2025人工智能计算中心发展白皮书2.0

发展白皮书丘,从人工智能计算中心走向人工智能算力网络ABSTRACT人工智能是数字经济高质量发展的引擎，也是新一轮科技革命和产业变革的人工智能是数字经济高质量发展的引擎，也是新一轮科技革命和产业变革的重要驱动力量。习近平总书记明确指出，要在事关发展全局和国家安全的基础核心领域，瞄准人工智能、量子信息等前沿领域，前瞻部署一批战略性、储备性技术研发项目，瞄准未来科技和产业发展的制高点。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》也做出了相关部署。欧洲、日本等国家和地区都在积极推动人工智能计算中心的建设。《人工智能计算中心发展白皮书》自2020年10月发布以来，其“一中心四平台”的理念广为接受和传播，为各地加快推动人工智能计算中心建设提供了建议和参考。一年来，多地政府统当前，人工智能计算中心的发展面临新的形势。一方面，人工智能的发展对算力一方面，在国家“双碳”战略下，需要计算中心加强统筹建设和提升利用率，进一步人工智能计算中心不再作为独立的系统，逐步走向相互联接的算力网络，将深化新型网络技术将各地分布的人工智能计算中心节点联接起来，构成感知、分配、调度人工智能算力的网络，可以更好地汇聚和共享算力、数据、算法资源，更好地满足我《人工智能计算中心发展白皮书2.0》试图为读者诠释人工智能算力网络的全貌，并建议在国家和地区层面加强统筹，进行系统的组织机制创新，加大关键技术攻关和人工智能计算中心发展白皮书2.0 人工智能计算中心发展白皮书2.02CONTENTS 3 41.2全球人工智能计算中心的建设现状 6 9 16 3.2人工智能计算中心需要满足人工智能赋能区域经济社会发展的新需求 20第四章人工智能算力网络的建设 224.1人工智能算力网络的概念 234.2人工智能算力网络的架构 244.3人工智能算力网络的作用 274.4从人工智能算力网络走向多样性算力网络 30 335.1统筹推进计算中心高质量建设 345.2有序推进人工智能算力网络建设 355.3探索建立人工智能算力网络的运营机制 365.4加强人工智能算力网络的核心技术攻关 375.5推动人工智能算力网络的标准化建设 38人工智能计算中心发展白皮书2.033第一章全球人工智能计算中心的发展现状在全球数字经济高速发展的趋势下，推进新型基础设施建设，是培育数字经济技术优势、拉动数字经济新增长点的关键举措。作为新型基础设施的重要组成部分，以人工智能新型计算能力为代人工智能计算中心是涵盖基建基础设施、硬件基础设施、软件基础设施的复杂系统工程，提供从底层芯片算力释放到顶层应用使能的人工智能全栈能力，可用于各行业人工智能深度学习模型开发、训练和推理等应用场景。具备复杂模型训练和海量数据处理能力的人工智能计算中心，属于投 第一章全球人工智能计算中心的发展现状人工智能计算中心发展白皮书2.04 1.1全球人工智能基础设施战略与政策又提出《2021年美国创新与竞争法案》，作为能作为美国十个最关键的新兴科技领域之一。Ready”。未来五年，美国计划投资约690亿技术研发，370亿美元投资技术中心和数字基础设施建设。到2025年实现人工智能科研机构数量翻3倍，从当前的15个增长到45个。美投资专注于更先进和更高效的计算系统，2025年前完成超过30个人工智能计算平台和技术中进“地平线欧洲”（HorizonEurope，第九框近千亿欧元，其中投资24亿欧元进行人工智能增加到50亿欧元，包括资助高校建设人工智能人工智能计算中心发展白皮书2.05日本以“超智能社会(Society5.0)”为目度。