市2023年5月《北京市加快建設(shè)具有全球影響力的人工智能創(chuàng)新策源地實(shí)施方案（2023-2025年）》《北京市促進(jìn)通用人工智能創(chuàng)新發(fā)展的若干措施》《北京市通用人工智能產(chǎn)業(yè)創(chuàng)新伙伴計(jì)劃》2019年10月《關(guān)于通過公共數(shù)據(jù)開放促進(jìn)人工智能產(chǎn)業(yè)發(fā)展的工作方案》天津市2020年8月《天津市建設(shè)國(guó)家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)行動(dòng)計(jì)劃》上海市2021年12月《上海市人工智能產(chǎn)業(yè)發(fā)展“十四五”規(guī)劃》2021年7月《關(guān)于推進(jìn)本市新一代人工智能標(biāo)準(zhǔn)體系建設(shè)的指導(dǎo)意見》2023年7月《上海市推動(dòng)人工智能大模型創(chuàng)新發(fā)展的若干措施》重慶市2023年7月《重慶市以場(chǎng)景驅(qū)動(dòng)人工智能產(chǎn)業(yè)高質(zhì)量發(fā)展行動(dòng)計(jì)劃（2023—2025年）》河北省2023年4月《加快河北省戰(zhàn)略性新興產(chǎn)業(yè)融合集群發(fā)展行動(dòng)方案（2023-2027年）》江蘇省2018年5月《江蘇省新一代人工智能產(chǎn)業(yè)發(fā)展實(shí)施意見的通知》浙江省2017年12月《浙江省新一代人工智能發(fā)展規(guī)劃》2023年8月《關(guān)于加快人工智能產(chǎn)業(yè)發(fā)展的指導(dǎo)意見（征求意見稿）》安徽省2020年3月《安徽省人民政府關(guān)于支持人工智能產(chǎn)業(yè)創(chuàng)新發(fā)展若干政策的通知》福建省2018年3月《推動(dòng)新一代人工智能加快發(fā)展的實(shí)施意見》2023年9月《福建省人民政府辦公廳關(guān)于印發(fā)福建省促進(jìn)人工智能產(chǎn)業(yè)發(fā)展十條措施的通知》廣東省2022年12月《廣東省新一代人工智能創(chuàng)新發(fā)展行動(dòng)計(jì)劃（2022-2025年）》深圳市2023年5月《深圳市加快推動(dòng)人工智能高質(zhì)量發(fā)展高水平應(yīng)用行動(dòng)方案（2023—2024年）》湖北省2021年12月《湖北省人工智能產(chǎn)業(yè)“十四五”發(fā)展規(guī)劃》2020年12月《湖北省新一代人工智能發(fā)展總體規(guī)劃（2020—2030年）》湖南省2021年8月《湖南省“十四五”戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》四川省2022年8月《四川省“十四五”新一代人工智能發(fā)展規(guī)劃》北京市2023519（2023-2025年智能場(chǎng)景建設(shè)等21上海市深圳市實(shí)現(xiàn)算力一網(wǎng)化、統(tǒng)籌一體化、調(diào)度一站式”，爭(zhēng)取全市可統(tǒng)籌的公共智能算力及相關(guān)網(wǎng)絡(luò)帶寬保持國(guó)內(nèi)領(lǐng)(三) 龍頭企業(yè)演進(jìn)下看智算英偉達(dá)歷年?duì)I收情況202020242020202220232024AI1262024其業(yè)績(jī)?cè)鲩L(zhǎng)的主要驅(qū)動(dòng)因素。2024609126個(gè)下游，主要有游戲、數(shù)據(jù)中心、汽車、專業(yè)可視化數(shù)據(jù)中心2024475217游戲收入增長(zhǎng)15，104162111。圖14英偉達(dá)2020-2024財(cái)年?duì)I業(yè)收入與增速數(shù)據(jù)來源：英偉達(dá)財(cái)報(bào)圖15英偉達(dá)2024財(cái)年各業(yè)務(wù)板塊收入占比

數(shù)據(jù)來源：英偉達(dá)財(cái)報(bào)從分業(yè)務(wù)收入變化情況看智算2022125元，占司總的49，堪稱“壁江。隨著Chat GPT問世英偉達(dá)的業(yè)務(wù)模式開始出現(xiàn)重大轉(zhuǎn)向，眾多科技公司不僅紛紛布局AI大模還資采購AI芯片帶動(dòng)英偉達(dá)數(shù)據(jù)中心業(yè)務(wù)板塊迎來爆發(fā)式增長(zhǎng)AIGPU2024財(cái)年（指203全年，下同，英偉達(dá)數(shù)據(jù)中心業(yè)務(wù)營(yíng)收占總營(yíng)收的78，成為公司最重要的營(yíng)收支柱。圖16英偉達(dá)2022-2024財(cái)年各業(yè)務(wù)板塊收入及占比數(shù)據(jù)來源：英偉達(dá)財(cái)報(bào)同時(shí)，隨著AI產(chǎn)業(yè)進(jìn)入爆發(fā)期，算力需求激增，技術(shù)迭代速度OpenAIAI90H100GPUCUDAAI英偉達(dá)收入支柱的轉(zhuǎn)變，以及業(yè)界對(duì)其數(shù)據(jù)中心業(yè)務(wù)的樂觀預(yù)測(cè)均表明AI產(chǎn)業(yè)發(fā)展未來將長(zhǎng)期處于加速軌道，算力需求將不斷擴(kuò)大，智算產(chǎn)業(yè)迎來高速發(fā)展期。從算力用途看智算英偉達(dá)數(shù)據(jù)中心業(yè)務(wù)收入中至少40來源于推理，表明人工智能的領(lǐng)域——推理AI2024AI2024AIAIH200H1001.9AIH200升，有望降低下游科技企業(yè)在生成式AI應(yīng)用落地時(shí)的算力使用成本，加速生成式AI應(yīng)用的技術(shù)落地。從具體財(cái)務(wù)指標(biāo)情況看智算/2461/4518圖17英偉達(dá)20Q4-23Q4經(jīng)營(yíng)指標(biāo)情況數(shù)據(jù)來源：英偉達(dá)作為AIAI15H1005H100GPU20239H100GPU2024CEO2024AI面臨短缺。