2025人工智能计算中心发展白皮书2.0

摘要摘要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202010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，多地政府统充分带动当地产业集群转型升级。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盘古为代表的超大规模预训练模型，开始赋能各行各业；另一方面，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，更好地满足我国经济社会高质量发展的新形势和新需求。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政策支持力度，更好地推进产学研用协同和开放共享。人工智能计算中心发展白皮书2.0 1 目录目录CONTENTS第一章全球人工智能计算中心的发展现状 31.1全球人工智能基础设施战略与政策 41.2全球人工智能计算中心的建设现状 6第二章我国人工智能计算中心的建设特点 9政府主导坚持自主技术路线统筹规划建设 10企业主体构建市场化管理运营机制 12应用导向打造集聚创新资源赋能产业发展的公共平台 14第三章人工智能计算中心面临的新形势和新需求 16人工智能计算中心需要适应人工智“大模型+大数据+大算力发展的新形势 17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 19人工智能计算中心需要符合国“双碳目标的新要求 20第四章人工智能算力网络的建设 22人工智能算力网络的概念 23人工智能算力网络的架构 24人工智能算力网络的作用 27从人工智能算力网络走向多样性算力网络 30第五章加快推进人工智能计算中心高质量网络化发展的建议 33统筹推进计算中心高质量建设 34有序推进人工智能算力网络建设 35探索建立人工智能算力网络的运营机制 36加强人工智能算力网络的核心技术攻关 37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2.0 2 人工智能计算中心发展白皮书2.0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打造具有竞争力的数字产业集群，对产业数字化、智能化转型意义重大。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 3 第一章全球人工智能计算中心的发展现状人工智能基础设施战略与政策人工智能基础设施战略与政策1.1全球主要国家和地区将人工智能的发展和布局作为重大战略，尤其经济和科技强国高度重视人工智能基础设施建设，出台相关规划和政策，围绕强化核心技术发展、标准规范建设和顶尖人才发展等部署建设人工智能基础设施，力图在新一轮国际科技竞争中掌握主导权。近年来，美国多措并举持续强化人工智能国和《美国人工智能研发战略计划》，新建政府组织机构，增加人工智能研发投资，推动基础设施建设，将“保护美国在人工智能及其相关关键技术的优势，严防战略竞争对手以及敌对国家的窃20215又提出《2021美国重塑国际秩序、重振美国领导力的提案，其中关于科技竞争的《无尽前沿法案》，将人工智能作为美国十个最关键的新兴科技领域之一。础设施建设到2025年实现人工智能科研机构 激烈的国际竞争中保持自己的地位，并引领全球标准。“AI础设施建设到2025年实现人工智能科研机构 激烈的国际竞争中保持自己的地位，并引领全球标准。

31545投资专注于更先进和更高效的计算系统，202530欧盟在数字化转型、人工智能等领域进行了顶层战略布局。欧盟成立相关基金和专门机构统筹推进战略实施，开展重大科技研发项目以引领数字技术创新，从自发分散的科研探索模式，逐步发展成战略推动和牵引、以产业化及应用为主题的创新模式。在研究和创新方面，欧盟加速推进“地平线欧洲”（HorizonEurope，第九框架计划）的科研与发展计划，整体研究经费达到近千亿欧元，其中投资24亿欧元进行人工智能和高性能计算基础设施项目建设。202550人工智能计算中心发展白皮书2.0 4 人工智能计算中心发展白皮书2.0(Society5.0)日本政府设立人工智能技术战略委员会作为国家层面的综合管理机构，协同总务省、文部科学省和经济产业省等政府部门，共同制订人工智能发展战略及人工智能产业化路线，推进人工智能的技术研发及应用。日本近年来出台的人工智能相关战略，围绕人才建设、研究开发、成果转化应用、数据基础建设、数字治理以及伦理规范等方面做出周密部署，其中特别强调了智能基础设施建设对解决重大社会问题的作用，以及人工智能与其他相关技术的融合发展，以最终实现人类与人工智能和谐共生。我国高度重视人工智能发展。自2017年开始，国务院及科技部、发展改革委、工业和信息化部、教育部等国家部委，以及各地方政府，都发布了人工智能相关政策和规划，将人工智能计算中心等新型基础设施规划和建设提升到新的高

