2025算力经济绿色发展研究报告

A算力经济绿色发展研究报告 2.3算力产业链 3.2就业拉动效应 253.3投资活跃度 253.4产业赋能 303.5创新能力 4.1算力经济驱动的绿色转型机遇 4.3绿色算力发展的系统性路径 41 43 46 47 485.3算力经济绿色发展指数设计 48 5.5算力经济绿色发展指数指标赋权与评分机制 56.1“算力-经济-绿色”三元关系 6.2算力经济绿色发展困境 566.3系统性发展建议 57 在全球数字经济与“双碳”战略深度融合的时代背景下，算力经济作为新质生产力的核心引擎，正在重构全球经济发展范式。我国数字经济规模突破53.9万亿元、智能算力即将迈入1000EFLOPS量级的重大成就，既展现了数字中国的创新活力，也对可持续发展提出了更高要求。《算力经济绿色发展报告》以前瞻性视野，创新构建了首个融合算力底座、产业效能、融合效能与绿色低碳的完整评价体系，系统性地回应了这一时代命题。报告立足算力经济“数字经济核心引擎”与“绿色发展关键抓手”的双重战略定位，系统性提出以技术创新、能源转型、产业协同、应用拓展为核心的四维支撑体系。其中，芯片作为算力体系的核心载体，其能效水平直接决定了基础设施的绿色化程度。报告提出的芯片级能效革命与架构创新方案，结合从芯片级优化到算力中心绿色运营的全链条技术重构，为破解“算力扩张与能耗增长正相关”的发展桎梏提供了系统性解决方案。同时，报告并未止步于技术层面的突破，而是将视野拓展至更广阔的治理维度，通过制度创新与多方协同，为绿色算力经济构建系统性支撑。以产业联盟凝聚生态合力，推动从技术研发到场景应用的闭环协同；以差异化策略优化空间布局，为“东数西算”工程提供可行落地方案；以“算力-碳汇”机制探索制度创新，创新算力碳交易的理论与实践。当技术创新与治理范式形成共振，“绿色算力”的发展才能突破单一要素限制，释放出更大的系统效能。算力驱动文明进步，绿色引领未来发展。这份报告不仅为算力经济高质量发展提供了重要指引，更通过构建“算力-经济-绿色”深度耦合体系，为可持续发展贡献了中国智慧。期待深圳数据经济研究院持续发挥智库引领作用，推动算力经济迈向高效、集约、绿色的新发展阶段，共同谱写数字经济时代的绿色华章。香港中文大学(深圳)经管学院执行院长Computilityemergesasthemomentummethodologicalbreakthrough,integratinginfrastructuralcpolicymakers,corporateleaders,andinternationacomplexrelationshipbetweeThereport'srigorousanalysisrevimbalances,anddelayedsolutionsspanningenterpriseinnovation,industrycollaboration,policymechanisrequiredtoaligntechnologicalprogresswitstewardshipoperateinsynchrony,ensuringthateconomicgrorecommendations.Thefutureofourdigitalworlddependsonsuchsy香港中文大学(深圳)教授金砖国家新开发银行行长高级顾问推荐寄语当前，全球算力产业正经历从规模扩张向质效提升的关键转型，在数字经济蓬勃发展的浪潮中，算力作为核心生产力的地位日益凸显，而其与碳排放控制的协同推进，已成为衡量行业可持续发展能力的核心命题。在此背景下，这份报告以系统性思维审视算力发展与低碳目标的内在关联，进行了扎实且具有前瞻性的探讨，为报告对新型计算架构的洞察值得关注。其提出的架构创新路径，不仅通过芯片级能效优化、分布式算力调度等技术手段实现了单位算力能耗的显著下降，更从底层逻辑上重构了算力供给与能源消耗的匹配模式—-这种重构打破了“算力增长必然伴随碳排放攀升”的固有认知，为理顺二者动态平衡关系提供了技术范式层面在覆盖维度上，报告展现了对产业生态的全面关照：从移动终端的低功耗设计，到超算中心的液冷技术应用，再到边缘节点的能效优化，构建了全场景低碳治理体系；其首创的绿色发展指数，将架构能效、全生命周期碳足迹等指标纳入评估体系，填补了行业长期以来“重规模增速、轻能效质量”的评估空白，为量化绿色算力发展水平提供了科学标尺；而“绿电动态调度”理念所倡导的跨产业协同模式，通过算力需求侧响应与新能报告中的以下观点值得重点关注：其一架构革新是算力减碳的核心抓手。当前算力发展已进入“质量迭代”将成为降低碳强度的关键突破口。其二，绿色算力评估体系需实现标准化与国际化协同。统一的评估标准是规范行业发展的基础，而国际间的标准协同则能避免技术壁垒与碳核算碎片化，为全球算力低碳合作构建互认框算力是数字文明的基石，低碳是可持续发展的前提。期待这份报告能推动行业形成共识，凝聚政产学研用各方力量，在技术创新与产业实践中探索出算力与低碳协同发展的新路径，让数字世界在智能升级的同时，始金海教授推荐寄语当今世界正迈入以AI人工智能为核心驱动的新阶段，算力已成为驱动数字经济与实体经济深度融合的关键生产力。无论是人工智能、具身智能的前沿探索，还是智能制造与城市治理的创新实践，都离不开高效、绿色、普惠的算力支撑。算力的质量、效率与可持续性，正在成为衡量国家创新能力与产业竞争力的新标尺。作为中国智能计算生态领航者，安谋科技ArmChina始终致力于构建开放、可持续、面向未来的智能计算基石，公司以“AIArmCHINA”为核心发展战略，将AI作为业务发展重心，与Arm紧密合作，依托Arm先进的技术平台与广泛的生态体系，深耕中国本土市场，携手产业链上下游、科研机构与地方政府共建算力创新体系，从智能终端到云端数据中心，从AI训练到边缘推理，推动技术突破与产业协同，助力算力经济高质量发展。当前，AI技术正深度重塑生产关系与社会形态。我们坚信，智能算力不仅是推动技术跃迁的引擎，更是实现绿色低碳转型的关键要素。高效能计算架构、能耗自适应优化、算力调度与资源复用等创新路径，正在推动绿色算力”成为全球科技发展的重要方向。在此背景下，《算力经济绿色发展研究报告》提出的“算力经济绿色发展指数”理念，具有前瞻性意义。它不仅为算力产业的科学评价与政策引导提供了系统框架，也为产业界和学术界探索算力经济的绿色高质量发展提供了量化依据和决策参考。我们高度认同报告倡导的绿色可持续发展理念，这与安谋科技长期坚持的技术自主创新与生态伙伴共赢的价值观高度契合。未来，安谋科技将积极参与算力基建，积极响应“Al+”行动计划，推动智能计算在更广泛的社会场景中落地。以智能赋能产业，以绿色引领未来，我们期待与更多伙伴携手共建开放协同、绿色高效的算力生态，为中国乃至全球智能经济的可持续繁荣贡献力量。陈锋安谋科技(中国)有限公司CEO导读作为新质生产力的重要代表，算力正日益成为支撑数字经济发展的核心引擎。在大数据、人工智能、云计算等新兴领域的广泛应用下，算力正逐渐演变为一种新型经济形态——算力经济，其深刻影响着产业结构、区域布局与国家竞争力。