供應(yīng)受限狀況將在全年時(shí)間內(nèi)持續(xù)下去AIAI三、國(guó)內(nèi)智算中心產(chǎn)業(yè)鏈分析(一) 國(guó)內(nèi)智算中心產(chǎn)業(yè)鏈視圖AI圖18人工智能產(chǎn)業(yè)鏈視圖資料來源：深圳人工智能行業(yè)協(xié)會(huì)、中商產(chǎn)業(yè)研究院、中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）人工智能計(jì)算中心以人工智能芯片構(gòu)建的人工智能計(jì)算機(jī)集群為基礎(chǔ)，涵蓋了基建基礎(chǔ)設(shè)施（機(jī)房基建智算中心作為承載算力的關(guān)鍵基礎(chǔ)設(shè)施，目前已經(jīng)進(jìn)入了高速建AI芯AIIT基礎(chǔ)IDC服務(wù)、圖19智算中心產(chǎn)業(yè)鏈視圖資料來源：深圳人工智能行業(yè)協(xié)會(huì)、中商產(chǎn)業(yè)研究院、中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）在智算中心中，AI芯片是算力的硬件基石，作為高度全球化的GPUFPGAAI階段。AI芯片產(chǎn)業(yè)鏈關(guān)鍵環(huán)節(jié)分為上游支撐產(chǎn)業(yè)鏈、中游核心產(chǎn)業(yè)鏈和下游應(yīng)用產(chǎn)業(yè)鏈。其中,上游支撐產(chǎn)業(yè)鏈主要包括半導(dǎo)體設(shè)計(jì)工具、（（AIIDM整合制造模式括英偉達(dá)、英特爾、三星等；另一種是垂直分工模式，從芯片設(shè)計(jì)到圖20AI芯片產(chǎn)業(yè)鏈視圖資料來源：深圳人工智能行業(yè)協(xié)會(huì)、中商產(chǎn)業(yè)研究院、中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）基礎(chǔ)設(shè)施地方政府+科技企年開始，IDCAI科曙光等IT服務(wù)商，以及電信運(yùn)營(yíng)商、第三方服務(wù)商及一些跨界基建類玩家。在IT基礎(chǔ)架構(gòu)方面，AI芯片的代表企業(yè)包括英偉達(dá)、英特爾、AMD、寒武紀(jì)、華為等；AI服務(wù)器供應(yīng)商以英偉達(dá)、AMD、EquinixDigtalRealty在智算中心產(chǎn)業(yè)中游智算服務(wù)方面，呈現(xiàn)出運(yùn)營(yíng)主體類型多元、運(yùn)營(yíng)模式靈活I(lǐng)DC數(shù)據(jù)港、阿里云、騰訊云等憑借豐富的數(shù)據(jù)中心、AIAIAI智算應(yīng)用生成式AI算力需求占主體從應(yīng)用場(chǎng)景來看，AI不斷向生AIAI2030年我國(guó)AIGCAIGC智算需求主2023圖21智算中心產(chǎn)業(yè)鏈圖譜資料來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）(二) 智算中心與數(shù)據(jù)中心產(chǎn)業(yè)鏈對(duì)比分析產(chǎn)業(yè)鏈的核心是提供物理空間、網(wǎng)絡(luò)帶寬、電力供應(yīng)、冷卻系統(tǒng)等基礎(chǔ)設(shè)施，IDCAIGPUFPGAASICAIAI運(yùn)業(yè)的常規(guī)ITAIAIIDCAIAIIDCIDC8IDC產(chǎn)業(yè)鏈與智算產(chǎn)業(yè)鏈對(duì)比表產(chǎn)業(yè)鏈環(huán)節(jié)對(duì)比維度IDC產(chǎn)業(yè)鏈智算產(chǎn)業(yè)鏈基礎(chǔ)設(shè)施層核心設(shè)施土建+機(jī)電+網(wǎng)絡(luò)配套++IT（投建主體政府、AI企業(yè)、IT服務(wù)商、電信運(yùn)營(yíng)商、第三方IDC服務(wù)商、云服務(wù)商投資占比30%70%運(yùn)營(yíng)服務(wù)層核心服務(wù)機(jī)柜+帶寬+運(yùn)維+安全+災(zāi)備算力+數(shù)據(jù)+算法+生態(tài)參與主體綜合智算服務(wù)商、AI框架和平臺(tái)開發(fā)AIIDC投資占比（當(dāng)前）70%30%應(yīng)用賦能層核心應(yīng)用互聯(lián)網(wǎng)、金融、制造、醫(yī)療、政務(wù)等各個(gè)領(lǐng)域模型訓(xùn)練、模型推理、自動(dòng)駕駛等需要強(qiáng)大計(jì)算能力和數(shù)據(jù)分析能力的領(lǐng)域應(yīng)用主體AI廣、環(huán)節(jié)更多、更加聚焦AI領(lǐng)域。一是IT（IT設(shè)備占比超0II二是IDCAIAI能力平臺(tái)服務(wù)商（以云商和大模型商為主、數(shù)據(jù)中臺(tái)服務(wù)商（（型IIAI三是行業(yè)。(三) 中美博弈對(duì)中國(guó)智算中心產(chǎn)業(yè)的影響中美博弈在智算中心產(chǎn)業(yè)方面的發(fā)展趨勢(shì)AI20201074800600A100H100AIA800與A100H100。20231017A800、H800L40SAIAI芯片都無2023HGXH20L20PCleL2A800H800美國(guó)期國(guó)H20二是美國(guó)對(duì)中國(guó)的技術(shù)管制范圍不斷擴(kuò)張。除限制芯片出口中國(guó)GPU（Ineriminlue,IR”（nityit）1。三是美國(guó)對(duì)中國(guó)的技術(shù)管控具長(zhǎng)臂管轄特征。首先，任何新增的1https:///a/us-considering-curbing-china-s-cloud-access-official-says-102123/7320571.html1017BISBIS的認(rèn)知上，由于全球半導(dǎo)體供應(yīng)鏈中受EAR（ExportAdministration2EAR3。出口管控?cái)U(kuò)展到投資管控（IRRM4。美國(guó)科技封鎖對(duì)中國(guó)智算產(chǎn)業(yè)的影響響。短期來看，由于在AI芯片和算力完全斷供前，存在三個(gè)月左右2https:///cn/zh/insights/latest-thinking/8-issues-of-the-latest-US-export-sanction-rules-concerning-semiconductor.html315C.F.R.§734.4(2021).