度。2017年国务院印发的《新一代人工智能发署和发展方向指引。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（修订版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。 5 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的建设现状人工智能计算中心的建设现状1.2在全球主要国家的战略布局下，人工智能基础设施作为推动各国社会和经济智能化发展的新动能，正在全球范围内蓬勃发展。美国、欧洲、日本、中国等国家，都在新一代人工智能基础设施发展上有所布局，通过统一战略指引，加速基础研究、新型计算架构、芯片技术、系统软件、应用软件等创新研发，以保持国家科技及经济发展的全球竞争力。美国在人工智能基础研究和关键核心技术NVIDIA、Intel、AMD美国本土高端芯片巨头企业优势，基于已成熟X86GPU加速器技术路线，加快超大规模人工智能计算中心建设。早在20183.4EFLOPS（FP16EFLOPS即每秒百亿亿次浮点运算）的SummitEexa，即百亿亿次）智能超级计算机Frontir20211.4EAIPolaris10EAIAurora系统，建成后将为人工智能在医学、工程学和物理学等众多领域创造出变革性增长空间。

欧洲以战略引领数字技术创新，在使用NVIDA、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）强化本土芯片研制，多路线并进推动人工智能计算中心建设。202010CINECA研Leonardo超大规模人工智能计NVIDIAGPU加速技术，10EFLOPS的半精度浮点（FP16）人工智能算力，为人工智能在广泛应用领域中加速科学探索提供了强大支撑。瑞士国家超级计算中(CSCS)2023AIAU20EFLOPS，有望成为全球性能最强的AIAlps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m1EFLOPS，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发和处理相关技术的发展，充分满足建设创造新价值的智能社会的需求。人工智能计算中心发展白皮书2.0 6 人工智能计算中心发展白皮书2.0在我国，经过近两年的快速发展，人工智能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（中原AIAI实验室是国家战略科技力量的重要组成部分，鹏 项目合作已经展开，是国内首个具有公共服务城云脑Ⅱ作为自主先进的科研平台对核心技术突 质的人工智能算力基础设施。鹏城云脑Ⅱ是由深圳市牵头，利用鹏城实验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、AI9个月完成从启动论证到最后装机上线。基于昇腾AI16（FP16）实验室是国家战略科技力量的重要组成部分，鹏 项目合作已经展开，是国内首个具有公共服务城云脑Ⅱ作为自主先进的科研平台对核心技术突 质的人工智能算力基础设施。

破起到重要支撑作用，除了对传统基础科学领域的科研模式带来创新变革，还发布全球首个两千NLP（自然语言处理）AI.AI武汉人工智能计算中心位于武汉光谷，作15发展试验区之一，武汉率先建设人工智能计算中心，2020122820215315个月，上线即饱和运营。其一期建设规模为100PFLOPS（以FP16PFLOPS即每秒千万亿次）AI100PFLOPSAI40企业与武汉人工智能计算中心的 7 第一章全球人工智能计算中心的发展现状珠海市横琴先进智能计算平台，由中科院、广东省、珠海市、横琴新区共同打造，是中科院的重要研究成果，硬件部分主要基于寒武纪AI1.16EOPS（以整型/）算力。该平台围绕国家战略目标和广东经济高质量发展的重大需求，通过创新合作模式和机制，机构化、系统化、成建制引进中科院的优势创新资源建立高水平科技创新研究院等，将有力提升广东基础研究、应用基础研究和技术开发实力和水平，是珠海市提升城市科技活力、赋能行业应用场景的重大科技基础设施。南京江北新区与华为公司签订战略合作协2021528景，在城市治理智能化、集成电路、轨道交通、智能电网等场景形成有竞争力的应用方案，目2030工智能解决方案。同期，南京智能计算中心于2021年7该中心采用寒武纪人工智能芯片和算力机组构建，并与多家科研院所、人工智能生态企业签署了云平台服务协议，初步形成生态聚集效应。

西安未来人工智能计算中心，是西北地区首个规划建成的人工智能算力集群，是西安市硬科技发展的新高地，旨在为建设“一带一路”科技计算中心一期规划300PFLOPS计算能力，AI20211399日建成上线，将应用于自动驾驶、智慧医疗、智慧城市、智慧交通、智慧矿山等多种应用场景，进一步推动制度创新、政策创新，有助于加快实现人工智能对经济社会发展的带动和支撑作用，加快形成国家新一代人工智能创新发展试验区的西安方案。成都智算中心由华为公司与成都高新区共同I类节点”，将结合成都在西部的经济、科技中心地位，承接国家重要需求、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）人工智能计算平台、全球智能数据存储与机器视觉科研创新平台。202169AI20221首批15个生态伙伴签约入驻，及15个电子信息产业生态圈项目完成签约。中心建成后将在智能空管、智慧医疗、智慧金融等场景形成应用示范，端到端打通全产业链，支撑成都人工智能战略落地。人工智能计算中心发展白皮书2.0 8 人工智能计算中心发展白皮书2.0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 9 第二章我国人工智能计算中心的建设特点主导，坚持自主技术路线统筹规划建设主导，坚持自主技术路线统筹规划建设2.1我国国家新一代人工智能创新发展试验区和国家人工智能创新应用先导区建设均把人工智能新型基础设施建设作为重要支撑。各地政府在统筹规划和投资推动人工智能计算中心高质量建设的过程中，均立足自主技术路线创新发展，以加快人工智能和实体经济的深度融合。人工智能基础设施建设是人工智能产业发展的保障。多地政府都将人工智能基础设施建设作为城市人工智能产业发展的重要抓手，为人工智能共性技术突破、中小企业良好有序发展提供基础保障。武汉市为深入推进国家新一代人工智能创新发展试验区建设，制订了《武汉国家新一代人工智能创新发展试验区建设若干政策》，指导以地方投资建设武汉人工智能计算中心，成为国内首个具有公共服务性质的人工智能算力基础设施，具备良好的算力基础和标杆示范效应。成都