2017年国务院印发的《新一代人工智能发展规划》提出“构建泛在安全高效的智能化基础设施体系”，对包括网络、大数据、高效能计算等基础设施在内的智能化基础设施进行了全面部署和发展方向指引。2020年科技部印发的《国家新一代人工智能创新发展试验区建设工作指引强化人工智能创新发展的条件支撑”作为我国人工智能创新发展的四大任务之一，指引全国十余个国家新一代人工智能创新发展试验区的建设。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中指出，要加快建设新型基础设施，“围绕强化数字转型、智能升级、融合创新支撑，布局建设信息基础设施、融合基础设施、创新基础设施等新型基础设施”。随着我国多个政策规划陆续出台，我国人工智能技术与产业已进入活跃期，发展前景极为广阔。 第一章全球人工智能计算中心的发展现状人工智能计算中心发展白皮书2.06 1.2全球人工智能计算中心的建设现状美国在人工智能基础研究和关键核心技术方面全球领先，依托NVIDIA、Intel、AMD等美国本土高端芯片巨头企业优势，基于已成熟的X86通用处理器技术和GPU加速器技术路2018年，美国能源部的橡树岭国家实验室就建成浮点算力峰值3.4EFLOPS（以FP16精度计，1EFLOPS即每秒百亿亿次浮点运算）的exa，即百亿亿次）智能超级计算机Frontier也将于2021年上线，对人工智能技术在超大规大规模的人工智能计算系统，分别是1.4EAI算力的Polaris系统和近10EAI算力的Aurora欧洲以战略引领数字技术创新，在使用NVIDIA、Intel等当前成熟的美国技术和生态的同时，积极布局欧洲处理器计划（EPI）强化心建设。2020年10月，意大利CINECA研究中心上线了Leonardo超大规模人工智能计算系统，该系统基于NVIDIAGPU加速技术，可提供10EFLOPS的半精度浮点（FP16）人心(CSCS)将于2023年建成新型AI超级计算算力规模达到20EFLOPS，有望成为全球性能最强的AI超级计算机之一。Alps系统建成后日本超大规模人工智能算力基础设施多采用富士通等日本本土IT企业路线建设。由日本理化学研究所与富士通共同打造的“富岳”（Fugaku）系统，在高性能计算、人工智能、大数据分析等方向整体表现出色。“富岳”采用Arm架构，人工智能算力峰值性能超过了1EFLOPS，可以通过建模及仿真加速解决社会问题，同时促进人工智能技术以及与信息分处理相关技术的发展，充分满足建设创造新价值人工智能计算中心发展白皮书2.07计算中心已纳入全国各大城市的重点布局和规划中，深圳、武汉、珠海、西安等城市均已建成人工智能计算中心并投入运营，成都、南京、许昌广州、大连、青岛、太原、南宁等地的人工智能计算中心建设也在陆续规划中。我国政府统筹建设的人工智能计算中心，多采用国产通用处理器和AI加速器技术，以华为昇腾、寒武纪思元等室的科研优势与华为的企业优势，共同打造的具有广泛影响力的人工智能开源开放重大科学装置，支撑国家重大科学研究、赋能产业应用、实现自主AI可持续创新。在建设方面，深圳市给予全方位的大力支持，各部门通力合作，仅9个月完成从启动论证到最后装机上线。基于昇腾AI基础软硬件平台构筑的鹏城云脑Ⅱ,16位浮点数（FP16）下的性能高达1EFLOPS。鹏城实验室是国家战略科技力量的重要组成部分，鹏城云脑Ⅱ作为自主先进的科研平台对核心技术突亿级中文NLP（自然语言处理）AI大模型——鹏程.盘古，打造面向生物医学领域的AI大模型——鹏程.神农生物信息研究平台，武汉人工智能计算中心位于武汉光谷，作为科技部批复的15个国家新一代人工智能创新发展试验区之一，武汉率先建设人工智能计算中心，2020年12月28日开工建设，于20215个月，上线即饱和运营。