這些外國(guó)商品、軟件和技術(shù)包括出口的調(diào)整后峰值超過ECCN4A003.b且包含美國(guó)產(chǎn)半導(dǎo)體的外國(guó)電腦、含有美國(guó)原產(chǎn)受控技術(shù)（ECCN5E002）的外國(guó)加密技術(shù)，在境外修訂、使用、咨詢或其他方式合成的美國(guó)原產(chǎn)受控技術(shù)（CN903、運(yùn)往:5ECCN編號(hào)為9x5156004/sites/default/files/2018-08/The-Foreign-Investment-Risk-Review-Modernization-Act-of-2018-FIRRMA_0.pdfIDC2026每秒十萬億億次浮點(diǎn)計(jì)算（ZFLOPS）級(jí)別，達(dá)到1271.4EFLOPS，規(guī)模及增速均遠(yuǎn)高于通用算力，2022-2026年復(fù)合增長(zhǎng)率達(dá)47.58%。但長(zhǎng)期來看，在芯片和半導(dǎo)體技術(shù)研發(fā)、智能算力基建、通用大GPU、IntelGPU行AMD26%NvidiaAIGPU前部分國(guó)內(nèi)GPUA8005。另外，BISGPU14nm另一方面控的智算中心產(chǎn)業(yè)鏈創(chuàng)造了時(shí)間窗口”5/s?id=1780732924417849849&wfr=spider&for=pc倒逼我國(guó)芯片AIAI其對(duì)國(guó)產(chǎn)芯片的需求將快速增長(zhǎng)，我國(guó)將形成芯片-智算中心”的產(chǎn)業(yè)芯片禁令下智算企業(yè)相關(guān)方應(yīng)對(duì)啟示AI降級(jí)版芯片能取代原有高性能芯片的需求嗎？AIH20、L20PCle和L2PCleH20相較80P2縮水了/，16縮水了，但放H80011原計(jì)劃購買的、已經(jīng)被禁的英偉達(dá)高性能芯片（80。從短期來20244在其最新的Gaudi3AIAI計(jì)劃為中國(guó)市場(chǎng)推出特殊版本的Gui3Gaui3主要包括HL-28和L-38兩種產(chǎn)品，624924Gaudi31835TFLOPSGaudi36bit92Gaudi3H20GPU強(qiáng)化分場(chǎng)景需求下的供應(yīng)鏈管理實(shí)體名單的企業(yè)，建議先囤貨再看后續(xù)價(jià)格和產(chǎn)量變化調(diào)整。重視與國(guó)產(chǎn)化芯片廠商全方位合作：CUDACUDA率。GPU四、國(guó)內(nèi)智算中心供需分(一) 國(guó)內(nèi)智算需求場(chǎng)景分析1.需求分布趨勢(shì)（一3～5關(guān)注高性價(jià)比，租期一般在0.5～1年。2021年我國(guó)各行業(yè)算力應(yīng)用占比12.0%10.0%12.0%10.0%7.2%5.8%4.2%3.9%7.2%互聯(lián)網(wǎng) 政府 服務(wù) 電信 金融 制造 教育 其他圖222021年我國(guó)各行業(yè)算力應(yīng)用占比數(shù)據(jù)來源：《2022年全球人工智能產(chǎn)業(yè)研究報(bào)告》35%25%35%25%23%22%行業(yè)平均增速：22%12% 12%10%7%制造 互網(wǎng) 交通 金融 能源 運(yùn)商 教育 安平 政府圖232023年我國(guó)各行業(yè)智能算力采購需求增速預(yù)測(cè)數(shù)據(jù)來源：《2022年全球人工智能產(chǎn)業(yè)研究報(bào)告》（二AIAIChatGLMMOSS360智腦大模型、第四范式“式說”等大模型。另一類是AI算力產(chǎn)品的需求用戶，即推理用戶，利用AI算力主要滿足智能分析、AI客服、風(fēng)險(xiǎn)風(fēng)控、仿真測(cè)試、生物識(shí)別等場(chǎng)景需求，用戶主要包括云計(jì)算服務(wù)商、高校、政府部門、科技公司。表9國(guó)內(nèi)兩大類智算需求企業(yè)主要需求需求企業(yè)代表企業(yè)或典型場(chǎng)景煉大模型用戶頭部互聯(lián)網(wǎng)企業(yè)美團(tuán)自建資源為主：阿里、華為、騰訊、商湯、百度（部分租用）AI科技企業(yè)AIAI瀾舟科技AI創(chuàng)業(yè)圈：美團(tuán)、百川智能科研機(jī)構(gòu)中科院自動(dòng)化所、復(fù)旦大學(xué)、智源研究院、清華AI算力產(chǎn)品用戶高校CAE政府部門智慧城市、衛(wèi)生健康、公安交警科技公司智慧醫(yī)療、智慧健康、智慧教育、智慧交通互聯(lián)網(wǎng)企業(yè)AI客服，風(fēng)險(xiǎn)控制、生物識(shí)別（三算下，需求向西部遷移趨勢(shì)開始顯現(xiàn)。2023528日發(fā)布791500圖24中國(guó)大模型發(fā)布地圖數(shù)據(jù)來源：科技部新一代人工智能發(fā)展研究中心（四）9多個(gè)9（2022—2024“中心（訓(xùn)練）-邊緣（推理”已成為大模型的主流大模型推理領(lǐng)域，AIAI揮。圖25大模型技術(shù)發(fā)展帶動(dòng)模型參數(shù)規(guī)模演進(jìn)圖26大模型應(yīng)用孵化期2.實(shí)際調(diào)研反饋通過對(duì)北京中關(guān)村產(chǎn)業(yè)集群16家大模型企業(yè)以及阿里、字節(jié)、華為等頭部企業(yè)需求調(diào)研反饋及總結(jié)歸納顯示，AIDC及算力租賃需求呈現(xiàn)以下三個(gè)重要特征：傳統(tǒng)IDC資源售賣陷入瓶頸，AC租賃供不應(yīng)求IDCAIDCIDC大模型、互聯(lián)網(wǎng)+等新興客戶算力需求旺盛20231630P2000P1000P1.3-1.61.6/P（010，2518.75具體來看：如文娛大模型：妙鴨相機(jī)爆火后算力需求暴漲數(shù)百倍，租用阿里云上百P算力；3000P如汽車大模型：聆心科技一次性租用150張A100；如金融大模型：以九坤資本、幻方量化為代表的量化金融私募商擁有大量英偉達(dá)卡，對(duì)外尋求機(jī)房租賃。阿里云為猿輔導(dǎo)提供指定配置的AI。英偉達(dá)仍是客戶主流需求，全面國(guó)產(chǎn)化短期內(nèi)難實(shí)現(xiàn)達(dá)。1：9。(二) 國(guó)內(nèi)智算中心需求測(cè)算人工智能領(lǐng)域的發(fā)展歷程和經(jīng)驗(yàn)規(guī)律為中國(guó)智算中心產(chǎn)業(yè)發(fā)展提供從供給量級(jí)來看IDC、Gartner202228（AI2022年底生成式AI剛在中國(guó)崛起，智算中心占比不大。