/数据中心和开放创新平台等基础设施，强化人工智能发展基础设施支撑。人工智能计算中心作为新型城市基础设施，是人工智能产业的基础底座，其中的人工智能芯片、AI框架更是人工智能产业的核心根技术。习近平总书记深刻指出，“自力更生是中华民族自立于世界民族之林的奋斗基点，自主创新是我们攀登世界科技高峰的必由之路”。自美国出台实体清单以来，中国高精尖科技均在不同程度受到影响。各地政府深刻领会科技自立自强重大意义，均十分重视建设全栈自主创新、国际技术先进的人工智能计算中心，以积极应对底层基础设施受卡控风险，支撑人工智能产业健康发展。人工智能计算中心发展白皮书2.0 10 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Atlas900AI4096910AIEAIPerf（大规模人工智能基准评测程序）榜单第一名，并保持I500（高性能计算存储系统性能排行榜-10）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20

算力资源，聚合了一部分高校院所的科研力量进行基础理论研究、前沿技术探索等，已形成一批——2000亿参数中文自然语言处理（NLP）的预训练大模AIMindSpore、使用40TB的中文文本数据训练而成，其训练速度远GPT-3构预测、小分子生成、靶点与小分子相互作用预测以及新抗菌多肽设计与效果评价等模块，是人工智能面向医药领域的一个重要创新成果。图1鹏城云脑Ⅱ 11 第二章我国人工智能计算中心的建设特点主体，构建市场化管理运营机制主体，构建市场化管理运营机制2.2人工智能计算中心作为智能时代的新型公共为发挥其公共基础设施作用，就要不仅建得好还要用得好，必须要构建形成能够支撑人工智能产业持续发展的管理运营机制。各地人工智能计算中心启动建设同期，政府即开始充分考虑如何有效运营，通过指定的运营公司成立人工智能生态创新中心，开展计算中心的算力和生态运营，提供公共算力服务、应用创新孵化服务、产业聚合发展服务、科研创新和人才培养服务，切实做到建设运营两手抓，充分释放算力价值，实现商业的小循环和产业的大循环。2020

围绕人工智能计算中心的持续运营活动。在本地政府指导和协助下，该运营公司多渠道调研访谈全市人工智能企业、高校、科研机构等的算力需求，以及目前在智能化转型中遇到的挑战和使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+。基于对区域内人工智能产业的洞察和未来产业的规划，武汉市政府制定并发布《武汉国家新一代人工智能创新发展试验区建设若干政策》，为推进武汉国家新一代人工智能创新发展试验区建设，抢抓人工智能发展机遇，提供了明确的政策支持。在政策支持和算力调研的有效识别下，运营公司联合算力需求伙伴进行方案创新和应用迁移适配，打造了人工智能发展的“武汉速度”，实现了武汉人工智能计算中心2021531日上线即饱和运营。人工智能计算中心发展白皮书2.0 12 人工智能计算中心发展白皮书2.020215140+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创新方案，其中孵化的云化能源无感加油解决方案，加油效率提升2.4（加油时间由6分钟缩短到2.5分钟）40%，并在江苏省各地市中石化加油站落地。为了推动产业聚集，创新中心举办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，公司高管、研发总监、产品经理等行业专家报名数占比AI

20219大学语音大模型、陕西师范大学“研究室”等一系列项目。此外，深圳、许昌、大连、广州等城市均在人工智能计算中心启动时同步启动运营工作，以确保实现“建起来，用起来，用得好”的目标，以算力集群赋能产业集群。 13 第二章我国人工智能计算中心的建设特点导向，打造集聚创新资源、赋能产业发展的公共平台导向，打造集聚创新资源、赋能产业发展的公共平台2.3以人工智能为代表的新兴科技快速发展，改变了人们日常工作、学习、生活方式，同时也在加速与实体经济融合，实现产业智能化升级。人工智能计算中心可为区域产业发展提供充沛的算力。例如，昇腾人工智能生态创新中心通过整合集聚创新资源，形成跨领域、大协作、高强度的创新公共服务平台，打通政产学研用，实现科技成果转化及产业化、科技资源共享服务，逐步形成大算力使能大模型，大模型赋能新应用的发展格局。正亟需大规模的遥感影像样本库,

