[智能应用]智能算力规模增长超七成释放啥信号[1P] [复制链接]

            

  
　　数据来源：国际数据公司（IDC）
　　　　

　　电影中的特效、渲染和生活中常用的生成式人工智能、人脸识别、即时翻译等，都离不开智能算力的支撑。当前，大模型和生成式人工智能正不断提高算力需求。
　　近日，国际数据公司（IDC）与浪潮信息联合发布《2025中国人工智能计算力发展评估报告》。报告显示，我国智能算力增速高于预期。2024年，我国智能算力规模达725.3百亿亿次/秒（EFLOPS），同比增长74.1%；市场规模达到190亿美元，同比增长86.9%。
　　算力结构进一步演化，智能算力规模持续扩大
　　山东济南，一个大型智算中心的建设现场，一个个集装箱“大块头”在吊臂的牵引下，缓缓上升、移动，最终在预定位置落地。智能计算中心像“搭积木”一样，很快拼接成型、完成搭建。
　　这座由119个预制化集装箱拼接而成的浪潮信息元脑“算力工厂”，从开始建设到正式投运仅用了120天。浪潮信息副总经理赵帅介绍：“我们将机电设备在工厂预集成、预测试，装到集装箱里，然后吊装堆叠，最后接入市电、网络和水源，即可独立运行。”
　　作为数字经济发展的重要底座，算力主要分为超算算力、通用算力和智能算力等类型。其中，智能算力专为人工智能应用设计，支持人工智能算法模型训练与运行。当前，各行各业对智能算力的需求与日俱增。
　　120天建成的“算力工厂”，是我国智能算力规模快速增长的一个缩影。“2024年，中国智能算力增速是同期通用算力的3倍以上。”IDC中国副总裁周震刚介绍。
　　近年来，从国家到地方再到各类经营主体，都在大力推进算力资源布局建设。去年的《政府工作报告》提出，“适度超前建设数字基础设施，加快形成全国一体化算力体系，培育算力产业生态。”工业和信息化部等六部门发布的《算力基础设施高质量发展行动计划》提出，“逐步合理提升智能算力占比”。一系列利好措施的推动下，我国智能算力规模不断增长，服务模式持续完善，软硬件生态逐步构建，绿色低碳发展格局加速形成。
　　周震刚说：“预计未来两年，中国智能算力规模仍将保持高速增长，其中2025年将较2024年增长43%，2026年将达到2024年的两倍。”
　　“到2027年，推理算力在国内人工智能算力架构中的占比将大幅提升，会带动算力结构进一步改变。这有利于推动人工智能大模型商业化落地。”中国信息通信研究院人工智能研究所所长魏凯说。
　　落地应用速度加快，大量企业主动“拥抱”大模型
　　当前，智能算力行业落地应用速度加快，大量企业主动“拥抱”大模型。IDC开展的一项调研显示，42%的企业开始进行大模型的初步测试和重点概念验证，17%的企业已经将技术引入生产阶段，并应用于实际业务中。
　　制造业场景复杂、门类繁多，数据量庞大且碎片化，导致大模型在制造业面临落地难、成本高等问题。“比如在质检领域，我们要获取全部的缺陷样本非常困难。”思谋科技创始人贾佳亚介绍。
　　“过去，收集各种缺陷类型，需要工厂的生产线运转两三个月；如今，借助我们发布的工业多模态大模型的深度学习能力，一般只需要一个星期甚至更短的时间。”贾佳亚说，这款大模型已累计生成上百种缺陷类型，并在消费电子和新能源等领域广泛应用。
　　对大模型及生成式人工智能需求的日益增长，正显著推动我国人工智能算力基础设施快速发展，促使企业通过应用高性能计算设备、优化数据中心基础设施、提升存储和网络能力等，进一步支持复杂的人工智能运算任务。
　　除了自建智能算力基础设施，很多企业还通过购买云计算服务实现智能化转型。华为云大数据与人工智能领域总裁尤鹏介绍，华为云盘古大模型已在30多个行业、400多个场景中落地，覆盖制造、医药研发、煤矿、钢铁等多个行业领域。
　　“当前，人工智能在互联网、金融、制造等领域的渗透度持续增加，不仅反映了市场对先进人工智能技术的迫切需求，还体现了中国企业在全球人工智能竞赛中的积极布局和投入。”周震刚说。
　　多样化需求对算力发展提出新要求
　　按照设定好的环境、灯光、材质及渲染参数，以逼真的方式将三维场景中的模型呈现在二维屏幕上……影视作品中，纤毫毕现的细节、精彩绝伦的画面，都离不开渲染。智能算力的发展，为其提供了算力保障。
　　“我们为《哪吒之魔童闹海》中1900多个特效镜头提供了渲染算力的支持。”贵州贵安新区科创产业发展有限公司技术研发部项目经理刘廷娟介绍，强大的算力支持不仅能缩短影片制作周期，还让质量更有保障。
　　算力源自贵安新区超级计算中心，一排排服务器机柜在这里整齐矗立、高速运转。1秒钟，数据在这里就可运算3亿亿次，可与北京、上海、广州等38座城市实现网络直联。
　　不只在影视渲染领域，当前不同行业和应用场景的多样化需求，对算力发展提出了新要求。
　　“金融行业需要高安全性和低延迟的计算环境，医疗行业需要处理大量医学影像数据，制造业需要实现实时生产优化，互联网行业需要处理大规模用户数据和内容推荐等。”浪潮信息高级副总裁刘军举例，这些需求对算力底层架构提出了高性能、低延迟、高安全性、可扩展性和成本效益等要求，“通过资源池化、智能调度、多租户支持、异构计算和边缘计算等技术，人工智能算力基础设施能够灵活应对这些需求，从而推动人工智能技术在各行业广泛应用。”
　　业内专家表示，在经历了一定时间的算力规模积累后，中国算力产业的发展关键在于如何实现从量变到质变的跨越。在持续扩大算力规模、达成供需平衡的同时，还需要解决各行业应用算力中的难点，比如存、算、网资源不匹配，异构智算的管理与运维难题，算力与真实应用场景之间的深度结合等，以实现从扩大算力规模到高质量释放算力价值的转变。