数据显示，2023年中国数字经济规模突破53.9万亿元，占GDP比重达到42.8%;2024年中国智能算力规模达725.3EFLOPS,预计2025年突破1000EFLOPS,带动关联产业规模超10万亿元。在数字化转型进入深水区的当下，算力经济正以前所未有的速度成为推动高质量发展的关键力量。算力路由、高通量数据传输等创新技术推动计算范式向智能计算演进；算法层面，以DeepSeek为代表的突破性创新正重塑AI产业格局并反哺计算架构升级；标准层面，《算力互联互通标准体系1.0》通过统一硬件接口与软件平台互操作性构建了产业协同基础；基础设施方面，全国250余个智算中心加速建设，以“多元算力+共同推动算力经济进入技术突破与政策赋能双轮驱动的高质量发展阶段，持续强化算力作为数字经济核心生产算力经济还展现出强劲的“倍增效应”。研究表明，每投入1元算力可直接带动3-4元GDP增长，其价值不仅体现在数字产业扩张上，更通过三大路径深度赋能经济发展：一是推动传统产业数字化转型，二是催生新兴业态，三是持续提升全要素生产率。当前，我国数字经济全要素生产率对经济增长的贡献率已达22.5%,数区域经济重构、资本活力激发和创新强度提升等方面持续释排减少、流程优化，如“灯塔工厂”应用实现单位产值能耗下降15%;另一方面，智能调度、数字孪生、算法建以说，算力经济不仅是经济增长的新引擎，然而，必须清醒认识到，算力经济的快速发展正面临日益凸显的结构性矛盾与绿色转型压力。首先，当前全球数据中心能耗占比已达1.5%-2%,据预测，到2030年我国Al算力中心年用电量将突破4300亿千瓦时，能耗问题日趋严峻。其次，区域资源配置失衡问题突出，东部地区承担全国70%以上的算力需求，但绿电使用率不足30%;而西部地区虽清洁能源丰富，却因基础设施不足导致资源转化率低下。更为关键的是，行业整式普遍存在，绿色低碳技术的应用也明显滞后。这些矛盾深刻反映出当前算力经济高速增长与绿色发展目标之在算力经济高速发展与绿色转型的双重诉求下，构建科学完善的评价体系已成为区域发展的当务之急。为破解这一关键命题，深圳数据经济研究院携手全球计算联盟及安谋科技(中国)有限公司，先后走访深圳数据键维度全面刻画算力发展质量：在算力底座维度，重点评估基础设施供给能力与技术水平；产业效能维度衡量算力对经济增长的贡献度；融合效能维度考察算力应用的广度与深度；绿色低碳维度则聚焦环境绩效与可持续基于GDICE指数对全国30个重点城市的评估结果显示，我国算力经济发展呈现出明显的梯度特征：深圳、北京、杭州组成的第一梯队，在创新要素集聚、技术研发能力和绿色转型方面表现突出；上海、广州等城市构成的中坚力量，在应用场景拓展方面优势明显，但绿色低碳发展相对滞后；昆明、潍坊等15个城市则面临基础设施与创新要素的双重挑战。深入分析各维度表现发现：北京以87.19分的产业效能领跑全国，彰显其强大的科技创新能力；深圳在融合效能与单位算力产出方面表现优异，展现了数字经济与实体经济深度融合的示范偏弱，仅杭州、深圳等5个城市得分超过40分，反映出当前算力经济发展中“高效能-高排放”的结构性矛盾GDICE指数的建立，不仅填补了我国算力经济综合评价体系的空白，其评估结果更为地方政府制定差异化发展策略、优化资源配置提供了科学依据，推动形成技术创新、标准引领、政策保障、价值循环四位一体的绿色发展新格局。通过精准识别各城市在不同维度的发展优劣势，该指数将有效引导中国算力经济实现从规模扩张向质量提升的战略转型，为数字经济时代的绿色发展提供可复针对GDICE指数揭示的算力经济发展中的结构性矛盾，我们进一步构建了多层次、系统化的解决方案。芯片企业应聚焦能效比提升和异构计算技术创新，推动推理芯片等关键技术的商业化落地；液冷技术供应商需打造集设备、服务、认证于一体的整体解决方案，实现PUE值1.2以下的突破性目标；算力中心运营商则要协同推进绿电采购与智能调度系统建设，持续提升资源利用效率。在产业协同层面，建议组建算力产业创新联盟，完善覆盖芯片研发到终端应用的全产业链生态，同时建立健全贯穿算力设施全生命周期的绿色标准体系。创新强度”三维协同发展的范式跃迁，其绿色发展必须建立在技术创新、能源转型、产业协同和应用拓展的四维支撑体系之上。预计到2030年，中国将率先构建全球首个“算力-经济-绿色”深度耦合的协同发展体系，为数字经济可持续发展贡献中国方案。在这一进程中，技术创新始终发挥着核心驱动作用，以Arm架构为代表的先进计算技术，将持续发挥其高能效设计、全域覆盖能力和安全可信基座优势，通过软硬件协同创新，为算力经济绿色发展研究报告算力经济绿色发展研究报告一、引言1.1.1数字化转型：全球范围内势不可挡的浪潮在全球范围内，数字化转型正以惊人的速度推进。新一代信息技术，如云计算、大数据和人工智能，正在不断迭代升级，并与各行各业深度融合。这一趋势引领着生产要素、组织形态和商业模式的全面变革，使数字经济成为引领经济发展的新动力。习近平总书记强调，要加快发展数字经济，推动其与实体经济的深度融合，在数字经济时代背景下，数字化转型已成为推动产业升级的核心战略。该转型以数据要素为关键支撑，依托云计算基础设施、大数据分析平台及人工智能算法等新一代信息技术，构建起完整的数字技术赋能体系。从实践层面来看，数字化转型通过建立以用户需求为导向的创新机制，系统性重构企业运营模式，涵盖营销体系这种深层次的变革不仅促进了企业创新能力的持续释放，更推动了经济发展范式向高质量、高效率、高动能方从企业来看，数字化转型通过平台化组织模式，整合内外部资源，打破部门壁垒，使企业实现资源优化配置；云计算、物联网和人工智能的使用也使得企业不断实现产品和流程的持续创新，优化客户体验；大数据的使用还可以让企业识别新产品和服务的市场行业上，数字化转型驱动传统产业与数字技术实现深度耦合，通过技术赋能和价值重构双重机制，显著提升产业能级与竞争优势。具体而言，在制造业领域，数字化转型推动生产模式向智能化方向演进，通过工业互联网、数字孪生等技术的深度应用，实现生产效率与产品品质的同步提升。与此同时，这一转型过程催生了以数字经济为核心的新兴产业集群，涵盖数字营销、智慧医疗、工业互联网等多个细分领域，不仅拓展了产业发展边界，还创造了多元化就业机会，为经济结构向高级化、现代社会层面，数字化转型在创造新就业岗位的同时，也促使传统岗位向更高技能方向转型。通过优化生产流程、提高资源配置效率等方式，显著提升了劳动生产率，不仅增加了劳动者收入，还降低了产品价格，扩大了图1:数字化转型框架 算力经济绿色发展研究报告|2025前言》TransformationSpendingGuide),最新数据显示，2023年全球数字化转型投资规模超过2.1万亿美元，2028年预计达到4.4万亿美元(2023-2028年CAGR为15.4%)。随着全球数字化转型市场蓬勃发展，云计算、人工智能、大数据、5G等技术的应用范围不断扩大，全球企业的数字化转型已经来到了持续发展阶段，这也促使了企业不断加大其在数字化转型的投入，以实现更高效、更智能的运营模式，在快速变化的市场中保持领先优势。