支持。要满足这些需求和挑战需要有充沛的算力支撑其进行模型开发和验证，武汉政府承建的人工智能计算中心为其提供了资源保障。企业与科感产业。国内人工智能技术领军企业华为结合CANN2021能大会（WAIC2021）发布了全球首个遥感影AI.LuojiaNet，可处理大幅面图像（30kx30k）256，500遥感领域自主专用深度学习框架的空白。人工智能计算中心发展白皮书2.0 14 人工智能计算中心发展白皮书2.0以上算力的持续保障下迭代训练和3月中科院自动化所与武汉人工加速科研成果落地。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（）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AI逐步构建智能化音视频产业。图2武汉人工智能计算中心基于武汉人工智能计算中心，大算力使能大模型，大模型赋能新产业，充分发挥其产业应用价值。以武汉大学、中科院自动化所、华为公司等方面的合作为代表，共同汇聚了科研、产业、应用、人才等多股力量，基于公共算力为人工智能技术与多领域融合创新提供了科研和应用支撑，同时为智能化应用能力提升和产业化落地创造了环境。在科研成果联创的环境下，聚合众多中小企业的产业落地需求，构建“共建、共创、共享”的产业生态，形成了以测绘遥感、智能音视频等为核心的一系列智能化产业落地。

武汉人工智能计算中心是切实推动武汉产学研深度融合的关键措施，是打造新兴产业、未来产业研发创新高地的基础设施。武汉作为国家中心城市、长江经济带核心城市，战略性新兴产业快速发展，产业活力充分涌现，产业链与科研院所的深度融合使得人工智能算力的支撑作用显著人工智能计算中心将推动武汉人工智能产业集群成型和高质量发展，推动有地方产业特色的数字经济迈向更广阔的未来。 15 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代了一些小的算法模型，“大模型+大数据+大算力”成为迈向通用人工智能的一条可行路径。在此背景下，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，发挥最大价值。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，促进行业应用的流动，并实现基于网络的快速迭代，对人工智能计算中心提出新的需求。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能产业的带动下，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，降低能耗闲置。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动共享的需求。人工智能计算中心发展白皮书2.0 16 人工智能计算中心发展白皮书2.0智能计算中心需要适应人工智能“大模型+大数据+大算力”发展的新形势智能计算中心需要适应人工智能“大模型+大数据+大算力”发展的新形势3.1GPT-3为代表的超大规模预训练模型，以数据和算力优势取代了一些小的算法模型，展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（foundatonmodel）3所示，基础模型将多模态的数据信息进行集中训练，之后可被应用到广泛的下游应用任务。

展如火如荼。2021年以来，国内相继发布了一2.0.10进水平。图3大模型（基础模型）技术原理 17 第三章人工智能计算中心面临的新形势和新需求大规模、大参数量预训练模型的出现不断提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10EFLOPS级别，对计算中心的算力需求GPT-31750亿参数，使EFLOPS的算力也需要3天以上才能完整训练一次。而根据NVIDIA2023.LuoiaNet

1002030》白皮书预测，2030，AI（FP16）105ZFLOPS2020年增长500倍。更大规模和更高质量的数据集，便于不同地区计算中心接入和使用。人工智能超大规模预训练模型的不断涌现，持续引发巨大的算力需求。大模型需要大规模高质量的人工智能数据集，这要求人工智能数据集AI加强人工智能计算中心的建设，有效解决前沿人工智能共性研究和超大模型发展的算力供需矛盾；另一方面需要在各地计算中心间建设技术统一、方便流动的网络平台和机制。通过网络平台方便地将各地分散的数据集和应用算法等接入网络平台。人工智能计算中心发展白皮书2.0 18 人工智能计算中心发展白皮书2.0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3.2我国各行业智能化需求旺盛，但整体智能化水平较低，迫切需要降低人工智能应用门槛。据85%，远51%。各行各业数字化、智能化的需求旺盛，但我国人工智能应用落地领域分布不85以上人工智能算力集中在互联网、公安行业，在教育、医疗、养老、环境保护、城市运行、司法服务、交通、能源、制造等领域还没有得到深度应用，对公共服务、生产、分配交换等社会治理、经济活动各环节的智能化水平提升作用还不足。主要原因在于，人工智能需与各行业的业务流程、T系统等深度结合才能产生价值。除相应的硬件、软件、算法外，还需同时具备行业知识、人工智能知识、IT单个人工智能大模型可以实现在众多场景通随着超大规模预训练模型系统的开放，预训练基线智能水平大幅提升，行业人工智能应用不必从零开始开发，只需结合某个行业的领域数据进行调整，即可生成某个领域的相关模型，且得到良好的精度和性能。华为云发布的盘古预训练大模100