表102022年中美智算規(guī)模指標(biāo)對(duì)比指標(biāo)中國(guó)美國(guó)智算規(guī)模（EFLOPS）49.088.0人均智算規(guī)模（EFLOPS/億人）3.426.4數(shù)據(jù)來源：IDC、Gartner、中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）等從產(chǎn)業(yè)內(nèi)需來看人工智能產(chǎn)業(yè)規(guī)模與智算需求體量間存在強(qiáng)相關(guān)關(guān)系，2022年美國(guó)21645958262024.22025AI場(chǎng)空間巨大。表112022~2025年中美智算供需數(shù)據(jù)指標(biāo)中國(guó)（2022~2025）美國(guó)人工智能產(chǎn)業(yè)規(guī)模（億美元）595~16802164測(cè)算智算需求（EFLOPS，F(xiàn)P32）24.2~68.588.0假設(shè)：美國(guó)智算產(chǎn)業(yè)基本處于供需平衡的狀態(tài)。數(shù)據(jù)來源：IDC、中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）(三) 國(guó)內(nèi)智算中心供給現(xiàn)狀市場(chǎng)供給現(xiàn)狀2023//86總建設(shè)模過679 EFLOPS（換為FP16，下同）6，中已投、6（1（FP64）274019算力規(guī)模近2O70L。2024年我國(guó)智算中心建設(shè)進(jìn)入快速增長(zhǎng)階段，上半年有規(guī)模披露36271EFLPOS算力規(guī)模近.FPS10L，未來建設(shè)體量分布100PFLOPS共計(jì)2個(gè)（648個(gè)（占比565個(gè)（6、1個(gè)（3建設(shè)區(qū)域分布全國(guó)25（93（51個(gè)159/27（占比46）3254）且532821個(gè)，6圖27我國(guó)智算中心建設(shè)城市分布情況數(shù)據(jù)來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）圖28我國(guó)智算中心建設(shè)樞紐分布情況數(shù)據(jù)來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）國(guó)產(chǎn)化滲透已投運(yùn)智算中心多采用“英偉達(dá)+國(guó)產(chǎn)算力”混合部署模式，在自主可控大背景下，算力國(guó)產(chǎn)化成為智算中心重要趨勢(shì)。我國(guó)已投運(yùn)偉達(dá)GPU100表12全國(guó)已投運(yùn)及規(guī)劃建設(shè)的智算中心（部分）序號(hào)智算中心名稱所在城市智算規(guī)模（PFlops）建設(shè)進(jìn)度建設(shè)主體國(guó)產(chǎn)芯片供應(yīng)商1重慶人工智能創(chuàng)新中心重慶400投運(yùn)政府華為-昇騰2天津市人工智能計(jì)算中心天津300在建政府華為-昇騰3河北人工智能計(jì)算中心一期廊坊100在建政府華為-昇騰4蕪湖一體化智算中心蕪湖160在建政府中科曙光5成都人工智能計(jì)算中心成都300一期投運(yùn)，擬擴(kuò)容政府華為-昇騰6杭州人工智能計(jì)算中心杭州一期40二期100一期投運(yùn)，二期在建政府華為-昇騰7寧波市人工智能超算中心寧波一期100一期投運(yùn)，二期擬建政府中科曙光8中國(guó)移動(dòng)南京AI智算中心南京278在建企業(yè)寒武紀(jì)-思元9并行科技內(nèi)蒙古新型算力基地呼和浩特70擬建企業(yè)-10“一帶一路”國(guó)際數(shù)據(jù)中心義烏50擬建企業(yè)-11青島“海之心”人工智能計(jì)算中心青島250在建政企合建中科曙光12南京智能計(jì)算中心南京400一期投運(yùn)，二期在建政企合建華為-鯤鵬、昇騰數(shù)據(jù)來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）注：外部統(tǒng)計(jì)數(shù)據(jù)，僅供參考主要建設(shè)模式企業(yè)多采用規(guī)?；?、集中化的建設(shè)模式202331（191236263730（投運(yùn)5223個(gè)47321553715366個(gè)77億元。(四) 國(guó)內(nèi)智算中心供需研判綜合多方機(jī)構(gòu)（國(guó)務(wù)院參事、中國(guó)電子商會(huì)等）AI7政企合建”模式具體指政府與企業(yè)簽訂合作協(xié)議共建智算中心，或由雙方出資成立的合資公司（多為企業(yè)控股、政府參股）作為建設(shè)單位。80202640；AI基于上述假設(shè)和測(cè)算模型，可以初步得出以下測(cè)算結(jié)論：2030大規(guī)模落地，則智算中心供需平衡時(shí)間節(jié)點(diǎn)將進(jìn)一步后延。圖29智算供需曲線預(yù)測(cè)圖（2022-2030年）數(shù)據(jù)來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）產(chǎn)業(yè)周期性研判標(biāo)桿研究-以美國(guó)為例302028AI30AI達(dá)、ChatGPTAIAI據(jù)Statista2022ChatGPT2028190816.95圖30美國(guó)人工智能產(chǎn)業(yè)發(fā)展周期數(shù)據(jù)來源：Statista、中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）中國(guó)智算中心產(chǎn)業(yè)發(fā)展周期性研判20302.0202220221.002年后，智算產(chǎn)業(yè)進(jìn)入20階2030國(guó)智算中心產(chǎn)業(yè)將會(huì)迎來拐點(diǎn)，進(jìn)入成熟期。具體分析如下：未來五年國(guó)產(chǎn)化、異構(gòu)算力需求將持續(xù)增長(zhǎng)。一方面，目AIIDC50AI5AI另一方面，模型IDC31GPU90，NPU、ASIC和FPGAGPU17國(guó)內(nèi)高端芯片的短期高效供給仍將受限。