聚焦中国市场，十八大以来，以习近平同志为核心的党中央高度重视数字经济发展，明确提出数字中国战略，不断出台《数字中国建设整体布局规划》及与数字化相关的“十四五”规划政策加快推动数字经济发展。2024年政府报告首次提出“人工智能+”作为新的发展战略，进一步强调了“人工智能+”对数字经济的重要作用，我国人工智能进入了新的发展阶段。据IDC预计，2028年中国数字化转型支出规模预计达到7,330亿美元，全球约16.7%,五年复合增长率约为15.6%,增速高于数字化转型全球整体增速。在数字经济发展新阶段，我国已构建起包含数字技术创新体系、新型基础设施建设和数据要素价值释放的完整发展格局。这一格局有效支撑了数字经济对实体经济的全方位赋能，成为培育新质生产力的核心驱动力。据《中国数字经济发展研究报告 (2024年)》显示，2023年我国数字经济规模突破53.9万亿元，同比增量达3.7万亿元，增速趋于平稳，标志着数字经济发展已进入规模扩张与质量提升并重的成熟发展阶段。02023202420252026数字化转型市场支出YoY图2:中国数字化转型市场支出预测(2023-2028),来源：IDC中国1.1.2算力经济：数字经济新时代的核心引擎在推动数字经济高质量发展的进程中，数字技术体系的深度应用、新型基础设施的全面建设、智能硬件终端的广泛部署以及数字化服务的创新供给构成了核心支撑体系。其中，算力作为数字时代的基础性生产要素，其发展水平直接决定了数据处理效率、算法模型性能和创新应用边界，已成为衡量数字经济发展水平的关键指标和核心驱动力。算力是指计算设备处理数据的能力，通常以每秒执行的运算次数来衡量(如FLOPS、TOPS等)。算力作为数字经济的“基础设施”,正在从传统的计算能力演变为一种新型经济形态——算力经济。算力经济是指以算力为核心生产要素，通过算力的生产、分配、交换和消费，推动经济增长和社会发展的新型经济形态。它涵盖了从硬件基础设施(如芯片、服务器)到软件服务(如云计算、边缘计算)的全产业链，并深度融入各行各业的数字化转型进程。算力经济不仅是数字经济发展的核心引擎，更是推动社会生产力跃升算力是数字技术创新与应用的关键支撑要素。当前，数字技术呈现出更新迭代速度极快且已经渗透到了各行各业。算力作为数字技术的基础支撑，加速了新技术的创新与落地应用，推动了数字经济向更高层次发展。在新质生产力的发展过程中，算力驱动的技术革新正在算力作为新型生产要素，正成为资本配置的重要导向标。从投资维度来看，算力相关投资涵盖硬件设备采购、基础设施部署、软件服务研发与运营、半导体产业链布局等多个层面，形成了一个完整的投资生态系统。随着算力需求的指数级增长，资本要素正加速向算力领域集聚，这不仅催生了新的投资增长极，更为经济转型从技术赋能视角来看，算力构成了数字技术价值释放的基础支撑体系，是驱动产业范式变革的核心引擎。在全球产业竞争加剧的背景下，各行业算力投入强度持续提升，渗透率不断深化，这种趋势正在重塑产业竞争格局，为传统产业转型升级和新兴产业发展壮根据IDC与浪潮信息联合发布的报告，2024年中国智能算力规模(FR16)达到725.3EFLOPS,预计2025年将达到1037.3EFLOPS,同比增长43%,2026年将达到1460.3EFLOPS。根据IDC报告，2024年中国人工智能算力市场规模达到190亿美元，2025年将达到259亿美元，同比增长36.2%,2028年将达到552亿美元。根据赛迪顾问，数据中心、边缘计算、人工智能、超算等算力核心产业规模2025年将超过1.5万亿元，同比增长接近20%,带动下游智慧城市、智慧医疗、自动驾驶等关联产业规模超过10万亿元。算力经济不仅是数字经济的核心驱动力，更是产业升级和经济增长的重要支撑。在算力持续提升的背景下，围绕算力经济的投资与技术创新将成为未来发展的关键方向。1.1.3算力经济：绿色发展是高质量发展的必然要求随着数字技术向经济社会各领域的深度渗透，算力经济依托数据中心、芯片、云计算平台等基础设施，通过人工智能、区块链等技术赋能各行业，推动产业升级、技术创新和效率提升，成为全球经济增长的新引擎。算力经济的指数级增长伴随着显著的能源消耗与环境外部性。据国际能源署(IEA)研究显示，算力基础设施已成为全球能源消费的重要领域，其中数据中心能耗占比已达全球电力消耗的1.5%-2%。中金公司研究预测表明，到2030年，我国人工智能发展驱动的智能计算中心电力需求可能攀升至4300亿千瓦时，占社会总用电量的4.7%。当前算力基础设施普遍采用电力驱动模式，为确保数据完整性与系统可靠性，即使在低负载状态下仍需维持持续运行，导致能源利用效率低下。实证研究表明，算力设施中仅6%-12%的电力直接用于计算任务，其余大部分能耗用于设备维持运转。这种结构性矛盾凸显了算力经济发展与能源约束之间的紧张关系，推动算力产业向绿色低碳方向转型已成为实现1.1.4绿色算力：推动低碳可持续发展的关键路径绿色算力是指在算力资源的开发、利用和管理过程中，通过技术创新、资源优化和政策引导，最大限度地算力经济绿色发展研究报告|2025前言》技术创新技术创新即通过硬件能效提升与软件算法优化，实现单位算力的能耗最小化；二是低碳化，优先使用清洁能源，减少算力设施的碳排放强度；三是可持续，注重资源循环利用与生态保护，实现算力经济的长期可持续发展；四是赋能性，通过算力技术赋能传统产业绿色转型，推动经济社会全面低碳化。网络设备计算设备网络设备计算设备制冷系统储能系统供配电系统制冷系统储能系统算力供需通路算力供需通路图3:绿色算力框架图，来源：中国信通院i.技术驱动：优化算力基础设施，提升能效比AI产业的蓬勃发展对算力需求的增长提出了更高要求，同时也带来了巨大能耗压力。据斯坦福人工智能研究所测算，ChatGPT-3的单次训练耗电量高达1287兆瓦时，相当于1.7万个美国家庭一天的用电量。随着AI算力集群功耗普遍超过20kW/柜，传统风冷散热方式难以满足需求，倒逼数据中心采用更高效的液冷、氢能供能等新技术，以提升算力设施能效比并降低整体碳排放。ii.能源驱动：优化算能协同布局，推动能源结构转型算力基础设施消耗的电能主要依赖化石燃料，在全球气候变化背景下，其碳排放已成为重要的环境挑战。同时，我国东西部地区存在算力与能源资源供需不均衡的矛盾。东部算力需求旺盛，但可再生能源供给有限；西部清洁能源丰富，但算力基础设施较为薄弱。因此，通过“东数西算”工程优化算力与能源资源匹配，并推动数据中心采用可再生能源，将成为未来算力经济绿色化的重要方向。iii.经济驱动：提升算力利用率，赋能数字经济增长绿色算力不仅有助于降低能耗，还能显著提升算力资源的利用效率，为数字经济带来新的增长动力。根据《中国算力发展指数白皮书》,算力指数每提高1%,数字经济增长3.5‰,GDP将增长1.8‰。随着算力效率的提升，数据处理和智能决策的速度将大幅提高，从而推动产业智能化升级，促进经济高质量发展。1.2研究目的1.2.1构建算力经济绿色发展指数作为经济增长的新动能，算力经济正成为驱动国民经济转型升级的重要引擎。在“双碳”战略目标框架下，在当前经济高质量发展的战略要求下，绿色算力发展水平已成为衡量区域综合竞争力的重要标尺。