括能源、零售、金融、工业、医疗、环境、物流等等。其中，在能源领域，盘古预训练大模型帮助行业客户实现设备能耗的智能控制，可以节约电力成本50%；在金融行业中的异常财务检测，让模型精度提升20%以上；在尘肺检测中，病22%等等。我国区域资源禀赋和产业特色各不相同，如广东聚焦半导体与集成电路等重大创新领域，上海推进自动驾驶等融合测试场景建设，布局工业互联网平台，山东大力推进制造业、服务业、农等领域。不同区域各自具备不同的产业基础和优势，基于大模型结合本地优势产业，跨领域合作可以打造符合当地特色的产业应用。行业应用和算法高效流通可以帮助人工智能应用和场景的快速复制。基础模型借助大型人工智能计算中心的算力进行训练，成型后结合各地便捷地在异地人工智能计算中心部署，使用当地的数据进行微调和增量学习，对计算中心的发展提出了新的需求。 19 第三章人工智能计算中心面临的新形势和新需求智能计算中心需要符合国家“双碳”目标的新要求智能计算中心需要符合国家“双碳”目标的新要求3.3在国家碳达峰、碳中和的目标下，202121日，国家发展改革委等部门发布了关于严格能效约束推动重点领域节能降碳的若干意见，将“加强数据中心绿色高质量发展”作为重点任务，鼓励重点行业利用绿色数据中心等新型基础设施实现节能降耗。新建大型、超大型数据1.32051.5。这些均对人工智能计算中心提出了进一步提升能耗利用精细化能耗控制的要求。人工智能计算中心能耗总量较大，且保持不断增长。年，马萨诸塞大学阿默斯特校区的研究人员发现，训练一个I0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，年中国所有7千瓦时，相当于2.6个三峡大坝的年发电量。人工智能计算中心提供人工智能计算范式所需的专用算力，配合少量的通用算力以进行数据

预处理和其他任务，从而能够以较低的能耗提供高效的人工智能计算能力。NVDA计算中心的计算效率是传统计算中心的10PUE2013PUE2.520191.6，实现质的飞跃。其中，基于华为Atlas900AI（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9550kWPUE1.1的能耗效率。虽然计算中心有效降低了PUE，但计算业务天然存在波动，仍存在能耗闲置现象。计算中心的业务波动会造成算力利用的波峰和波谷，在波谷时部分计算集群没有任务运行，会发生能耗的闲置。如超大规模预训练模型在人工智能计算中心训练时，将占据计算中心大部分算力，在持续数周或数月形成时间周期性的算力波动，在算算力波谷时则造成功耗闲置。人工智能计算中心发展白皮书2.0 20 人工智能计算中心发展白皮书2.0因此，人工智能计算中心需要采用算力调度进一步降低业务波峰波谷造成的能耗闲置。多人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中心计算，削峰填谷，多计算中心都可以保持算力高利用率，将计算中心的能耗充分利用起来，从全局和长远角度看，是进一步提升能耗利用率，降低碳排放的有效路径。国家“双碳”目标对计算中心能耗控制提出了更高的要求，多计算中心间联网感知计算应用所需算力资源，通过任务调度，在能效比的约束下作出算力调配的最优决策，从全局视角看，可以获得计算效率与能耗效率的最优。

总之，算力网络将成为人工智能计算中心下一步发展的新形态和新范式。人工智能超大规模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。人工智能计算中心不再是独立的系统，而是形成相互联接的算力网络。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算力与存储资源，通过任务调度满足业务需求，多个组织用户在多个计算中心共享算力和数据，完成复杂应用对计算和数据处理的需求。图4华为Atlas900集群 21 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全国范围的人工智能产业生态网络。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数据中心，演进为多样性算力网络，满足数字化技术交叉应用的广泛需求。人工智能计算中心发展白皮书2.0 22 人工智能计算中心发展白皮书2.0智能算力网络的概念智能算力网络的概念4.1人工智能算力网络是以新型网络技术连接各地人工智能计算中心，汇聚算力、算法、生态等通过算力网络建设，打造中国信息基础设施数字基座，实现“共建算力、共享资源、共同发展”的愿景。人工智能算力网络的核心思想是通过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，动态实时感知算力和网络资源状态，进而统筹分配和调度计算任务，构成感知、决策、分配、调度算力的网络，在此基础上汇聚和共享算力、应用、数据、算法资源，是一种多资源、多样性异构算力深度融合，释放人工智能赋能能力的新范式。人工智能算力网络使算力资源从单计算中心统一分配转变到所有计算中心间任务和资源统一调度。过去，人工智能算力中心在各地由企业和

