智能算力規模增長超七成釋放啥信號

核心閲讀

伴隨大模型和生成式人工智能等的發展，我國智能算力規模增長迅速。在一系列利好措施的推動下，各方大力推進算力資源佈局建設，智能算力行業落地應用速度不斷加快，反映了市場的迫切需求，也體現了中國企業在全球人工智能競賽中的積極佈局和投入。

電影中的特效、渲染和生活中常用的生成式人工智能、人臉識別、即時翻譯等，都離不開智能算力的支撐。當前，大模型和生成式人工智能正不斷提高算力需求。

近日，國際數據公司（IDC）與浪潮信息聯合發佈《2025中國人工智能計算力發展評估報告》。報告顯示，我國智能算力增速高於預期。2024年，我國智能算力規模達725.3百億億次/秒（EFLOPS），同比增長74.1%；市場規模達到190億美元，同比增長86.9%。

算力結構進一步演化，智能算力規模持續擴大

山東濟南，一個大型智算中心的建設現場，一個個集裝箱“大塊頭”在吊臂的牽引下，緩緩上升、移動，最終在預定位置落地。智能計算中心像“搭積木”一樣，很快拼接成型、完成搭建。

這座由119個預製化集裝箱拼接而成的浪潮信息元腦“算力工廠”，從開始建設到正式投運僅用了120天。浪潮信息副總經理趙帥介紹：“我們將機電設備在工廠預集成、預測試，裝到集裝箱裏，然後吊裝堆疊，最後接入市電、網絡和水源，即可獨立運行。”

作為數字經濟發展的重要底座，算力主要分為超算算力、通用算力和智能算力等類型。其中，智能算力專為人工智能應用設計，支持人工智能算法模型訓練與運行。當前，各行各業對智能算力的需求與日俱增。

120天建成的“算力工廠”，是我國智能算力規模快速增長的一個縮影。“2024年，中國智能算力增速是同期通用算力的3倍以上。”IDC中國副總裁周震剛介紹。

近年來，從國家到地方再到各類經營主體，都在大力推進算力資源佈局建設。去年的《政府工作報告》提出，“適度超前建設數字基礎設施，加快形成全國一體化算力體系，培育算力產業生態。”工業和信息化部等六部門發佈的《算力基礎設施高質量發展行動計劃》提出，“逐步合理提升智能算力佔比”。一系列利好措施的推動下，我國智能算力規模不斷增長，服務模式持續完善，軟硬件生態逐步構建，綠色低碳發展格局加速形成。

周震剛説：“預計未來兩年，中國智能算力規模仍將保持高速增長，其中2025年將較2024年增長43%，2026年將達到2024年的兩倍。”

“到2027年，推理算力在國內人工智能算力架構中的佔比將大幅提升，會帶動算力結構進一步改變。這有利於推動人工智能大模型商業化落地。”中國信息通信研究院人工智能研究所所長魏凱説。

落地應用速度加快，大量企業主動“擁抱”大模型

當前，智能算力行業落地應用速度加快，大量企業主動“擁抱”大模型。IDC開展的一項調研顯示，42%的企業開始進行大模型的初步測試和重點概念驗證，17%的企業已經將技術引入生產階段，並應用於實際業務中。

製造業場景複雜、門類繁多，數據量龐大且碎片化，導致大模型在製造業面臨落地難、成本高等問題。“比如在質檢領域，我們要獲取全部的缺陷樣本非常困難。”思謀科技創始人賈佳亞介紹。

“過去，收集各種缺陷類型，需要工廠的生產線運轉兩三個月；如今，藉助我們發佈的工業多模態大模型的深度學習能力，一般只需要一個星期甚至更短的時間。”賈佳亞説，這款大模型已累計生成上百種缺陷類型，並在消費電子和新能源等領域廣泛應用。

對大模型及生成式人工智能需求的日益增長，正顯著推動我國人工智能算力基礎設施快速發展，促使企業通過應用高性能計算設備、優化數據中心基礎設施、提升存儲和網絡能力等，進一步支持複雜的人工智能運算任務。

除了自建智能算力基礎設施，很多企業還通過購買雲計算服務實現智能化轉型。華為雲大數據與人工智能領域總裁尤鵬介紹，華為雲盤古大模型已在30多個行業、400多個場景中落地，覆蓋製造、醫藥研發、煤礦、鋼鐵等多個行業領域。

“當前，人工智能在互聯網、金融、製造等領域的滲透度持續增加，不僅反映了市場對先進人工智能技術的迫切需求，還體現了中國企業在全球人工智能競賽中的積極佈局和投入。”周震剛説。

多樣化需求對算力發展提出新要求

按照設定好的環境、燈光、材質及渲染參數，以逼真的方式將三維場景中的模型呈現在二維屏幕上……影視作品中，纖毫畢現的細節、精彩絕倫的畫面，都離不開渲染。智能算力的發展，為其提供了算力保障。

“我們為《哪吒之魔童鬧海》中1900多個特效鏡頭提供了渲染算力的支持。”貴州貴安新區科創產業發展有限公司技術研發部項目經理劉廷娟介紹，強大的算力支持不僅能縮短影片製作週期，還讓質量更有保障。

算力源自貴安新區超級計算中心，一排排服務器機櫃在這裏整齊矗立、高速運轉。1秒鐘，數據在這裏就可運算3億億次，可與北京、上海、廣州等38座城市實現網絡直聯。

不只在影視渲染領域，當前不同行業和應用場景的多樣化需求，對算力發展提出了新要求。

“金融行業需要高安全性和低延遲的計算環境，醫療行業需要處理大量醫學影像數據，製造業需要實現即時生產優化，互聯網行業需要處理大規模用户數據和內容推薦等。”浪潮信息高級副總裁劉軍舉例，這些需求對算力底層架構提出了高性能、低延遲、高安全性、可擴展性和成本效益等要求，“通過資源池化、智能調度、多租户支持、異構計算和邊緣計算等技術，人工智能算力基礎設施能夠靈活應對這些需求，從而推動人工智能技術在各行業廣泛應用。”

業內專家表示，在經歷了一定時間的算力規模積累後，中國算力產業的發展關鍵在於如何實現從量變到質變的跨越。在持續擴大算力規模、達成供需平衡的同時，還需要解決各行業應用算力中的難點，比如存、算、網資源不匹配，異構智算的管理與運維難題，算力與真實應用場景之間的深度結合等，以實現從擴大算力規模到高質量釋放算力價值的轉變。