推动算力增长、经济效益与生态效益的协同优化，构成算力经济可持续发展的核心命题。为系统回应这一重大需求，本报告基于经济学理论框架，创新构建算力经济绿色发展指数(GreenDevelopmentIndexofComputingEconomy,GDICE)),通过“算力底座-产业效能-融合效能-绿色低碳”四位一体的评价维度，建立了一套科算力经济绿色发展指数既关注算力资源配置的经济效率，又强调发展过程的绿色可持续性，致力于在算力推动经济增长的同时，实现环境保护与资源集约的有机统一。通过建立这一多维度的结构化评价框架，该指数可为政府部门制定产业政策、行业机构优化资源配置、企业推进绿色转型提供科学依据与实践指引，全面助力算力经济实现质量变革、效率变革与动力变革，迈向更高质量、1.2.2提供算力经济高质量发展政策建议政府层面：为政府提供全面、科学的指导工具，为地区经济发展增加新的评价维度，从而为政府制定政策产业层面：发挥科技头雁作用，驱动算力核心产业加快技术创新，从芯片、服务器和数据中心等多层次提高算力效能，推动多元异构融合，构建产业生态，协同推动应用部署。算力经济的2.1.1技术突破与创新当下我国算力网络产业正处于蓬勃发展的进程中，回顾算力技术的演进过程，从产业的创新成果来看，共在算力网络架构领域，提出了算力路由技术，实现了算网联合路由，并在国际标准、设备研制及规模验证有效提升了算网资源利用率和降低了时延。而针对智算场景中的算力资源纳管和服务挑战，依托全光运力网等技术，为大规模分布式集群提供了大容量带宽支持，实现了大模型分布式训练的高性能，验证了光传输网络对智算互联的基础支撑作用。此外，针对数据中心网络中AI训练等领域的挑战，通过星织架构实现了超大规模集群组网，并采用自适应流量调优技术，解决了网络拥塞与负载不均问题，保障了数据中心网络的无损、高利在数据传输与网络技术体系方面，基于高通量数据网架构及关键技术体系，超/智算业务承载的高通量解决方案的成立，使得业内首款高通量数据传输系统得以出现，推动了云网融合的演进。完成了现网实验验证，在云网融合与标识技术方面，面向云网深度融合需求，智融标识网络体系的设立，实现了异构云网资源的深度融合与协同。同时构建了业界首个支持多维融合标识的新型智融标识网络系统，完成了广域算力网络的按需确定性传输，为重大活动提供了高质量的通信保障。而为了解决算力网络研究中的高昂成本问题，提出了低成本创新实验平台，通过硬件资源虚拟化等技术，构建了高保真的实验环境，并集成了低资源算力优化技术，此外，近期备受瞩目的DeepSeek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，算法成为驱动人工智能发展的核心引擎，正牵引着算力的发展，也驱动了计算架构和数据中心变革。在计推理工作负载将持续增加，面向应用和推理需求对芯片和系统架构进行设计愈加重要。在数据中心层面，节点故障率随着集群规模增长而上升，数据中心需要更加高效的监控体系和先进的故障恢复机制。同时，数据中心2.1.2技术应用的扩展随着算力的迅猛发展，其未来趋势也与日俱增。目前算力的可扩展性将成为其发展的关键因素之一。而云计算和边缘计算技术的推广，使得算力可以在不同的环境中灵活部署和应用、满足日益增长的数据处理需求。此外，异构计算与自适应计算的兴起，使得算力架构更加多元化，为不同场景下的任务提供了最佳解决方案。且在算力租赁和共享经济模式的推动下，企业不断扩展算力技术的应用边界，使算力经济绿色发展研究报告|2025算力经济的发展态势》人工智能技术正经历从单一场景向多元化应用生态的演进，其行业渗透模式呈现出从通用解决方案向垂直领域深度定制的发展趋势。在这一进程中，具身智能(EmbodiedAl)作为新一代人工智能范式，正在重塑产业应用格局。根据2024年人工智能行业渗透度评估数据显示，互联网、金融、通信服务、制造业和公共服务部门位列前五大应用领域。其中，互联网行业持续保持技术引领地位，在大模型研发、应用创新和产业推广等信息技术与通信上，智能交通系统和自动驾驶汽车对算力的大规模使用推动了算力技术的蓬勃发展，特别是边缘计算和物联网技术的联用，使得大量交通数据得以处理，提高了城市交通效率。而人工智能语音识别中深度学习模型的使用目前也已广泛应用于智能家居和移动设备案例。此外，网络安全防御上，大数据和机器学金融服务上，金融风险评估可以通过大数据分析和机器学习算法进行市场趋势预测和风险管理来优化投资策略，还可以通过数据分析模型评估贷款申请人的信用风险，这在银行得到了大规模使用；金融科技领域可以与区块链技术一起用于创建去中心化的金融应用，如加密货币交易和智能合约；金融交易领域则可以利用高速医疗健康上，Al+医疗行业正面临的快速变革和发展。医疗影像诊断可以利用深度学习技术对医学影像进行自动分析，比如NVIDIA提供的AI平台目前已被用于开发肺癌早期检测系统；而个人健康监测领域，通过可穿戴设备对生理数据的收集，往后的数据分析预测也运用了算力技术；在药物发现与开发领域，目前超算技术●自动加文字.教育-料低起步期爆发期引领期●无人驾驶行李车●机场安防.●智能药物研发..●可预测性维护..数字化水平高2.1.3技术标准化与互操作性技术标准化是推动AI算力行业健康发展的重要基础。随着Al技术的快速发展，算力需求日益增长，标准多个组织和机构正在推进Al算力相关的技术标准制定工作，如IEEE、ISO等，旨在建立全球统一的技术规范，促进国际间的技术交流与合作；而在中国，相关部门和企业也在积极推动算力技术的标准化建设。2024年国2024年12月，《算力互联互通标准体系1.0》由工信部指导，中国通信标准化协会支持，中国信息通信研究院联合50余家行业企业编制的算力互联互通系列标准，为算力互联互通顶层架构设计、统一标识体系、关键互联技术、新型算力服务、行业应用等方向提供规范指引。总体框架规范算力互联互通流程机理、关键技术以及核心架构，算力调度标准规范基于用户业务需求匹配算力资源并调度算力应用和数据的流程，业务互通标准规范保障算力应用跨资源部署运行，数据流动标准规范跨域流动算力应用和数据的能力，算力标识规范定义算力资源基本信息和访问路径的格式，云环境多GPU统一开发框架规范屏蔽GPU调用复杂性等，指导算力服务器等设备能够无缝对接，实现高效的数据传输和处理。例如，NVIDIAProjectDIGITS通过采用ArmCPU核心，为开发者提供了一套高性能的AI桌面系统，促进了硬件层面的互操作性。软件层面：软件层面的互操作性主要通过制定统一的软件接口标准来实现，如API、SDK等，确保不同软件平台之间的数据和功能可以顺畅交互。例如，青云科技与SwanLab的合作，通过深度集成SwanLab,用户可以简单快速地实现大模型训练2.2.1算力基础设施发展概况这一趋势推动了算力体系的全栈式革新，涵盖芯片设计、架构优化和系统集成的完整技术链条。在此过程中，算力产业呈现出规模扩张、技术创新和格局重构的协同演进特征：算力供给规模呈现指数级增长，计算技术路线向多元化方向发展，产业生态格局加速重构，形成了和ASIC等加速芯片用于AI模型训练与推理加速，当前GPU在国内市场中占据主导地位。