人工智能算力基础设施赋能研究报告（2025年）

专题报告 1 3 4 6 7 7 8 9 10 14 17 19 22 23 24 25 26 28 29 301一、人工智能算力基础设施演进态势（一）技术创新：三位一体智算设施升级储单元构成的异构计算/存储集群，通过高速互联网络实现近乎线性超节点作为智算集群化发展的关键技术之一，正逐渐成为行业焦点。2当前探索的技术热点领域。我国正通过构建“物理网络+虚拟网络”3逐步启动干线场景规模部署，对于更高速率的传输技术，业界加快（二）布局优化：全国智算设施协调发展4（FP16为海量数据计算提供智能底座。与此同时，区域智能算力数西算”战略等大背景下，新建智能算力中心逐渐融入八大枢纽节点（三）产业升级：智算全产业链协同发展4数据来源：上海市经信委5三大运营商的算力布局紧密围绕国家“东数西算”与“人工智能+”“N+X”智算能力布局不断完善，京津冀、长渝等区域首批13个智算中心节点投产，呼级超大规模智算中心高效运营，为AI应用的发展提供了强大的算力超前开展智算建设，重点规划“2+3+7+N+M”的智算布局，建设“中心集群+边缘DC”一体化的AIDC，在内蒙古和贵州打造两个公共智算心和超算集群，重点承载AI训练、高性能计算等需求。中国联通智6以算力为核心的一体化算网融合生态体系，打造数字经济“第一算力引擎”。中国联通上海临港智算中心，凭借在技术创新、绿色低碳与AI大厂纷纷加速布局智算领域，聚焦大规模智算中心建设，注局迅猛，通过“自建+合作”模式，在内蒙古、安徽等重点区域投建槛，在支撑自身前沿研究和多元业务的同时，也向二、人工智能算力基础设施赋能的重要走势7（一）需求场景逐步明晰，促使智算资源优配（二）关键能力逐步聚焦，提升智算服务水准8（三）落地生态逐步聚和，加速智算价值释放三、人工智能算力基础设施需求场景9（一）大模型预训练场景型训练阶段消耗的资源主要集中在预训练阶段，需要数千至上万块占总算力消耗的90-99%。随着基础大模型参数量从国内通信运营商、AI头部厂商积极建设万卡智算集群，持续研级”认证的国产万卡集群，可同时承载多个千亿参数大模型的全量训地方可以通过快速整合当地计算资源满足模型微调需求；另一方面，（三）大模型推理场景端智能助手需要大量的实时计算资源来支持用户的高并发请求和快专用于推理的智算中心持续涌现。杭州灵汐类脑智算集群已于PD分离调度、KVcache优化、集合通信优化、度的调优策略，DeepSeek671B模四、人工智能算力基础设施关键能力（一）基础支撑能力表1智算中心基础支撑能力重点指标能力基础支撑能力服务在所有用户请求中每秒可生成的程夸娥（KUAE）智算中心实现了系统级全栈协同优化，覆盖硬件、（ModelFLOPSUtilization）是一个用于评估人工智能加速器在模型模型推理对智算卡的内存和通信带宽有强要求。对于推理场景，同时推理结果能够及时传输回应用程序，以减少数据传输时间损耗。由于推理过程主要是基于已训练好的模型对输入数据进行处理和输（二）创新服务能力表2智算中心创新服务能力重点指标能力创新服务能力能力表3智算中心运营保障能力重点指标能力运营保障能力能力内外20个算力中心共3555P智算资源，其中市外团队对各类智算中心主体的训练卡与推理卡服务价格进行了调研与五、人工智能算力基础设施落地生态（一）智算与数据要素协同（二）智算与模型算法协同模型”一体化模式，不仅为科研机构与企业提供了从训练推理到场景育、医疗卫生等重点领域形成规模化赋能效应，为培育新质生产力、重庆人工智能创新中心将自身昇腾Atlas系列硬件深度适配础模型、AI算力到服务部署的全链条国产化服务能力。武陵山（利川）人工智能计算中心于2025年2月宣布完成国产开源大模型（三）智算与跨域智算协同推进跨域智算互联协同，是智算中心运营能力跃升的重要探索。练处理过程中会存在部分数据样本安全问题，满足数据本地化需（四）智算与行业场景协同建起覆盖数据采集、处理、标注、训练到模型部署的全流程“星环平台”，实现跨集群算力与存储资源的统一调度。截至当前，长安汽车（五）智算与区域产业协同联合孵化面向多场景的解决方案，通过推动“政产学研用”深度融合，万个，已服务40余家用户单位。武汉人工智能计算中心于2021年5台、产业聚合发展平台、科研创新人才培养平台，实现了“政产学研六、发展展望（一）需求场景更加多元、复杂高效的算力与存力需求。AI大模型参数量的指数级增长对算力规模线挖掘痛点与细分场景需求，提供定制化解