其一期建设规模为100PFLOPS（以FP16精度计，1PFLOPS即每秒千万亿次）AI算力，并已完成扩容100PFLOPS，以满足当地AI算力需求。武汉人工校院所和40+企业与武汉人工智能计算中心的 第一章全球人工智能计算中心的发展现状人工智能计算中心发展白皮书2.08的重要研究成果，硬件部分主要基于寒武纪AI加速卡构建，目前已建成1.16EOPS（以整型精度计,百亿亿次/秒）算力。该平台围绕国家南京江北新区与华为公司签订战略合作协议，于2021年5月28日发布建设南能计算中心和江苏昇腾人工智能生态创新中心(南京)。围绕南京市重点产业，孵化创新应用场智能电网等场景形成有竞争力的应用方案，目前在江苏与20多家合作伙伴推出超过30个人工智能解决方案。同期，南京智能计算中心于该中心采用寒武纪人工智能芯片和算力机组构计算中心一期规划300PFLOPS计算能力，基于昇腾AI基础软硬件平台建设，于2021年 即“国家一体化大数据中心成渝I类节点”，将 家重要需求、科研创新和战略落地；“三平台”包括城市智脑平台、全球领先（E级）人工智能 基开工，基于昇腾AI基础软硬件平台建设，一首批15个生态伙伴签约入驻，及15个电子信 人工智能计算中心发展白皮书2.09第二章我国人工智能计算中心的建设特点《人工智能计算中心发展白皮书》1.0版本提出“一中心四平台”建设理念，在人工智能计算中心高质量建设的基础上，提供普惠算力的公共算力服务平台、匹配本地产业特色的应用创新孵化平台、聚合产业生态的产业聚合发展平台、支撑当地科研创新和人才培养的科研创新和人才培养平台，为各地人工智能计算中心的健康发展提供了建议和参考。在建设过程中，各地政府着力推动市场化运营机制和生态融合赋能，实现“政产学研用”全链条打通，各人工智能计算中心算力使用饱第二章我国人工智能计算中心的建设特点人工智能计算中心发展白皮书2.010 2.1政府主导，坚持自主技术路线统筹规划建设片、AI框架更是人工智能产业的核心根技术。人工智能计算中心发展白皮书2.0位于深圳的鹏城云脑Ⅱ,作为支撑鹏城实验室的大科学装置，为人工智能产业发展提供了坚实、先进的基础底座。鹏城云脑Ⅱ主设备Atlas900AI集群，由4096颗昇腾910AI处理器构成，算力达E级，荣获AIPerf（大规模人工智能基准评测程序）榜单第一名，并保持IO500（高性能计算存储系统性能排行榜-全系统输入输出和10节点系统）两项世界记录，其中在全系统输入输出性能得分是排名第二得分的近20倍。依托鹏城云脑Ⅱ系统充沛、普惠的科研创新成果。其中，鹏程.盘古——2000亿参数中文自然语言处理（NLP）的预训练大模型，基于国产AI框架昇思MindSpore、使用40TB的中文文本数据训练而成，其训练速度远超GPT-3。鹏程.神农平台，包含了蛋白质结图1鹏城云脑Ⅱ第二章我国人工智能计算中心的建设特点 2.2企业主体，构建市场化管理运营机制武汉人工智能计算中心在2020年启动建设政府指导和协助下，该运营公司多渠道调研访用公共算力服务的意愿，两个月时间内访谈超500+家，识别出有效算力100PFLOPS+。进武汉国家新一代人工智能创新发展试验区建实现了武汉人工智能计算中心2021年5月31人工智能计算中心发展白皮书2.02021年5月，南京人工智能计算中心与昇作也同步启动。