华为、寒武纪等本土企业在该领域积极研发布局，如华为已经推出了昇腾系列全栈自主、性能优良的产品，能够实现对智能计算的良好支撑。在单服务器节点级，以“CPU+XPU”异构计算范式为主的AI异构服务器，加强CPU与XPU协同，主流服务器产品相对更丰富，浪潮、戴尔等传统服务器厂家基于英特尔CPU+英伟达GPU的组合推出了Al服务器产品，华为及生态伙伴基于其自主研发的AI芯片推出了国产系列AI服务器产品。在多服务供并行计算能力，高性能无损网络+高性能存储为单服务器节点级和多服务器集群级的算力突破提供了重要支芯片级依托加速芯片用于AI模型训练与推理加速，当前GPU占据主导单服务器节点级范式为主的AI异构服务器，加强CPU与XPU协同多服务器集群级AI应用中数据、模型的大型化趋势对智能算力的扩展性提出高要求，资源需要以集群模式部署以提供并行计算能力，高性能无损网络+高性能存储提供重要支撑图5:AI算力的部署层级，来源：中国信通院AI算力基础设施，是基于人工智能专用算力芯片及加速芯片等组成的异构计算架构，以智能计算设施为核心，以智能算力集群为载体，面向人工智能应用场景，提供算力、数据和算法服务的公共基础设施。它需要统筹计算、网络、存储等核心技术，以满足大模型训练的需求。智智算统一运维运营统一算力资源池硬件交换机基础软件基础通讯库图6:AI算力基础设施技术体系，来源：中国信通院构建云-边-端协同创新、计算-存储-传输深度融合的一体化算力服务体系。据《中国人工智能计算力发展评估报告》显示，2024年我国智能算力规模达到725.3EFLOPS(FR16标准),同比增速达74.1%,增速显著高于通用算力(20.6%)的同期水平。展望未来，预计2025年智能算力规模将突破1,037.3EFLOPS,并于2028年达到2,781.9EFLOPS。2023-2028年间，智能算力与通用算力的年复合增长率(CAGR)将分别保持在46.2%和18.8%的高位水平，展现出强劲的发展动能。■智能算力(基于FP16计算)0202120222023202420252026■智能算力(基于FP64计算)图7:中国智能算力和通用算力规模及预测(2020-2028),来源：IDC当前，以提供公共普惠的算力服务为基本原则，各方主体积极推进智算基础设施的布局。主要投建主体包括地方政府(通过地方国投产投平台投资)、央国企(如电信运营商投资)和AI云厂商(如阿里云、华为云、百度智能云等投资)及第三方数据中心。中国电信研究院发布的《智算产业发展研究报告(2024)》显示，截至2024年6月，中国已建和正在建设的智算中心超250个，算力供应充足。河北人工智能计算中心西安郑州·淮海智算中心海宁波人工智能超算中心州深圳人工智能融合起能中心度华成部合家南图8:中国智算中心分布，来源：新京库算力经济绿色发展研究报告|2025算力经济的发展态势我国算力基础设施建设虽已进入快速发展阶段，并在规模上取得显著成效，但GPU平均利用率常在30%以下，面临着供需结构性错位、利用效率低下及生态协同不足等深层次挑战。供需错位表现为芯片与AI应用需求不匹配、区域分布失衡，导致算力闲置与短缺并存；利用效率低下则体现在通用算力中心利用率普遍低于生态协同不足则凸显为技术与场景需求割裂、开发者生态建设滞后以及标准化缺失，制约了算力资源的整合与2.2.2算力基础设施能力要求大模型兴起和生成式人工智能应用显著对高性能算力基础设施提出了更高的要求。算力基础设施需实现计算、网络、存储的横向协同，以及软件平台与硬件资源的纵向协同，构建高性能、高速互联、存算平衡且可扩展的集群系统，以充分满足AI大模型的训练需求。AIAI开发框架智能算力调度平台资源监控软件定义算力基础设施多元算力基建基础设施液冷系统模块化机房绿色供电无损网络极致存储算中心TensorFlowPaddlePaddle智应用使能图9:智算中心基础设施架构图，来源：IDC电气研究所i.多元算力异构融合：在人工智能时代，传统依赖CPU堆叠的计算能力提升模式已显现出能效低下立涵盖芯片通信接口、算子库和计算框架的标准体系通过标准化推动异构计算资源的深度融合与高效利用。算力经济绿色发展研究报告|2025I算力经济的发展态势表1:常见的异构计算组合模式特点复杂任务调度FPGA可定制性强，适合特定算法和数据处理，如数据加ASIC针对特定应用优化，如比特币挖矿、视频编解码，能算力池化：在异构计算架构快速演进的过程中，人工智能、大数据分析和高性能计算等新兴工作负载对计算资源的管理提出了更高要求。传统资源调度模式普遍存在利用率偏低和资源碎片化等问题，已难以适应现代计算场景对性能弹性和资源灵活性的双重需求。为应对这一挑战，算力池化技术(ComputingResourcePooling)作为一种创新的资源管理范式应运而生，通过虚拟化、智能调度等技术手段，实现计算资源的统一管理和动态分配，显著提升资源使用效率。算力池化技术是指通过云计算和虚拟化技术，将GPU、AI芯片等软件定义资源分配：通过软件定义的方式，实现对异构计算资源的动态管理和灵活分配。例如，采用API劫持技术，对GPU/AI芯片的RuntimeAPI进行封装和监控，实现资源的远程调用和高效管理。此外，通过容器化和虚拟化技术，支持资源的细粒度分配和动态伸缩，从而提高资源利用效率；第二，算力资源高质量管理：算力池化技术通过资源无感动态伸缩、资源超分及峰谷互补等机制，优化资源分配。例如，在业务低谷期，低优先级任务可以利用空闲资源，而在高峰期，高优先级任务能够及时抢占资源，从而确保关键业务的服务质量。此外，通过智算任务队列化管理，解决资源碎片化问题，提高资源流转效率；第三，泛在化碎片的池化整合：算力池化技术通过跨机整合技术，将分散在不同服务器上的零散资源进行整合，形成逻辑上统一的资源池。这种技术不仅提高了资源利用率，还支持大规模并行计算ii.极致存储为应对大模型参数规模和训练数据集的指数级增长，智算中心存储系统需要构建具备高吞吐、大容量和跨在高吞吐性能方面，模型训练场景对海量小文件随机读取和数据集快速存取提出了严苛要求。存储性能瓶结合小文件聚合优化算法，显著提升10吞吐性能。同时，通过文件存储与对象存储的多协议融合架构，消除在大容量存储方面，万亿参数模型的训练过程涉及大规模文件传输和高并发IO操作。仅模型参数和优化器状态就需占用1.7TB以上的存储空间，加之数据副本和纠删码(EC)等冗余机制，实际存储需求往往达到原始数据量的数倍。这要求智算中心构建EB级规模的分布式存储系统，以满足大规模在数据跨域调度方面，随着分布式并行训练技术的发展，跨地域多中心协同训练成为必然趋势。这要求存算力经济绿色发展研究报告|2025算力经济的发展态势跨地域的数据透明访问和智能调度，为分布式训练提供高效的存储支撑。随着数据计算量不断的提升，AI模型参数的规模不断扩大，离不开对高性能网络的需求，其核心应具备以下几点：低延时：在数据传输和处理过程中，需要保持极低的延迟时间，以确保实时性和灵敏度。这需要网络设备和基础设施具备高速数据传输和快速响应的能力，同时需要采用优化的路由和传输协议来减少数据传输所需的时间。大带宽：数智业务通常需要处理大规模的数据，因此对网络的带宽需求较高。