一方面，國(guó)內(nèi)通用GPU標(biāo)國(guó)際進(jìn)水產(chǎn)芯片華推昇騰1可標(biāo)偉達(dá)1，并對(duì)比A800部分精度的算力有優(yōu)勢(shì)，同時(shí)推出 AI開源計(jì)算框架支持戶進(jìn)行AI開發(fā)武紀(jì)提云邊體訓(xùn)練推理融合系列AI芯片產(chǎn)及平基礎(chǔ)系軟件重對(duì)推薦統(tǒng)和大語言模型的訓(xùn)練推理等場(chǎng)景進(jìn)行優(yōu)化。AI集群上，華為Atlas900CPU+NPU另GPUAI圖31我國(guó)智算中心產(chǎn)業(yè)發(fā)展生命周期數(shù)據(jù)來源：中國(guó)通服數(shù)字基建產(chǎn)業(yè)研究院（華信咨詢?cè)O(shè)計(jì)研究院）智算中心產(chǎn)業(yè)發(fā)展對(duì)數(shù)據(jù)中心產(chǎn)業(yè)的影響思考智算中心發(fā)展對(duì)IDC產(chǎn)業(yè)的影響與之前業(yè)內(nèi)擔(dān)憂云計(jì)算技術(shù)對(duì)IDCIDCIDC10新階段。圖32數(shù)字設(shè)施“金三角”密度的DC，基于上述的關(guān)系基調(diào)，我們的觀點(diǎn)是：智算中心與數(shù)據(jù)中心的互補(bǔ)性關(guān)系大于替代性。理由如下：1、 智算與通算在芯片技術(shù)上將深度融合：未來的超級(jí)芯片SOCGPU+CPUNVIDIAGraceHopperSuperchip、GB2002、 智算與通算的需求場(chǎng)景重疊度極低：兩種不同的計(jì)算構(gòu)在需求場(chǎng)景上形成顯著差異，不過在少數(shù)領(lǐng)域也有一定重疊，比如低端渲染場(chǎng)景。3、 智算中心與數(shù)據(jù)中心市場(chǎng)協(xié)同緊密如近兩個(gè)月華北華東區(qū)域市場(chǎng)的智算需求爆發(fā)，帶動(dòng)智算機(jī)柜的租賃業(yè)務(wù)，盤活了數(shù)據(jù)中心市場(chǎng)。4、 智算與通算在國(guó)內(nèi)供給體量上同步增長(zhǎng)：中國(guó)智算占比2025年有望從2016的3增長(zhǎng)到35，通算占比降低但量仍保持增長(zhǎng)。5、智算中心與數(shù)據(jù)中心都會(huì)以云為主要載體：隨著應(yīng)用的加速滲透，對(duì)算力服務(wù)能力提出更高要求，智算中心未來也將從純托管轉(zhuǎn)向云服務(wù)。五、國(guó)內(nèi)智算中心建設(shè)方案分析(一) 智算中心建設(shè)布局分析布局原則智算中心布局需堅(jiān)持集約化、規(guī)模化的總體要求，路徑上建議“全（千卡地。算隨數(shù)動(dòng)、云算一體、四級(jí)聯(lián)動(dòng)：優(yōu)先在數(shù)據(jù)中心布局區(qū)域，加IDC統(tǒng)一規(guī)劃：由集團(tuán)或上級(jí)主管單位統(tǒng)籌，組織各區(qū)域公司或監(jiān)管主體開展布局規(guī)劃，強(qiáng)化不同區(qū)域間差異化協(xié)同布局；布局模型智算中心選址模型搭建思路：（1）構(gòu)建選址數(shù)據(jù)庫參照國(guó)家對(duì)八大樞紐節(jié)點(diǎn)及起步區(qū)的選址布局導(dǎo)向，構(gòu)建算力基礎(chǔ)設(shè)施選址數(shù)據(jù)庫，共包含三項(xiàng)一級(jí)指標(biāo)，六項(xiàng)二級(jí)指標(biāo)。圖33選址指標(biāo)建議AIGC（。ODCC數(shù)據(jù)中心選址模型以及行業(yè)專家意見設(shè)置參數(shù)權(quán)重。通過層次分析法建立數(shù)據(jù)中心選址評(píng)價(jià)體系，與數(shù)十位行業(yè)權(quán)威專家進(jìn)行反復(fù)交流驗(yàn)證，輸出數(shù)據(jù)中心選址模型。??????=∑??(??)????；??:要素權(quán)重;??:要素分值??=??型：表13選址模型及參數(shù)指標(biāo)庫權(quán)重參數(shù)市場(chǎng)驅(qū)動(dòng)0.5供需因素智能算力供需缺口0.25智能算力需求增速0.083產(chǎn)業(yè)生態(tài)人工智能產(chǎn)業(yè)園區(qū)數(shù)量0.083人工智能專利申請(qǐng)數(shù)量0.083要素稟賦0.3運(yùn)營(yíng)成本工業(yè)用電電價(jià)0.075人工平均工資0.05工業(yè)用地價(jià)格0.05新基建水平是否為骨干網(wǎng)節(jié)點(diǎn)0.05算力水平0.075政策導(dǎo)向0.2政策一致性是否在國(guó)家算力樞紐0.025是否在國(guó)家數(shù)據(jù)中心集群起步區(qū)0.05政策支持力度項(xiàng)目地綠電保障0.05項(xiàng)目地財(cái)稅優(yōu)惠0.05實(shí)踐案例華信咨詢?cè)O(shè)計(jì)研究院已為多個(gè)政府和大型央國(guó)企提供了智算中心布局規(guī)劃和選址服務(wù)，以下就某個(gè)大型央企為例做展開說明：址指標(biāo)綜合得分表：省會(huì)城市總分總排名江蘇南京41.2021廣東廣州49.128浙江杭州36.7432山東濟(jì)南40.9822北京北京39.1327上海上海32.7139福建福州28.1745湖北武漢53.365河南鄭州53.186四川成都41.7119湖南長(zhǎng)沙54.263天津天津25.2848安徽合肥38.7329河北石家莊49.019遼寧沈陽33.9037陜西西安54.174重慶重慶36.2033江西南昌43.1716山西太原44.2615廣西南寧30.1842內(nèi)蒙古呼和浩特31.8441吉林長(zhǎng)春41.2520貴州貴陽39.3026云南昆明44.4614黑龍江哈爾濱28.3844續(xù)表省會(huì)城市總分總排名新疆烏魯木齊42.5217甘肅蘭州57.301海南?？?2.2340寧夏銀川56.112青海西寧40.4024西藏拉薩29.7043安徽蕪湖40.7323廣東韶關(guān)40.0925甘肅慶陽37.9731寧夏中衛(wèi)48.3010廣東深圳42.5118江蘇蘇州35.4634內(nèi)蒙古烏蘭察布33.6438河北張家口35.1435浙江嘉興45.0913浙江寧波39.0128江蘇常州46.0312江蘇南通48.0111江蘇無錫38.6630廣東東莞34.4336廣東佛山27.3846山東濟(jì)南51.677福建廈門26.7047下建議：蘭州、銀川、長(zhǎng)沙、西安、武漢、鄭州等中西部省會(huì)城市力供需缺口較大，且運(yùn)營(yíng)成本相對(duì)較低，建議一方面加快算力中心布局，并與園區(qū)布局緊密協(xié)同。