在1个月时间内调研访谈40+企业、高校和科研机构，其中17家有意愿使用人工智能计算中心算力，有效算力需求100PFLOPS+，结合这些需求孵化出25+创新方分钟），提升油品类收入40%，并在江苏省各新中心举办4场产业活动，吸引300+伙伴，其中举办的昇思MindSpore企业行暨企业走进昇腾生态创新中心活动吸引399人报名，公2021年9月，西安未来人工智能计算中心大学语音大模型、陕西师范大学“MindSpore第二章我国人工智能计算中心的建设特点人工智能计算中心发展白皮书2.014 2.3应用导向，打造集聚创新资源、赋能产业发展的公共平台武汉大学遥感专业在全球处于领先地位,正深度学习技术,亟需大规模的遥感影像样本库,研院所一起进行投入,发挥各自优势,更好地使能遥感应用,赋能遥感科研及行业生态，催熟遥感产业。国内人工智能技术领军企业华为结合遥感应用需求进行了包含CANN算子库和昇思MindSpore高效并行开发框架在内的深度底层优化。在多方共同努力下，于2021世界人工智能大会（WAIC2021）发布了全球首个遥感影像专用AI框架——武汉.LuojiaNet，可处理大幅面图像（30kx30k）和256通道波谱，同时构建了全球最大遥感数据集武汉.LuojiaSet，包含了500万+从区域到全球的样本，填补了人工智能计算中心发展白皮书2.0需要在60P以上算力的持续保障下迭代训练和开发。2021年3月中科院自动化所与武汉人工加速科研成果落地。2021年7月，中科院自动发布了基于武汉人工智能计算中心研发的多模态预训练大模型——紫东.太初，全球首个图文音（视觉-文本-语音）三模态预训练模型（OPT-Omni-Perceptionpre-Trainer），以多模态大模型为核心，同时具备跨模态理解与跨模态生成能力，开拓了AI在视频配音、语音逐步构建智能化音视频产业。图2武汉人工智能计算中心能技术与多领域融合创新提供了科研和应用支第三章人工智能计算中心面临的新形势和新需求当前人工智能领域，超大规模预训练模型得到长足发展和广泛关注，以大数据和大算力优势取此背景下，我国超大规模预训练模型的发展如火如荼，算力需求持续攀升，人工智能计算中心的建设保持快速增长。高质量的大规模数据集是超大规模预训练模型研究的基础。我国人工智能数据集这一重要生产要素建设分散，尚缺乏统一标准和流动联通机制，难以形成高质量大规模的数据集。其需要与人工智能计算中心等算力基础设施进一步结合，并通过计算中心网络化汇聚，发挥最大价人工智能科技和产业开始步入全面融合发展的新阶段。由于资源禀赋和社会发展情况不同，各区域形成了具有本地特色的产业集群，开发本地有优势的行业应用，成为人工智能融合赋能实体经济的新需求。超大规模预训练模型技术的发展，为基于基础模型便捷开发行业应用，提升场景化模型性能水平提供了可能，在本地便捷部署异地人工智能计算中心的超大规模预训练模型，促进行业型性能水平提供了可能，在本地便捷部署异地人工智能计算中心的超大规模预训练模型，促进行业在国家碳达峰、碳中和的大战略背景下，人工智能计算中心作为最高能效的人工智能计算基础设施，通过统筹建设和先进制冷技术等手段有效降低了PUE（PowerUsageEffectiveness，能耗利用率，越低代表能耗越充分被利用）。但在人工智能自身发展和各地发展人工智动下，人工智能计算中心规模总量和能耗总量不断增长，且计算业务天然存在波动，存在部分能耗闲置现象。需要人工智能计算中心进一步提升能耗利用率，并在不同计算中心间算力协同调度，降以上新形势迫切需要在加强人工智能计算中心建设的过程中，不仅仅将计算中心作为独立的系统发挥作用，而是逐步形成相互联接的算力网络，以满足网络化算力联通调度，大模型通过网络部署并结合不同区域产业优势应用落地，数据集、行业应用等人工智能要素能够借助网络平台便捷流人工智能计算中心发展白皮书2.0 3.1人工智能计算中心需要适应人工智能“大模型+以GPT-3为代表的超大规模预训练模型，示了一条通向通用人工智能的可能路径。