大带宽可以支持大容量数据的快速传输和处理，确保数据流畅性和效率。长期稳定：由于计算量的增大，数据处理的周期变长，这就需要保持长期稳定性，确保数据传输过程中不会出现中断或故障，以保证业务的连续性和可靠性。大规模可扩展：为了适应业务规模和数据量的不断增长，网络架构和设备需要支持横向和纵向的扩展，以满足业务的不断发展和扩张。方便运维：网络设备需要具备良好的可管理性和可维护性，包括易于监控、管理和配置等特性。可运维性还能对网络设备进行故障排除和维护，以及实施安全策略和更新。2.2.3算力基础设施发展趋势随着数字经济的快速发展和人工智能技术的广泛应用，算力基础设施作为支撑数字经济的核心力量，呈现出了多维度的发展趋势。多元化：由于人工智能在国内的应用场景较为复杂，同时受到地缘、供应链等因素影响，人工智能芯片类型与厂商呈现出多元化的趋势，GPU、CPU、DSA、ASIC等多种芯片被广泛应用在人工智能的训练与推理中，不少场景实现了多类型芯片的混合使用。在芯片厂商方面，诸多国内厂商开始崭露头角，提供了大规模的算力集群方案。服务化：为满足不同的算力需求，人工智能算力服务不断革新。生成式人工智能laaS服务可为企业按需提供容量，支持灵活的模型训练和内容生成；算力租赁使用户按需租赁计算资源，降低成本并提高灵活性；算力共享通过资源池化和动态调度，实现资源共享和成本分摊；智算中心集成高性能的计算、存储和网络资源，提供高可用的一站式服务，支持大规模人工智能应用。这些服务化模式不仅提高了资源利用率和灵活性，还降低了用户的使用成本，推动了人工智能技术的广泛应用。场景化：人工智能算力基础设施的多样化旨在应对不同行业和应用场景的多样化需求。各行业对于数据处理的需求各具特色，例如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。这些需求对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新要求。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，确保资源的高效利用和业务的稳定运行，从而推动人工智能技术在各行业的广泛应用。算力经济绿色发展研究报告|2025算力经济的发展态势》绿色化：在双碳目标的指引下，全国范围内对绿色发展的重视程度和投资力度不断加大。政策上来说，一方面国家对于数据中心的新建审批及能耗要求上持续趋严；另一方面也会通过诸如电费分段计价等引导数据中心绿色化发展。技术上来说，越来越多的数据中心采用先进的计算、存储和网络架构，提高计算效率；使用液冷服务器等节能技术，提高散热效率，降低PUE值至1.3甚至1.15以下，满足可持续发展政策的要求。算力产业链呈现清晰的层级结构。上游聚焦IT基础设施领域，涵盖计算硬件(CPU、GPU、ASIC等)、存储设备(内存、闪存等)、网络设备(交换机、光模块等)以及基础软件(操作系统、数据库管理系统等)等核心组件，这些要素共同构成了计算能力、存储能力和传输能力的基础支撑体系，直接决定了算力服务的性能指标和质量水平。同时，配套的基础设施如电力供应系统(配电装置、不间断电源等)和热管理系统(风冷、液冷等)也是上游环节的重要组成部分。中游环节以算力服务平台为核心，包括大规模算力集群建设、数据中心运营以及基于基础设施的云计算服务、AI算力服务和网络安全服务等，是连接底层资源与上层应用的关键枢纽。下游则覆盖多元化的应用场景，主要服务于互联网、金融科技、智慧城市、智能制造、精准医疗、新能源等战略性产业，推动算力价值在垂直领域的深度渗透和广泛应用。下游基础设施产业应用算力图10:算力产业链，来源：中国信通院目前我国算力产业链各环节呈现出快速发展的态势，逐步形成了涵盖芯片研发、服务器硬件、系统集成、云服务应用等完整生态体系。i.上游：芯片与硬件国产芯片——企业在设计、制程、封装和测试等环节表现突出，代表性企业包括寒武纪、海光信息等。寒武纪的MLU系列芯片已应用于阿里云的机器学习平台PAI,其思元370芯片支持混合精度计算。海光信息的DCU系列GPU与阿里云异构计算平台兼容，性能对标国际主流产品。此外，中科曙光作为国产高性能计算领军者，自主研发海光芯片(X86架构),并提供液冷服务器技术，降低数据中心能耗。算力经济绿色发展研究报告|2025算力经济的发展态势服务器硬件——浪潮信息是阿里云数据中心的主要服务器供应商之一，其JDM模式深度定制化，2024年1以下。中科曙光的硅立方液冷服务器应用于阿里云西北数据中心，单机柜功率密度达50kW。云计算基础设施——阿里云作为国内云计算龙头，市场份额超30%,其算力基础设施构建涉及芯片研发、服务器硬件、系统集成和云服务应用四大核心环节。光环新网运营阿里云北京区域部分数据中心，机柜数量超技术——我国在CPU+GPU异构计算、冷板式液冷等服务器技术方面已基本成熟。未来，“十五五”时期，CPU+xPU异构计算及浸没式液冷有望迎来快速发展。此外，3DNAND等闪存技术实现突破，高性能全闪存介质成为未来关注重点。云服务提供商——阿里云、腾讯云、华为云等头部云服务提供商在算力资源管理和服务优化方面取得显著进展。云操作系统产品多样，基本能满足多种场景的使用需求，但在产品稳定性和业务连续性方面仍需提高。应用——算力应用主要集中在互联网企业、政务、金融、医疗健康、工业制造等领域。互联网企业占比达46.3%,并不断向传统行业拓展。随着生成式人工智能等创新技术的突破，国产AI芯片和大模型及相关应用领域成为投资热点。数据中心/云服务K四GPU服务器/网络设备CPUAMDAntel边芯片/元器件华为云NTTe2.3.2产业链条的协同与整合在国家战略层面，当下正着力构建算力大通道，其核心目标在于推动全国算力资源的一体化布局进程，确它不仅是对算力资源进行高效整合与协同调度的关键举措，更涵盖了数据中心、算力传输网络等关键基础设施的系统性规划、科学布局与稳步推进，同时还肩负着促进算力相关产业有序转移以及激发创新应用活力等重要算力资源应用层算力资源应用层下游数算应用服务安全保护体系通用算力智能算力超级算力量子算力……赋能传统产业转型升级算力、数据、算法融合行业数据和算力协同应用构建可信计算网络环境标准规范体系算力市场与电力市场融合算力网与电力网融合跨区域算力调度平台区域内算力调度平台算力监测平台算力运营平台算力交易平台算力交易撮合机制加快建设跨区域、多层次算力高速直连网络强化5G、全光网络、SRv6等技术应用上游软硬件基础设施与配套设备算力调度运营层算力资源供给层数据中心与电力节点融合中游算力运维服务算力算电协同数算图12:算力大通道总体架构，来源：国家信息中心在Al算力架构中，算力资源供给层是算力大通道的技术根基，为计算任务提供算力、网络等硬件支持，确保数据高通量安全传输及结果及时反馈，为上层算力调度运营奠定基础。算力调度运营层是算力大通道网络的关键环节，负责算力资源的动态感知与灵活调配，涵盖算力监测调度和运营，是算力供需对接、运营管理与交易结算的核心。