仍存在供需缺口，留，按需快速啟動(dòng)。若以蘭州作為起點(diǎn)，可能的原因如下：供給條件好：區(qū)位輻射既有基礎(chǔ)好：扶持政策：(二) 智算中心建設(shè)標(biāo)準(zhǔn)分析數(shù)據(jù)中心與智算中心建設(shè)標(biāo)準(zhǔn)對(duì)比分析5GAICPU、GPU和服務(wù)器功6~8kW10~15kW15~20kW40~60kW建筑平面：大模型智算組網(wǎng)對(duì)機(jī)柜集中度要求更高，機(jī)柜50100結(jié)構(gòu)承重：智算機(jī)柜、液冷機(jī)柜對(duì)結(jié)構(gòu)承重提出了更高的樓板均布活荷載承重≥16kN/m2，適當(dāng)預(yù)留部分樓層或白空間滿足結(jié)制冷模式：15kW房空調(diào)采用架空地板下送風(fēng)+自然回風(fēng)或彌漫式送風(fēng)+吊頂回風(fēng)等遠(yuǎn)（或采（100%。電力容量：隨著智算中心單機(jī)柜功率密度不斷提升，電力15~60kW六性六化”總體思路，以前瞻性、先進(jìn)性、靈活性、”數(shù)據(jù)中心與智算中心建設(shè)標(biāo)準(zhǔn)對(duì)比表專業(yè)數(shù)據(jù)中心智算中心風(fēng)冷為主高功率液冷高功率風(fēng)冷建筑要求主機(jī)房?jī)舾邞?yīng)滿足機(jī)柜高統(tǒng)房間級(jí)空調(diào)，數(shù)據(jù)中心的主機(jī)房?jī)舾摺?.0mAHU冷卻機(jī)組，主機(jī)房?jī)舾摺?.8m。高度≥600mmAHU間接蒸發(fā)冷卻機(jī)組彌漫式送風(fēng)，可不設(shè)架空地板，具體根據(jù)設(shè)備功率及地板下送風(fēng)風(fēng)速綜合計(jì)算后確定。梁下凈高（含地板）≥4.2m，地板高度≥600mm電力電池區(qū)與主機(jī)房區(qū)可靈活變化度≥300mm，梁下凈高（含地板（含地板）≥4.2m電力電池區(qū)與主機(jī)房區(qū)可靈活變化結(jié)構(gòu)要求8~12kN/m2不間斷電源系統(tǒng)室活荷載標(biāo)準(zhǔn)值8~10kN/m2電池室活荷載標(biāo)準(zhǔn)值/蓄電416kN/m2建議主機(jī)房、不電室統(tǒng)一活荷載標(biāo)準(zhǔn)值留部分機(jī)房活荷載標(biāo)準(zhǔn)值≥20kN/m2；屋面或室外具備足夠面積設(shè)置冷建議主機(jī)房活荷載標(biāo)準(zhǔn)值≥10kN/m2建議不間斷電源系統(tǒng)室活荷載標(biāo)準(zhǔn)值10kN/m2電池室活荷載標(biāo)準(zhǔn)值/蓄電池組4層擺放時(shí)，不應(yīng)小于16kN/m2井及設(shè)備基礎(chǔ)室內(nèi)外具備足夠面積放置機(jī)柜、配電區(qū)域，預(yù)留管井及設(shè)備基礎(chǔ)制冷系統(tǒng)采用AHU間接蒸發(fā)冷卻機(jī)組、傳統(tǒng)風(fēng)冷、水冷型的房間級(jí)空調(diào)、列間、背板等空調(diào)形式70%由30%冷量通過列間空制冷采用風(fēng)冷、水冷型的列間、背板等空調(diào)形式配電系統(tǒng)外市電、高低壓配電容量、油機(jī)、2N不間斷電源/高壓直流系統(tǒng)、大母線、列頭柜、電力電纜等一般配電區(qū)面積小于主機(jī)房區(qū)面積外市電、高低壓配電容量、油機(jī)、2N不間斷電源或一路（N+1）UPS和一路市電供電、大小母線等一般配電區(qū)面積會(huì)大于主機(jī)房面積，單位建筑面積用電指標(biāo)會(huì)更大消防給排水采用房間級(jí)空調(diào)時(shí)，水不進(jìn)主機(jī)房服務(wù)器機(jī)柜區(qū)域，空調(diào)區(qū)做擋水、排水及漏水報(bào)警措施；采用冷凍水型列間、背板空水及漏水報(bào)警措施。漏水報(bào)警措施；水、防水、排水及漏水報(bào)警措施。中國(guó)電信天翼云杭州大數(shù)據(jù)基地智算中心（彈性、靈活、綠色、智慧、高效的智算中心）項(xiàng)目概況：項(xiàng)目位于杭州市蕭山區(qū)經(jīng)濟(jì)技術(shù)開發(fā)區(qū)下屬的168畝，2861期4幢198204448kW、15kWP制冷小母線“BIM技術(shù)“AI”等關(guān)鍵核土建總包傳統(tǒng)云資源池與智算資源池對(duì)比分析IB組網(wǎng)和RoCE組網(wǎng)的選擇分析IB組網(wǎng)標(biāo)準(zhǔn)模型和方案，會(huì)根據(jù)客戶或者項(xiàng)目的需求進(jìn)行定制SPINE20482048SPINE-LEAFGPUSPINE161GPU1024GPU1024框式交換9216卡，CE1681618432卡。二層組網(wǎng)時(shí)，RoCEIB從成本、算力效率和供貨能力綜合考慮，線纜的長(zhǎng)度建議控制在50米以內(nèi)。算力規(guī)模及組網(wǎng)架構(gòu)的選擇分析小集群和大集群的分析：大集群：大集群適用于規(guī)模較大的人工智能應(yīng)用場(chǎng)景，其中計(jì)二層與三層組網(wǎng)的分析：傳統(tǒng)云管和智算平臺(tái)的能力分析包括：1、靈活的資源調(diào)度：傳統(tǒng)云管平臺(tái)可以根據(jù)用戶的需求，靈活地分配和調(diào)度云計(jì)算資源，以提高資源的利用率和性能。23、多租戶支持：傳統(tǒng)云管平臺(tái)可以支持多個(gè)用戶租用同一組計(jì)算資源進(jìn)行計(jì)算操作，提高資源的使用效率和利用率。12、高性能計(jì)算：智算平臺(tái)通常利用高速網(wǎng)絡(luò)和專業(yè)加速卡等技術(shù)，實(shí)現(xiàn)高性能計(jì)算，加速人工智能任務(wù)的處理速度。3、大規(guī)模的分布式計(jì)算：智算平臺(tái)支持大規(guī)模分布式計(jì)算，可以將計(jì)算任務(wù)分解為多個(gè)獨(dú)立子任務(wù)，并在多臺(tái)計(jì)算機(jī)上分別執(zhí)行，以縮短任務(wù)完成時(shí)間。4、深度學(xué)習(xí)模型訓(xùn)練與優(yōu)化：智算平臺(tái)有專門的算法支持和優(yōu)化工具，能夠訓(xùn)練和優(yōu)化深度學(xué)習(xí)模型，提高模型訓(xùn)練和推理性能。