PercyLiang、李飞飞等斯坦福大学的人工智能研究者在论文《OntheOpportunitiesandRisksofFoundationModels》中系统阐述了大规模预训练模型并将其命名为基础模型（foundationmodel如图3所示，基础模型将多模态的展如火如荼。2021年以来，国内相继发布了一系列国产大模型，华为与鹏城实验室联合发布了“鹏程.盘古”系列超大规模预训练稠密模型，中科院自动化所发布了跨模态通用人工智能模型“紫东.太初”，北京智源人工智能研究院发布了“悟道2.0”稀疏模型。其中鹏程.盘古大模型获得了10多个业界挑战赛冠军，达到国际先图3大模型（基础模型）技术原理第三章人工智能计算中心面临的新形势和新需求人工智能计算中心发展白皮书2.018升人工智能模型的认知能力，需要的算力也从PFLOPS级别增加到EFLOPS级别，开始进入10EFLOPS级别，对计算中心的算力需求持续攀升。如GPT-3达到了1750亿参数，使用EFLOPS的算力也需要3天以上才能完整训练一次。而根据NVIDIA的预计，在2023超大规模的批处理、自动模型结构搜索等新方法能世界2030》白皮书预测，2030年，AI计算（FP16）总量将达105ZFLOPS，同比2020年增长500倍。数据集开发了武汉.LuojiaNet遥感大模型。而人工智能超大规模预训练模型的不断涌现，等AI要素进一步流动和共享。人工智能“大模型+大数据+大算力”的新发展，一方面需要工智能共性研究和超大模型发展的算力供需矛人工智能计算中心发展白皮书2.0 3.2人工智能计算中心需要满足人工智能赋能区域经济社会发展的新需求统计，我国企业的人工智能接受度为85%，远高于美国的51%。各行各业数字化、智能化的均衡。据统计，我国85%以上人工智能算力集工智能需与各行业的业务流程、IT系统、生产能知识、IT系统知识的人才进行开发和部让模型精度提升20%以上；在尘肺检测中，病例识别准确率提升22%等等。 第三章人工智能计算中心面临的新形势和新需求人工智能计算中心发展白皮书2.020 3.3人工智能计算中心需要符合国家“双碳”目标的新要求在国家碳达峰、碳中和的目标下，2021年10月21日，国家发展改革委等部门发布了关中心电能利用效率不超过1.3。到2025年，数据中心电能利用效率普遍不超过1.5。这些均对人工智能计算中心提出了进一步提升能耗利用人工智能计算中心能耗总量较大，且保持不断增长。2019年，马萨诸塞大学阿默斯特校区的研究人员发现，训练一个AI模型的过程中可排放超过626,000磅二氧化碳，相当于普通汽车寿命周期排放量的五倍（其中包括汽车本身的制造过程）。统计表明，2018年中国所有数据中心的总用电量达1600亿千瓦时，需消耗到2023年底，全国数据中心机架规模年均增速2023年中国所有数据中心用电量将达2600亿高效的人工智能计算能力。NVIDIA曾测算，在完成相同的人工智能计算任务条件下，人工智能计算中心的计算效率是传统计算中心的10倍，低PUE，能耗效率显著提升。原因主要有二点：一是得益于统筹规划，集中建设。在全球各地区政策的引导下，数据中心从较小的传统数据中心向超大规模数据中心转变。二是得益于制冷和供配电等基础设施技术的不断改进。这两个措施有效降低了计算中心的PUE值。2013年以前，全国对外服务型数据中心平均PUE在2.5左右，而到2019年底，全国对外服务型数据中心平均PUE近1.6，实现质的飞跃。