2025年中国人工智能计算力发展评估报告.pdfVIP

2025年

中国人工智能计算力

发展评估报告

目录

核心观点01

第一章全球及中国人工智能发展概述03

1.1全球：生成式人工智能成为重要新型工作负载，人工智能算力呈现五大发展趋势04

1.2中国：系统性提高算力效能，加速智能涌现和智能应用09

第二章人工智能算力及应用14

2.1芯片和服务器：向高性能与高效能方向演进，重视开放多元体系建设15

2.2存储和网络：分布式存储与全闪存提升性能，先进网络架构优化数据访问速度17

2.3可持续数据中心：液冷技术成为关注重点，聚焦智能算力散热革命18

2.4边缘计算：大模型的部署向边缘迁移，智慧边缘加速模型推理19

2.5算法和模型：算法创新与模型迭代解锁更高算力利用率，实现卓越性能与效率21

2.6人工智能算力服务：构建全栈服务体系，加速大模型应用落地22

2.7应用：积极探索人工智能应用场景，加速智能对于业务发展的价值转化23

第三章人工智能算力发展评估32

3.1行业排名33

3.2地域排名35

第四章IDC建议40

核心观点

核心观点

算法是驱动是人工智能发展的核心引擎，决定了应用的智能上限，也牵引着算力的发展。

2024年，o系列、Llama3、通义千问、R1等大模型不断升级，尤其是DeepSeekR1系列模

型的发布，正是基于算法层面的极大创新，对中国乃至全球的人工智能产业带来深刻变革。

一方面DeepSeek采用了大规模强化学习、多头注意力机制等算法创新，智能水平在美国高

中数学竞赛邀请赛AIME、博士水平科学问答等测试中榜单上接近甚至超过了OpenAI的o1模

型；另一方面，DeepSeekR1算法的创新也带来训练和推理阶段算力消耗的降低，训练算力

只有Llama3的1/10，推理阶段缓存数据量降低了50倍，为在算力约束的条件下进行AI算法

创新提供了一个全新思路，吸引了全球开发者，7天实现了活跃用户数破亿。

规模法则（Scalinglaw）在当前人工智能发展中仍然占主导地位，推高人工智能算力需求。

目前规模法则正在从预训练扩展到了后训练和推理阶段，基于强化学习、思维链等算法创新

在后训练和推理阶段更多的算力投入，可以进一步大幅提升大模型的深度思考能力。同时基