傳統(tǒng)模式與模塊化建設(shè)模式對(duì)比分析智算中心由于單位面積的算力密度更高，空間更小，加上AI需POD微模一個(gè)或多個(gè)標(biāo)準(zhǔn)的貨運(yùn)集裝箱內(nèi)，一般情況下具備較好的移動(dòng)性。（1）組裝模塊化機(jī)房（半模塊化）算力冷、風(fēng)冷組裝模塊化機(jī)房具備智能化統(tǒng)一管理、標(biāo)準(zhǔn)化集成、建設(shè)周期短、可復(fù)制性等特點(diǎn)?？筛鶕?jù)客戶的不同算力需求定制方案，統(tǒng)一規(guī)劃、分階段實(shí)施，適用于各類算力中心新建及改造場(chǎng)景。通過設(shè)備選型，可將故障“爆炸”半徑控制在以模塊為單位。目前典型的產(chǎn)品有騰訊的T-Block微模塊數(shù)據(jù)中心、臺(tái)達(dá)的MDC微模塊數(shù)據(jù)中心等。圖34UPS內(nèi)置雙排機(jī)柜示意圖圖35UPS外置雙排機(jī)柜示意圖（1）集裝箱機(jī)房（全模塊化）未來隨著技術(shù)不斷成熟和市場(chǎng)規(guī)?；瘽B透，有望成本大幅下滑。華為、HewlettPackardEnterprise、Dell、IBMCorporation、Cisco2040英尺圖36數(shù)據(jù)中心獨(dú)立集裝箱示例圖37華為FusionDC1000A-40ft-IT-2N示例5KW、8KW等傳統(tǒng)數(shù)據(jù)中心智算化改造方案冷冷凍水空調(diào)系統(tǒng)。當(dāng)前市場(chǎng)上主流智算設(shè)備單機(jī)柜功耗可分為15kW、35kW、45kW1:22:1。IT12kW隔柜啟用或單列啟用的方式，未啟用機(jī)柜用盲板封堵。液冷智算機(jī)房常用液冷機(jī)柜為冷板式液冷，單機(jī)柜功耗35～48kW70%30%負(fù)荷PUE。12PDU數(shù)據(jù)中心與智算中心建設(shè)形態(tài)展望機(jī)房形態(tài)的變化100米，是目前通6~8kW10~20kW15~20kW40~60kW研究以IT38、39/IT12轉(zhuǎn)變?yōu)椋ǎ４送?，模式。進(jìn)一步以某項(xiàng)目為例作說明，數(shù)據(jù)中心方面，以總建筑面積約為20000平方米的某數(shù)據(jù)中心機(jī)房為例，標(biāo)準(zhǔn)平面布置及樓層設(shè)計(jì)如下：圖38數(shù)據(jù)中心標(biāo)準(zhǔn)層平面布置示例（機(jī)電：機(jī)柜=1:2）表14數(shù)據(jù)中心樓層功能設(shè)計(jì)及參數(shù)示例序號(hào)樓層功能面積（㎡）層高(m)1地下一層空調(diào)水泵房、空調(diào)水池50042一層門廳、高低壓配電室、制冷機(jī)房等48256（制冷機(jī)房局部下挖0.9m）3二至四層等48255.44天面層電梯設(shè)備等用房200合計(jì)2000023.125000圖39智算中心標(biāo)準(zhǔn)層平面布置示例（機(jī)電：機(jī)柜=3:1）表15智算中心樓層功能設(shè)計(jì)及參數(shù)示例序號(hào)樓層功能面積（㎡）層高(m)1地下一層空調(diào)水泵房、空調(diào)水池50042一層門廳、高低壓配電室、制冷機(jī)房等140006（制冷機(jī)房局部下挖0.9m）3二層數(shù)據(jù)機(jī)房、電池電力室、鋼瓶間、備品備件等1000064天面層電梯設(shè)備等用房500合計(jì)25000機(jī)柜功率及形態(tài)的變化構(gòu)計(jì)算則可實(shí)現(xiàn)數(shù)ADM（0002020A100H100功耗高達(dá)700W2024年最新發(fā)布的B2001000W。圖40芯片形態(tài)演進(jìn)圖HGXH100p（0kX2018PFlopsAI算力（H1002.25倍、Atlas9006倍1.5TB（1.5萬億oes的數(shù)據(jù)。高、機(jī)柜形態(tài)向定制化演進(jìn)，單機(jī)柜功耗逐漸增加至20~40kW來將逐步發(fā)展至40~60kW甚至更高。AIGPUGPU900PoD64、32GPU，最大功耗增長(zhǎng)至kI機(jī)柜功率有望超過k20NVL7272B36GGPUCPUCPU表16華信智算中心典型設(shè)計(jì)案例典型案例1：中國(guó)電信天翼云安徽蕪湖智算中心1、項(xiàng)目概況6912111110kV111110kV800P1200P按國(guó)標(biāo)A2、機(jī)房資源分析780110kV50000kVA統(tǒng)和UPSUPS46RT（3用1備3、項(xiàng)目方案二層機(jī)房空調(diào)系統(tǒng)為冷凍水空調(diào)系統(tǒng)，空調(diào)末端采用房間容量為5000kVA，暫時(shí)無法擴(kuò)容，故本項(xiàng)目不改變?cè)O(shè)計(jì)中機(jī)房總顯冷量和市電容量。12kW/UPSPDU四層液冷智算機(jī)房新建板式液冷機(jī)柜的單機(jī)柜功耗為48kW30（CDU四層液冷智算機(jī)房隔壁模塊機(jī)房改造為液冷設(shè)備間，新增ITUPS2N630A11U4、項(xiàng)目亮點(diǎn)(1)本項(xiàng)目智算芯片終局規(guī)劃同時(shí)采用風(fēng)冷、液冷2種制冷形式，可滿足后續(xù)擴(kuò)容工程不同智算生態(tài)廠家設(shè)備的機(jī)房安裝需求。(2)本期屋面新建冷卻塔采用鋼結(jié)構(gòu)架空，相比傳統(tǒng)的混凝土(1)本項(xiàng)目智算芯片終局規(guī)劃同時(shí)采用風(fēng)冷、液冷2種制冷形式，可滿足后續(xù)擴(kuò)容工程不同智算生態(tài)廠家設(shè)備的機(jī)房安裝需求。(2)本期屋面新建冷卻塔采用鋼結(jié)構(gòu)架空，相比傳統(tǒng)的混凝土結(jié)構(gòu)，鋼結(jié)構(gòu)重量較輕，施工工期較短，抗震性能較好。同時(shí)，鋼材作為一種可回收材料，更能彰顯本項(xiàng)目綠色智算中心的特點(diǎn)。PUEIT技術(shù)選型下表為典型的國(guó)內(nèi)外服務(wù)器及芯片的關(guān)鍵參數(shù)：表17國(guó)內(nèi)外主流CPU/GPU服務(wù)器對(duì)比表型號(hào)類型芯片性能服務(wù)器容量制冷選型序號(hào)類型廠商GPU型號(hào)單芯片算力內(nèi)存帶寬單臺(tái)功率單臺(tái)空間風(fēng)冷液冷1國(guó)產(chǎn)華為8*Atlas300IA270TOPS（INT8）32GBHBM800GB/s4U?