其中，基于华为Atlas900AI集群（如图4）的人工智能计算中心，采用创新的混合液冷设计，其柜级密闭绝热技术，支撑超过95%的液冷占比，单机柜能够支持高达50kW的超高散热功耗，实现PUE虽然计算中心有效降低了PUE，但计算业人工智能计算中心发展白皮书2.0工智能计算中心协同调度，在A中心算力波峰时，可以将排队任务转移到算力波谷的B中心预训练模型的不断涌现，基于大模型开发行业应用赋能区域经济社会发展的需求激增，人工智能数据集等AI要素进一步流动和共享，以及社会对计算中心不断提升能耗控制水平的要求，促使人工智能计算中心之间开始联接。人工智接的算力网络。地理分布的多个算力中心将联接在一起，为基于基础模型开发新型分布式融合应用提供支撑。算力网络可以感知应用所需多个组织用户在多个计算中心共享算力和数据，图4华为Atlas900集群人工智能计算中心发展白皮书2.022第四章人工智能算力网络的建设算力跨计算中心调度、大模型研究与产业跨区域创新协同、人工智能生产要素流动共享等新需求促生了人工智能算力网络的产生。人工智能算力网络将各地分布的人工智能计算中心节点联接起大模型等算法资源，是人工智能计算中心进一步发展的重要方向，将有助于推动构建区域范围乃至随着5G、人工智能、云计算、大数据等新一代信息技术在各行各业广泛应用，行业应用的多样性带来数据和算力的多样性。未来，人工智能算力网络将进一步连接高性能计算中心和一体化大人工智能计算中心发展白皮书2.023 4.1人工智能算力网络的概念基座，实现“共建算力、共享资源、共同发展”第四章人工智能算力网络的建设人工智能计算中心发展白皮书2.024 4.2人工智能算力网络的架构基础，人工智能算力网络的整体架构如图5所算力网络运营平台 算力网络运营平台 应用市场模型市场数据市场全局算力视图数据流通算法流通大模型跨地域异步训练模型流通大规模分布式多方协同计算多方协同服务流通算力流通联邦学习统一运维分析统一账户认证和授权统一计量计费统一运维分析统一账户认证和授权统一计量计费算力网络调度平台算力网络调度平台算力调度能耗感知电价感知负载感知统一运营多维调度管理应用感知质量感知智能选路智能智能IP网络人工智能计算中心算网一体基础设施人工智能计算中心全光网络图5人工智能算力网络架构人工智能计算中心发展白皮书2.0251.算网一体基础设施：在基础设施平面，·网络访问智能接入：算力网络的用户能够快速自动化开通账户，每个账户的业务被单独隔离，有效保障申请的资源独·网络流量智能优化：通过网络智能化技术，按照网络流量需求，自动规划最短网络路径，降低时延，同时提供网络流量通路调优和网络带宽动态分配等功以及算力网络流量可视化和网络质量监测技术，实现网络健康度检测、网络故障提前告警和故障快速定位并自动修·网络安全智能防护：支持智能防御网络攻击、网络日志关联分析和网络攻击感知能力，支持网络安全监控、攻击风险2.统一运营多维调度管理：人工智能算力碳排放等信息，将用户作业调度到能耗·电价感知：感知不同地区的电价，评估人工智能计算作业的运行成本，进而选设备的利用率，最大化缩短作业的排队·应用感知：感知网络上流动的各类应用和作业，针对人工智能作业对网络的需求进行调度，使网络可以动态响应作业·质量感知：感知不同人工智能计算中心的网络质量并将作业调度到网络质量最·智能选路：基于算网融合技术，算力网络调度平台与网络控制器联动，基于网络多链路的开销和路由策略，根据实际的作业需求选择最适合的链路或者多链第四章人工智能算力网络的建设人工智能计算中心发展白皮书2.026·应用市场、模型市场、数据市场：三大市场实现数据、模型、应用的流通和共享，根据不同的数据和信息保护等级使用安全沙箱、可信计算、联邦学习等技·全局算力视图：以丰富、直观的图表展示接入算力网络的计算中心的计算资源、当前计算负载，是管理者进行运行状况监测、算力分配决策、运行业务监·统一账户认证和授权：实现用户本地一·统一计量计费：基于计算任务执行所使用的资源数量，以及不同人工智能计算中心的定价，对用户呈现一张账单，后·统一运维分析：能够为基础运营和运维过程提供全面、具体、实时的监控数据·大规模跨地域异步训练：人工智能在机器学习过程中通过多轮迭代更新模型参数最终获得准确率相对高的模型。