科研机构等分散建设，分散使用，正如私家车一样由每个人自行购买，自行维护和使用，全局视角来看，车辆使用率低，使用成本高。统筹建设人工智能等计算中心，资源统一分配，计算任务排队管理，就像出租车一样，车辆由出租车公司集中购买，车辆统一分配，用户排队打车，这样出租车车辆使用率较高，成本降低，但用户需排队使用车辆，用车高峰时需要等候，且无法将空闲的社会车辆利用起来。人工智能算力网络将全部计算中心的算力需求统一管理，并将数据、算法、应用资源等开放共享出来，进行统一分配，实现了整网最大效率，并拓展了应用和创新的空间。正如当前的互联网用车平台，将加入平台的车辆资源进行统一的按需分配，用户向用车平台时间和费用的综合成本进一步降低，全局资源利用率最优，实现可调度、可协同、可汇聚、可共享，达到了网络价值的最大化。 23 第四章人工智能算力网络的建设智能算力网络的架构智能算力网络的架构4.2基础，人工智能算力网络的整体架构如图5所示：

人工智能算力网络的实现架构包含算网一体基础设施、统一运营多维调度管理、大规模分布式多方协同计算三个平面。应用市场模型市场数据市场全局算力视图统一账户认证和授权统一计量计费统一运维分析数据流通数据流通算法流通算力流通大模型跨地域异步训练联邦学习多方协同计算模型流通大规模分布式多方协同计算服务流通统一运营多维调度管理IP人工智能计算中全光网络互联网络人工智能计算中心算网一体基础设施心互联网络智能选路质量感知应用感知负载感知电价感知能耗感知网络调度算力调度算力网络调度平台算力网络运营平台人工智能计算中心发展白皮书2.0 24 人工智能计算中心发展白皮书2.0算网一体基础设施：在基础设施平面，计算和网络融合协同，构筑人工智能计算的一体联以及跨区域长距离互联，具备以下特点：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占。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能，充分利用网络带宽。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复。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、攻击风险报警，网络攻击源头追踪。统一运营多维调度管理：人工智能算力网络管理平面由调度平台和运营平台组成。

算力网络调度平台是整个算力网络的核心，基于对算力、网络的感知信息进行人工智能计算作业的调度。在算力网络的运行过程中可以根据需要选择一种或多种调度策略：碳排放等信息，将用户作业调度到能耗最优的计算中心最优的计算设备上。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，进而选择成本最优的计算中心。负载感知：感知计算中心作业的排队量、设备的利用率，最大化缩短作业的排队和计算时间。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的优先级、服务级别等需求。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优的计算中心。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路的组合通信。 25 第四章人工智能算力网络的建设算力网络运营平台实现多个人工智能计算中心的统一运营。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、联邦学习等技术保护流通过程的安全。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、运行业务监管的重要工具。统一账户认证和授权：实现用户本地一次登录，账户在整体算力网络通行。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，后台自动结算。统一运维分析：能够为基础运营和运维过程提供全面、具体、实时的监控数据和分析工具。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迁移数据即可完成联合建模。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转、组装、加工，最终输出结果。人工智能计算中心发展白皮书2.0 26 人工智能计算中心发展白皮书2.0智能算力网络的作用智能算力网络的作用4.3中国实现人工智能产业全球领先的基座。

一张算力网络：将不同人工智能计算中心节点连成一张人工智能算力网络，算力网络吸纳和调度全国人工智能计算中心算力，以统一服务的方式，输送高可靠、可度量、通用化的算力、算法、算据资源，使能人工智能应用。生态汇聚生态汇聚数据汇聚算力汇聚人工智能算力网络图6人工智能算力网络的作用与价值人工智能计算任务所需算力根据算法的不同10

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PFLOPSAI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。 27 第四章人工智能算力网络的建设通过算力汇聚，进行算力一体化调度，根据不同计算任务对算力的不同需求，结合多个计算既最大化满足计算任务的算力需求，又提升算力和能耗利用率。通过在人工智能算力网络覆盖范围内统筹规划建设E级节点，满足大模型训练需求，避免重复建设。如某中型人工智能计算中心节点所在区域有E级算力的大型训练模型需求，但本区域节点算力难以支撑，即可申请调度EFLOPS级大型节点训练。同时，对算进行实时任务调度，削峰填谷，有效降低闲置功耗和散热功耗，提升能耗利用率。因大型节点算力波峰而排队的中小型训练任务可以适当调度到处于算力波谷的节点或电费和能耗较低的其他区域节点运行，实现算力的最大化配置效率。算力汇聚，算力调度，提高算力资源的利用效率，不具备大算力的区域也可以进行大模型训练，算力需求集中长期排队的任务也可以分流到算力需求一般的节点运行。AI数据开放，基于人工智能计算中心汇聚高质量的开源开放的AIAI算法开发和行业落地。汇聚算力网络范围内的人工智能计算中心所在区域的公共数据和行业数据资源，实现不同节点间数据资源安全开放，可信流动，并可通过联邦学习等技术利用分散在各节点的数据，共同训