智能算力规模增长超七成释放的信号
智能算力规模增长的背景和意义
智能算力规模的快速增长，特别是超过七成的增长率，标志着中国在人工智能领域的重大进展。这一增长不仅反映了市场对先进人工智能技术的迫切需求，也体现了中国企业在全球人工智能竞赛中的积极布局和投入12。

大模型和生成式人工智能的发展驱动
智能算力的增长主要得益于大模型和生成式人工智能的快速发展。这些技术对算力的需求日益增长，推动了智能算力规模的快速扩张3。

国家和地方政策的支持
国家到地方再到各类经营主体，都在大力推进算力资源布局建设。例如，《算力基础设施高质量发展行动计划》提出逐步合理提升智能算力占比，这一系列利好措施有效促进了智能算力规模的增长5。

智能算力规模增长的具体数据和趋势
市场规模和增长速度
2024年，我国智能算力市场规模达到190亿美元，同比增长86.9%。智能算力规模达725.3百亿亿次/秒(EFLOPS)，同比增长74.1%3。这一增长速度远超预期，显示出中国智能算力市场的强劲动力。

算力结构的演化
随着智能算力规模的持续扩大，算力结构也在进一步演化。预计未来两年，中国智能算力规模仍将保持高速增长，其中2025年将较2024年增长43%，2026年将达到2024年的两倍5。

智能算力增长带来的影响和应用场景
行业落地应用加速
智能算力行业落地应用速度加快，大量企业主动拥抱大模型。IDC的一项调研显示，42%的企业开始进行大模型的初步测试和重点概念验证，17%的企业已经将技术引入生产阶段，并应用于实际业务中5。

各行业的广泛应用
智能算力在互联网、金融、制造等领域的渗透度持续增加。例如，华为云盘古大模型已在30多个行业、400多个场景中落地，覆盖制造、医药研发、煤矿、钢铁等多个行业领域5。

对数字经济的推动作用
智能算力作为数字经济发展的重要底座，其规模的快速增长有助于推动人工智能大模型商业化落地，从而促进整个数字经济的发展5。

未来展望和挑战
持续增长的预期
预计未来两年，中国智能算力规模仍将保持高速增长。到2027年，推理算力在国内人工智能算力架构中的占比将大幅提升，带动算力结构进一步改变5。