算力资源应用层支撑算力大通道相关产业及算力与电力体系协同，通过与各行业融合，推动2.3.3供应链的安全与韧性当前AI算力供应链面临的主要问题是供应链垄断导致的安全性不足和韧性缺失。美国对华企业技术封锁持续升级，对高端计算芯片、人工智能、超算等领域实施大面积技术管制，严重影响了我国算力产业的供应链安全。例如，英伟达最先进的A100、H100芯片无法在国内销售，定制版A800和H800芯片也面临缺货问题。此外，上海壁仞科技一度被台积电暂停代工，涉及先进制程技术，这进一步凸显了供应链在外部冲击下的脆弱性。在外部供应链压力下，国产算力也在政策的持续支持和技术创新的不断推进下加速发政策端：随着国际形势的变化和国内技术的不断进步，国产算力加速发展，自主可控成为算力基础设施建算力经济绿色发展研究报告|2025算力经济的发展态势设的关键方向。国家及各级政府从政策层面积极促进国产算力芯片的使用，《算力基础设施高质量发展行动》明确提出要逐步形成自主可控的解决方案。例如，上海、天津、江苏等地已制定算力中心国产化芯片使用率目标，推动国产芯片在算力基础设施中的广泛应用。芯片技术端：在外部压力下，国产芯片企业加速崛起，成为算力产业的重要支撑。国内芯片企业在设计、制程、封装和测试等环节表现突出，代表性企业如景嘉微、海光信息、寒武纪等，在性能、能效和应用场景方面不断提升。国产芯片已初具规模，x86、ARM、自主架构CPU持续深化规模应用，同时AI芯片如华为、百度、寒武纪等也在加速迭代优化。国产操作系统逐步向金融、电信、医疗等行业应用渗透，鲲鹏生态、PKS体系等计算产业生态正不断完善，当前底层软硬件、整机系统及应用等关键环节已被深度覆盖。算力基础设施端：国产算力基础设施建设在技术创新和模式优化方面取得显著进展。例如，浪潮信息发布预制化、模块化的算力工厂模式，将同等规模智算中心的建设周期从18个月缩短至4个月，具备快速交付、高效节能、按需定制等优势。这种创新模式不仅提升了算力基础设施的建设效率，还有效降低了能耗，推动了算力中心的绿色低碳发展。然而，尚有许多核心技术需攻关。当前，在AI服务器芯片方面，我国对美国英伟达等公司的依赖较为明显；来自美国谷歌和Meta的AI算法开发框架也占据着中国90%以上市场份额。总体而言，发展的最大难点是对已有生态的突破和新生态的构建。燧原昆仑芯昆仑3发布时间量产时间显存大小(GB)显存宽带(GB/s)显存类型卡间宽带(GB/s)图13:芯片性能对比，来源：中信建投算力经济的算力经济绿色发展研究报告|2025I算力经济的“倍增效应”三、算力经济的“倍增效应”3.1.1GDP增长的直接贡献党的十八大以来(2012-2023),我国数字经济年均增速高达15.3%,显著高于同期GDP增速。数字经济成为带动国民经济发展的主引擎，占GDP比重由2012年的20.9%提升到2023年的42.8%,年均提升近2个百分点。2023年，我国数字经济规模为53.9万亿元，较上年同比增长7.4%,高于同期GDP名义增速2.8个百分点，对GDP增速贡献度为66.45%,有效提升我国经济的韧性和活力。数字经济预计未来较长段时间都我国数字经济占比和增速2012201320142015201620172018201920202021202图14:数字经济增速与占比，来源：中国信通院在数字经济蓬勃发展的时代背景下，算力已然跃升为关键的生产力要素，成为推动数字技术创新加速以及深度应用的核心驱动力量，由其驱动的数字经济持续引领着GDP的增长。据中国信息通信研究院的测算结果显示，每投入1元算力，便可拉动3元至4元的GDP增长。此外，参考《2021-2022全球计算力指数评估报告》中的数据，计算力指数每实现1个点位的提升，数字经济与GDP分别能够迎来3.5‰、1.8‰的增长幅度。由此可见，算力的提升对于经济增长有着显著的拉动效能。进一步深入分析，当一个国家的计算力指数分别达到40分、60分时，计算力指数每递增1个点位，其对于GDP增长的推动作用相较于之前将分别扩大1.5倍、3.0倍。这种倍增效应清晰地表明，算力的投入不仅可以直接带动经济增长，而且凭借技术扩散以及产业升级的途径，能够进一步强化其对经济的长期推动效能，使经济发展一方面，数字技术创新和迭代持续提速，人工智能、自然语言处理模型等新型数字技术应用不断涌现，充分发挥数字技术能力的根基是强大的算力。大模型的快速发展刺激了算力的大量需求，据预测2025年中国智能算力规模(FR16)将达到1,037.3EFLOPS,并在2028年达到2,781.9EFLOPS,2023-2028年中国智能算力规模和通用算力规模的五年年复合增长率分别达46.2%和18.8%。另一方面，数字技术在经济活动中的广泛渗透，使得数实融合的趋势进一步强化。2023年，我国一、二、三产业数字经济渗透率分别为10.8%、25.0%和45.6%,数字经济和实体经济融合持续深入。与2022年相比，我国一、三产业数字经济渗透率同比分别提升0.32、1.03和0.91个百分点，第二产业数字经济渗透率增幅首次超过第三产业，一产稳步推进、二产加速渗透、三产纵深拓展。此外，数字技术的应用使得经济活动产生了新型生产要素，这些要素以数据为载体，通过传统生产要素的数字化和数字技术的应用两种途径形成。数据样本的收集、处理与分析过程需要强大的算力支持，这是充分释放数据作为生产要素属性的关键。只有这样，才能为生产技术的改进、数字技术的迭代升级以及资源分配的重组提供科学合理的依据，进而推动经济的高质量发展。图15:我国产业数字经济渗透率，来源：中国信通院3.1.2间接经济效应在分析算力经济对GDP的直接贡献后，进一步探究算力经济的间接经济效应，可以通过构建算力与经济之间的模型关系，从算力与GDP的底层逻辑入手。将算力视为一种“算力资本”,而其他传统生产要素视为“传统物资资本”,通过模型分析可以发现，算力资本在促进经济发展方面存在三个机制：产业数字化产业数字化协同效应算力需求互补效应数字产业化算力资本物质资本图16:算力资本、物质资本与经济增长之间的关系，来源：算力行业报告算力经济绿色发展研究报告|2025算力经济的“倍增效应”传统物资资本的升级与协同效应：传统物资资本的投入推动了产业的发展，进而带动经济增长。然而，随着算力资本的介入，传统物资资本的效率和效能得到显著提升。例如，通过算力技术的应用，制造业中的自动化生产线可以实现更高效的生产调度和质量控制，物流行业可以通过智能算法优化运输路径，从而降低成本并提高效率。这种协同效应使得传统物资资本在经济发算力资本的创新驱动效应：算力资本的投入不仅优化了传统产业，还催生了众多新兴产业，如人工智能、大数据分析、云计算、自动驾驶等。这些新兴产业的发展为经济增长提供了新的动力。例如，人工智能技术的快速发展离不开强大的算力支持，而其应用又广泛渗透到金融、医疗、交通等多个领域，创造了新的市场需求和经济增长点。此外，算力资本的投入还推动了技术迭代和产业升级，如从传统计算模式向多核并行、异构并行、边缘计算等体系架构的创新演进。例如，在智能制造领域，算力资本通过工业互联网平台实现生产设备的智能化管理，优化生产流程，提高生产2013年以来，我国劳动和资本对经济增长的贡献不断下降，全要素生产率对经济增长的贡献持续上升，其中多半是数字经济全要素生产率提升所致。