异步训练指多个人工智能计算中心各自在自己的数据上迭代并更新主模型参数的方式。与同步训练每次参与迭代的计算节点需要同时读取、更新参数不同，异步·联邦学习：联邦学习指通过将模型进行拆分并分发到多个人工智能计算中心进行分别训练、多个参与方将得到的梯度参数进行交换合并以组成完整模型的方式，这使得多个人工智能计算中心无需·多方协同计算：一个大的人工智能计算项目往往需要多个拥有不同资源的参与方协同完成，在此过程中模型、数据、算法通过算力网络在多方之间有序的流人工智能计算中心发展白皮书2.027 4.3人工智能算力网络的作用数据和生态，打造人工智能产业聚集效应，奠定▲▲图6人工智能算力网络的作用与价值用大模型训练对算力的需求可达到数E级，且持续训练数周甚至数月。而一般AI训练类应用，其所需的算力从数百TFLOPS级到数百PFLOPS级不等，持续数天到数周不等；AI推理类业务对算力的需求稍弱，根据业务场景的不同，其所需算力一般在从数百GFLOPS到TFLOPS不等。第四章人工智能算力网络的建设人工智能计算中心发展白皮书2.028围内统筹规划建设E级节点，满足大模型训练心节点所在区域有E级算力的大型训练模型需到异地EFLOPS级大型节点训练。同时，对算开源开放的AI数据集，促进AI算法开发和行“可用不可得”。通过多方联合建模、联邦学习技术，及端到端数据隐私保护，使得数据可被使用但不可访问，保障数据集提供者权益，保障不标注服务，通过AI辅助标注，提高标注效率和 人工智能计算中心发展白皮书2.029现网络内大模型能力开放与应用创新成果共强化跨区域科研和产业协作，为所有用户进行AI应用创新提供更多的资源选择和更便捷的合1）科研创新的协同：不同节点间大模型能2）应用供需的平衡：在算力网络上架构跨3）产业标准的发展：统筹和制定人工智能坚持自主技术路线的人工智能算力网络建第四章人工智能算力网络的建设人工智能计算中心发展白皮书2.030 4.4从人工智能算力网络走向多样性算力网络随着5G、人工智能、云计算、大数据等新土地和技术之外的第5个生产要素，围绕数据PerformanceComputing，简称HPC）构成了算力这一枚完整硬币的两面。HPC作为算力工智能算力网络为基础，逐步连接HPC算力中构性。多样性算力联网让AI和HPC不再是独作流。通过对AI训练与推理任务、HPC仿真另一方面，现实世界中还存在大量运行非AI/HPC业务的数据中心资源，多样性算力网络也将包含以大数据为典型负载的通用算力，最终将构建AI、HPC，BigData的多样性算力多租人工智能计算中心发展白皮书2.0算力网络运营平台 算力网络运营平台 应用市场模型市场数据市场全局算力视图数据流通算法流通高性能计算模型流通大规模分布式多方协同计算多源数据一体化分析大模型并行训练服务流通算力流通统一运维分析统一账户认证和授权统一计量计费统一运维分析统一账户认证和授权统一计量计费算力网络调度平台算力网络调度平台算力调度能耗感知电价感知负载感知统一运营多维调度管理应用感知质量感知智能选路人工智能计算中心超算中心一体化大数据中心一体化大数据中心算网一体基础设施人工智能计算中心超算中心一体化大数据中心一体化大数据中心算网一体基础设施人工智能计算中心智能IP网络超算中心全光网络图7多样性算力网络架构度，将缩短制造仿真、EDA、生命科学、环境第四章人工智能算力网络的建设人工智能计算中心发展白皮书2.0