需要解决的挑战
在经历了一定时间的算力规模积累后，中国算力产业的发展关键在于如何实现从量变到质变的跨越。需要解决各行业应用算力中的难点，比如存、算、网资源不匹配，异构智算的管理与运维难题，算力与真实应用场景之间的深度结合等5。

总之，智能算力规模增长超七成释放的信号表明中国在人工智能领域的快速发展势头强劲，不仅满足了市场需求，也展示了中国在全球人工智能竞赛中的积极布局和投入。

　　智能算力：支撑人工智能发展的基石

　　在当前数字化转型的浪潮中，智能算力作为数字经济发展的重要底座，正发挥着越来越重要的作用。从电影中的特效渲染到生活中的生成式人工智能、人脸识别、即时翻译等，智能算力无处不在，支撑着人工智能技术的广泛应用和发展。

　　一、智能算力规模持续增长

　　根据国际数据公司（IDC）与浪潮信息联合发布的报告，我国智能算力增速高于预期，2024年智能算力规模达到725.3百亿亿次/秒，同比增长74.1%，市场规模也达到190亿美元，同比增长86.9%。这一数据不仅显示了我国智能算力规模的快速增长，也反映了市场对智能算力的巨大需求。

　　智能算力的快速增长，得益于从国家到地方再到各类经营主体对算力资源布局建设的大力推进。一系列利好措施的推动下，我国智能算力规模不断增长，服务模式持续完善，软硬件生态逐步构建，绿色低碳发展格局加速形成。预计未来两年，中国智能算力规模仍将保持高速增长，其中2025年将较2024年增长43%，展现出强劲的发展势头。

　　二、行业应用加速落地

　　随着智能算力行业落地应用速度的加快，大量企业开始主动“拥抱”大模型。IDC的调研显示，已有42%的企业开始进行大模型的初步测试和重点概念验证，17%的企业更是已经将技术引入生产阶段，并应用于实际业务中。这一趋势不仅反映了市场对先进人工智能技术的迫切需求，也体现了中国企业在全球人工智能竞赛中的积极布局和投入。

　　在制造业领域，大模型及生成式人工智能的应用正逐步解决行业面临的落地难、成本高等问题。例如，思谋科技通过发布的工业多模态大模型，利用深度学习能力，显著缩短了缺陷样本的收集时间，提高了质检效率。同时，华为云等云计算服务商也通过提供高性能的计算设备和优化的数据中心基础设施，支持复杂的人工智能运算任务，推动企业智能化转型。

　　三、多样化需求推动算力发展

　　不同行业和应用场景的多样化需求对算力发展提出了新要求。影视渲染需要强大的算力支持以缩短制作周期和提高质量；金融行业需要高安全性和低延迟的计算环境；医疗行业需要处理大量医学影像数据；制造业需要实现实时生产优化；互联网行业则需要处理大规模用户数据和内容推荐等。这些需求对算力底层架构提出了高性能、低延迟、高安全性、可扩展性和成本效益等要求。

　　为满足这些多样化需求，人工智能算力基础设施正在不断升级和完善。通过资源池化、智能调度、多租户支持、异构计算和边缘计算等技术，算力基础设施能够灵活应对各行业的需求变化，推动人工智能技术在各行业的广泛应用。

　　四、未来展望：从量变到质变

　　在经历了一定时间的算力规模积累后，中国算力产业的发展关键在于如何实现从量变到质变的跨越。这不仅需要持续扩大算力规模、达成供需平衡，还需要解决各行业应用算力中的难点问题。例如，存、算、网资源不匹配的问题需要通过优化资源配置和协同管理来解决；异构智算的管理与运维难题则需要通过智能化的管理平台和工具来应对；而算力与真实应用场景之间的深度结合则需要加强产学研用合作，推动技术创新与应用场景的深度融合。

　　总之，智能算力作为支撑人工智能发展的基石，正面临着前所未有的发展机遇和挑战。通过加强算力基础设施建设、推动技术创新与应用落地、优化资源配置和协同管理等方面的努力，我们有望实现从扩大算力规模到高质量释放算力价值的转变，为数字经济的蓬勃发展提供强有力的支撑。