经济学中常以全要素生产率是用来衡量生产效率的指标，其增长是产出增长率超过要素投入增长率的部分。全要素生产率的增长率是扣除劳动、资本、土地等要素增长贡献后的“余值”。当前我国进入创新发展的新阶段，数字经济全要素生产率对经济增长的整体贡献提升至22.5%,数TFP贡献：36.2%(数字经济TFP贡献14.5%)数字化动能储备期图17:我国各生产要素对经济增长的贡献，来源：中国信通院3.1.3区域经济影响随着数字经济的蓬勃发展，算力的战略性地位和支撑性作用愈加凸显，我国多个省份根据区域算力发展基资本驱动为主资本贡献：54.9%劳动贡献：24.9%TFP贡献：20.2%(数字经济TFP贡献5.3%)创新主导发展数字化引领创新贡献22.5%)数字经济TFP贡献不断夯实增长贡献起步加速创新引领发展数字化加速期劳动贡献：20.7%算力经济绿色发展研究报告|2025算力经济的“倍增效应”通过引导东部算力需求向西部转移，使西部地区成为数据中心建设的重要承接地。西部地区凭借其充裕的土地资源、丰富的可再生能源和优越的气候条件，正在迅速发展数据中心。例如，甘肃庆阳作为全国八大算力枢纽节点之一，其数据中心集群的算力规模已突破30000Pflops,成为增速最快、增量最大的数据中心集群。此外，内蒙古和林格尔新区也在积极布局智算中心，吸引了DeepSeek等企业的全量模型落地。“东数西算”工程不仅优化了全国算力资源的布局，还为西部地区带来了显著的经济拉动效应。截至2024年6月底，八大国家枢纽节点的直接投资已超过435亿元，拉动投资超过2000亿元。西部地区凭借低成本优势，吸引了大量数据中心建设投资，推动了相关产业链的发展，包括IT设备制造、信息通信、基础软件和绿色能源供给等。此外，西部地区数据中心的建设还促进了绿色能源的使用，提升了能源利用效率，推动了区域经济的可持续发展。这一转变不仅为西部地区带来了经济增长，也为全国算力经济的均衡发展奠定了基依据算力发展指数评估，京津翼、长三角、粤港澳大湾区、成渝双城经济圈等区域，凭借坚实的经济基础和良好的发展机遇，在先进计算技术创新、计算产业提升、算力基础设施建设、算力环境优化及创新应用推广数字经济规模和GDP较高的省份，算力发展水平也相对较高。算力发展指数每提升1个点，数字经济规模将增长约574亿元，地区GDP将增长约1220亿元。江苏80000福建内蒙古重庆黑龙江山西辽宁甘肃天津0青海宁夏0算力发展指数图18:算力发展指数与经济规模，来源：中国信通院算力经济绿色发展研究报告|2025算力经济的“倍增效应”3.2.1直接就业机会创造数字经济、数字营销、平台经济等领域的就业机会显著增加，尤其是在交通出行、外卖配送、互联网医疗等平台经济领域，就业人员规模持续扩张。根据第五次全国经济普查数据，截至2023年末，信息传输、软件和信息技术服务业的从业人员比2018年末增加了507万人，充分体现了算力经济对直接就业的强劲拉动作用。此外，算力经济的蓬勃发展不仅创造了大量高技能岗位，如算法工程师、数据科学家、云计算架构师等，还带动了中低技能岗位的增长，例如数据标注员、平台配送员、客服人员等。这种多层次、多元化的就业结构为不同技能水平的劳动者提供了广泛的就业机会。根据《2023中国数字经济前沿：平台与高质量充分就业》报告预测，到2030年，数字经济带动的就业人数将达到4.49亿，占全国就业总量的比重将进一步提升。这一趋势表明，算力经济已成为我国就业增长的重要引与此同时，经济数字化转型通过提高劳动生产率和降低产品价格，进一步扩大了市场需求，推动了相关企业和行业的投资扩张，间接增加了劳动力需求。例如，算力技术的应用使得生产效率显著提升，企业能够以更低的成本提供更优质的产品和服务，从而刺激消费需求，带动产3.2.2就业结构转型就业供需失衡并存：一方面，数字经济提高了对高素质、高技能劳动者的需求。以企业数字化转型为例，管理体系等全面系统性变化，场对软件开发工程师、数据分析师、网络工程师等高素质、高技能人才的需求持续上升。以智能制造为例，据《产业数字人才研究与发展报告(2023)》显示，未来三年数字人才供需比将从1:2.2扩大至1:2.6,到2025年行业数字人才缺口将达550万人，不足以支撑产业数字化转型需求。与此同时，随着自动化、人工智能等技术推广应用，一些低技能岗位面临被取代的风险。例如，在制造业，自动化生产线逐渐替代了传统的人工操作；在销售、客服等领域，人工智能技术的应用也使大量工作岗位逐渐被加速劳动力流动：从地区看，经济发展水平较高的区域，得益于完善的数字基础设施、雄厚的教育资源、了年轻劳动力向东部沿海地区的大规模流动，从长远看，将对区域经济发展和社会结构产生了深远影响。从产业看，数字经济就业吸纳效应显著,推动劳动力在产业间的重新配置，加快劳动力从第一产业向第二、三产业的流动。3.3.1固定资产投资额与增长率在算力的蓬勃发展推动下，资本向算力领域快速流动，为经济发展注入测，到2028年，全球人工智能相关的支出(包括AI支持的应用程序、AI芯片等基础设施及相关服务)较当前将至少翻番，预计达到约6320亿美元，2024-2028年的复合年增长率(CAGR)为29.0%。2024Q3,北算力经济绿色发展研究报告|2025美四家云厂商的资本开支总计为588.62亿美元，同比增长59.31%,持续高速增长态势，且对未来资本开支指引乐观。参考摩根士丹利.预计25年微软、亚马逊、Meta、谷歌资本支出将投入3000亿美元。图19:北美四家云厂商资本开支情况(百万美元),来源：Bloomberg根据弗若斯特沙利文《2024中国智能算力行业白皮书》.2023年中国人工智能市场总投资额突破190亿美元，占全球总量10.5%,2019-2023年复合增速达到43.4%。IDC预测，2026年，中国在人工智能硬件市场的IT投资将超过150亿美元，接近美国人工智能硬件的市场规模，五年复合年增长率16.5%。以AI芯片为例，2023年中国AI芯片市场规模已达到约652亿人民币，预计到2026年，市场规模将显著增长至1611亿人民币。算力经济的“倍增效应”算力经济的“倍增效应”2024Q3,腾讯和阿里巴巴资本开支分别为170.94亿元、169.77亿元，分别同比增长114%、313%。阿里巴巴腾讯—一阿里巴巴YoY腾讯YoY0图21:阿里巴巴/腾讯算力投资情况，来源：公司官网运营商领域，各企业纷纷加大了对算力网络的资本投入。中国移动在2024年计划的总体资本开支为1730亿元，同比下降4%,但用于算力的资本开支计划为475亿元，同比增长21%。中国电信2024年计划的总体资本开支为960亿元，同比下降4%,其中用于产业数字化的资本开支为370亿元，同比增长4%,而用于云和算力投资的为180亿元。中国联通2024年计划的总体资本开支为650亿元，同比下降12%,公司明确表台)、数据中心交换机(204套)及其配套产品等，总价约33亿元(标包4-12总额，标包1-3采购失败)2024年4月，中国移动启动2024年至2025年新型智算中心集采项目，计划采购总规模达8054台设备，其中包含7