人工智能数据集建设相对分散，分布于各人工智能计算中心节点所在区域。算力网络通过建设数据共享平台，基于各计算中心的数据集，形成数据集标准规范，统一各节点数据集格式与接口，使得各区域数据集可以互联互通。通过建设统一的算力网络数据管理系统，将各区域的数据共享平台打通，盘活孤岛数据，一方面可以充分场景下可用的数据集，极大提升某些行业、企业人工智能算法和应用的精度，一方面便于进行集中管理，提高数据建设水平，进而推动人工智能在行业的应用，促进产业发展。在算力网络的数据服务平台上，实现数据集“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，保障不便公开的数据集的安全。依托算力网络的数据服务，还可以提供数据标注服务，通过AI辅助标注，提高标注效率和质量，节约劳动力成本；提供模型生成服务、模型训练和模型推理服务。用户可在数据集中选择合适的数据，使用算力网络中开放的预训练模型学习，再上传自有数据做迁移学习更新模型。为促进数据贡献，数据集提供者，除了享受平台上的数据集使用权限，还可以享受收益分成。数据构建“大”模型，探索数据在各领域、各行业的竞争力应用，促进行业发展。人工智能计算中心发展白皮书2.0 28 人工智能计算中心发展白皮书2.0生态汇聚：采用互联、应用接口等标准，实现网络内大模型能力开放与应用创新成果共享，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作方式，加速产业聚合，激活产业共融共生。科研创新的协同：不同节点间大模型能力统一开放，各节点结合区域产业优势形成行业应用；科研资源集中和算力集中的节点有条件开发超大规模预训练通用大模型，并在算力网络上开放，其他节点可结合自己区域的优势产业和数据进行微调训练，使大模型的成果为己所用，生成特色场景模型。应用供需的平衡：在算力网络上架构跨地区的管理系统，对资源准入形成规范，统筹管理跨区域算力和生态资源，形成企业和应用合作名单，在算力网络范围内发布，促进算力网络各节点的创新资源流动和汇聚；围绕地区实体经济转型升级，在制造、交通、医疗等领域打造重大应用示范，在算力网络范围内企业推广，降低行业门槛，促进重点行业的智能化改造升级，从而

通过人工智能算力网络的服务与支撑系统，组建专业组织，强化跨区域科研和产业协作，为不同人工智能计算中心用户进行人工智能应用创新提供更多的资源选择和更便捷的合作方式。产业标准的发展：统筹和制定人工智能公共服务平台建设的技术解决方案，如算力池、安全管理、算力分级、计费记账、数据接口与标注等方面的统一技术规范和指南，在人工智能算力网络形成有效实践，可以为全国人工智能相关标准提供前沿经验，推动产业快速发展。坚持自主技术路线的人工智能算力网络建设，将促进我国人工智能领域进行清晰的顶层规划，形成区域互补的优势，带动一张安全领先的基础设施网络建设，促进人工智能在全国范围内与实体经济融合，加速数字经济发展。在算力网络发展成熟后，将成为中国实现人工智能产业全球领先的基座。 29 第四章人工智能算力网络的建设工智能算力网络走向多样性算力网络工智能算力网络走向多样性算力网络4.4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并取得加速突破，人类社会已经迎来了数字经济时代。万物互联产生各种各样的数据，数据成为劳动、资本、土地和技术之外的第5个生产要素，围绕数据分析处理的算力成为新的生产力。行业应用的多样性带来数据和算力的多样性，没有一种计算架构可以高效满足所有业务诉求。计算密集型应用需要计算平台执行逻辑复杂的调度任务，而数据密集型应用则需要高效率地完成海量数据并发处理，这使得单一计算平台难以适应业务要求，计算多样性和相应的多样性算力联网成为了必然。空间。提供可靠、可信、普惠的算力服务。空间。提供可靠、可信、普惠的算力服务。