推理為主35TFLOPS（FP16）28*Atlas300IPro140TOPS（INT8）24GBHBM204.8GB/s4U?推理為主70TFLOPS（FP16）38*Ascend910512TOPS（INT8）512GBHBM6.4TB/s5.3kW4U??訓(xùn)練為主256TFLOPS（FP16）4海光8*K100200TOPS（INT8）64GBGDDR6??訓(xùn)練為主100TFLOPS（FP16）58*K100_AI400TOPS（INT8）64GBGDDR65.5kW4U??訓(xùn)練為主196TFLOPS（FP16）6寒武紀(jì)8*MLU370-X4256TOPS（INT8）24GBHBM307.2GB/s2.2kW4U?推理為主24TFLOPS（FP32）78*MLU370-X8256TOPS（INT8）48GBHBM614.4GB/s3.5kW4U?訓(xùn)練為主24TFLOPS（FP32）84*MLU290-M5512TOPS（INT8）32GBHBM1228GB/s4U?訓(xùn)練為主64TOPS（CINT32）98*MLU590136.8TOPS（INT8）16GBHBM2E128GB/s7.2kW??訓(xùn)練為主17.1TOPS（FP32）10進(jìn)口英偉達(dá)8*HGXB2004500TFLOPS（INT8）1536GB14.4TB/s14kW?推理為主2250TFLOPS（FP16）118*H100【SXM】3958TOPS（INT8）990TFLOPS（FP16）80GBHBM【SXM3TB/s【Pcle2TB/s10.5kW?私改推理為主【PCie】3200TOPS（INT8）800TFLOPS（FP16）128*H800【SXM】3958TOPS（INT8）990TFLOPS（FP16）80GBHBM【SXM】3.35TB/s【Pcle】2TB/s10.5kW?私改訓(xùn)練為主【PCie】3026TOPS（INT8）757TFLOPS（FP16）138*H20296TFLOPS（INT8）96GBHBM4.0TB/s8kW?訓(xùn)練為主148TFLOPS（FP16）148*L20PCie239TFLOPS（INT8）48 GDDR6withECC864GB/s?推理為主119.5TFLOPS（FP16）158*A100【SXM】624TOPS（INT8）80GBHBM2e【SXM】2039GB/s6.3kW??訓(xùn)練為主312TFLOPS（FP16）【Pcle】1935GB/s【PCle】624TOPS（INT8）312TFLOPS（FP16）168*A8001248TOPS（INT8）80GBHBM2039GB/s6.3kW4U??推理為主19.5T（FP32）178*A40299.3|598.6TOPS（INT8）48 GDDR6withECC696GB/s?訓(xùn)練為主149.7|299.4TFLOPS（FP16）188*A30330|661TOPS（INT8）24GBHBM2933GB/s?訓(xùn)練為主165|330TFTFLOPS（FP16）198*A10250|500TOPS（INT8）24GBGDDR6600GB/s?推理為主125|250TFTFLOPS（FP16）注：廠商未全面羅列，表中相關(guān)數(shù)值僅供參考，具體以各廠商最新測(cè)試數(shù)據(jù)為準(zhǔn)。Atlas300IA2Atlas300IPro較低的價(jià)格；劣勢(shì)是適用場(chǎng)景有一定限制，訓(xùn)練性能相對(duì)較低。而Ascend910MLU370-X8和MLU370-X4MLU290-M5K100T100A100英偉達(dá)相關(guān)系列芯片整體表現(xiàn)優(yōu)異，但在液冷支持上存在短板，后期改造可能存在成本、殘次（殘次率部分場(chǎng)景達(dá)到20%以上，需關(guān)注）等問題。此外，上表中未列出的一些其他芯片廠商，典型包括摩爾線程、壁任科技等，在渲染場(chǎng)景的表現(xiàn)也不俗。(三) 智算中心建設(shè)成本分析同等算力需求不同建設(shè)形態(tài)下的關(guān)鍵指標(biāo)對(duì)比分析測(cè)算背景（0（3800015A800顯卡，單卡0fp（U服務(wù)器插8冷板式12kW24kW（24KW。測(cè)算思路IT中IT圖41建設(shè)成本測(cè)算要素ITIT圖42建設(shè)成本測(cè)算邏輯本次測(cè)算要充分不同場(chǎng)景下投資差異對(duì)比分析：數(shù)據(jù)中心與智算中心對(duì)比：ITA100改造與新建智算中心對(duì)比：在基礎(chǔ)設(shè)施側(cè)與網(wǎng)絡(luò)安全方面存在較風(fēng)冷與液冷制冷方案對(duì)比：在基礎(chǔ)設(shè)施側(cè)與IT側(cè)均存在較大差異，其中基礎(chǔ)設(shè)施側(cè)，液冷建設(shè)面積縮小，土建總體造價(jià)相應(yīng)降低，機(jī)電配套單位成本受制冷方式影響有較大上升；IT側(cè)需配定制化服務(wù)器，投資成本相應(yīng)較大上浮。測(cè)算結(jié)果1、能耗節(jié)約（能耗密度大：智算中心功率為數(shù)據(jù)中心的2、容量減小（算力密度大：智算中心面積為數(shù)據(jù)中心的1，新建智算中心則相對(duì)更小。3、單位面積的投資密度大、基礎(chǔ)設(shè)施投資大幅降低：IT4、液冷智算中心投資更大、面積更小：相較于風(fēng)冷，液冷投資增加約18，改造場(chǎng)景下面積縮小約18，新建場(chǎng)景下面積更小，縮小約30。表18 300P（FP32）同等算力情況下序號(hào)指標(biāo)名稱數(shù)據(jù)中心估算改造智算新建智算一IT總功率（kW）324001040012656二總建設(shè)面積（㎡）558001964516875配套：機(jī)房側(cè)1:23/2:13/2:1三總投資（萬元）902005324582337678四單KW投資（萬元）273126單位面積投資（萬元）162020（一）基礎(chǔ)設(shè)施側(cè)投資（萬元）927004184439379（二）IT側(cè)投資（萬元）809305282738298299表19新建數(shù)據(jù)中心測(cè)算表序號(hào)指標(biāo)名稱估算結(jié)果投資占比一IT總功率（kW）32400/二總建設(shè)面積（㎡）55800/三總