人工智能计算和高性能计算（HghPerformanceComputingHPC）构成了算力这一枚完整硬币的两面。HPC硬币的另外一面，在国防、能源、航空、汽车、生物、气象等领域扮演着非常重要的角色。以人HPC同时用户无须关心调度器的差异和底层硬件的异构性。多样性算力联网让AIHPC立的系统，而是有可能整合成的一个统一复杂工作流。通过对AI训练与推理任务、HPC与建模任务的智能调度，可以实现跨计算中心跨工作域的协同作业，打破科学应用的边界。另一方面，现实世界中还存在大量运行非AIHPC将构建AI、HPC，BigData的多样性算力多租户人工智能计算中心发展白皮书2.0 30 人工智能计算中心发展白皮书2.0因此，算力网络从人工智能计算中心互联，走向人工智能计算中心、高性能计算中心和数据中心的多样性算力互联和融合是满足未来数字化技术交叉应用的关键。多样性算力网络架构如下图所示：

与人工智能算力网络相比，在多样性算力网络架构中，算力设施除了人工智能计算中心还包括高性能计算中心和一体化大数据中心。大规模分布式多方协同计算的应用场景也拓展到人工智能大模型并行训练、分布式高性能计算和多源数据一体化分析。应用市场模型市场数据市场全局算力视图统一账户认证和授权统一计量计费统一运维分析数据流通数据流通算法流通算力流通大模型 布式 源数据并行训练 高性能计算 一化分模型流通服务流通大规模分布式多方协同计算统一运营多维调度管理人工智能计算中IP人工智能计算中心超算中心全光网络互联网络超算中心一体化大数据中心算网一体基础设施一体化大数据中心互联网络心智能选路质量感知应用感知负载感知电价感知能耗感知网络调度算力调度算力网络调度平台算力网络运营平台大模型并行训练：大模型训练成本极高且耗时长，同时单体模型增长、多模态、混合模型等技术使模型规模仍在持续迅速变大。算力网络在未来有望使能多计算中心大模型的并行训练，辅

分布式高性能计算：高性能计算任务多为计算密集型作业，其单个作业的运行时间常常是数天甚至数月，通过算力网络将高性能计算作业调度到多个计算中心进行分布式计算，提升计算速度，将缩短制造仿真、EDA、生命科学、环境等多领域的研发和工程周期。 31 第四章人工智能算力网络的建设多源数据一体化分析：因为大数据的迁移成本、管理成本以及安全保护等原因，当前大数据孤岛仍然存在于地域间、行业间和组织间，算力网络可以在原始数据无需迁移的前提下，逻辑上汇聚多源数据，使能数据流通和一体化分析。多样性算力网络是一个逐步分阶段发展的过实现用户无感的任务和数据的调度，达到最佳的体验。算力和网络的深度融合带来应用场景的创

多方计算等新型计算范式，面向科研、政府、医疗、制造、能源、交通、金融等场景提供隐私计算服务，并激发千行百业智力资源，汇聚各类大数据、大模型、大应用。未来算力网络将通过广覆盖和深应用降低科研机构、企业和个人使用门槛，为世界提供更高效、更便捷的多样性算力服务。最终算力网络有潜力像电网和互联网一样，作为大规模通用信息基础设施，消除行业分享数字化红利的技术鸿沟，更好的服务于物理世界。人工智能计算中心发展白皮书2.0 32 人工智能计算中心发展白皮书2.0第五章加快推进人工智能计算中心高质量网络化发展的建议人工智能计算中心及其网络建设具有技术实现复杂、建设周期长、资源投入巨大、产业辐射面广的特点，需要进一步强化战略统筹和政策保障，进行系统的组织机制和体制创新，加强关键核心技术攻关和标准化建设，以加快推动人工智能计算中心的高质量发展和网络化建设。 33 第五章加快推进人工智能计算中心高质量网络化发展的建议推进计算中心高质量建设推进计算中心高质量建设5.1系统总结已建成的人工智能计算中心的建设经验，持续加强人工智能计算中心的统筹建设，在确保已建成的人工智能计算中心保持高效运营的同时，顺应人工智能发展趋势和产业落地的需加强人工智能计算中心建设。机会清单，面向人工智能企业、高校院所、科研 开放，在全球范围内推动形成共建共享的人工机会清单，面向人工智能企业、高校院所、科研 开放，在全球范围内推动形成共建共享的人工机构进行公开发布，鼓励开展人工智能先导性应 能算力与创新生态。

用开发和场景试验，牵引科技创新成果进行商用转化，打造一批有影响力，有实际效果的应用示范项目，形成围绕大模型的产业集群，进一步带动产业的智能化升级。2）坚持自主创新技术路线与推动开放开源并重。在当前日益复杂的国际竞争环境下，在推动人工智能计算中心建设的过程中，要继续坚持自主技术路线，进一步强化政策支持，广泛吸纳产学研用各方参与，共同提升相关产业链供应链现代化水平。同时，坚持自主创新技术路线并不意味着故步自封，闭门造车。在注重掌握核心竞争力的基础上，仍需以积极开放的态度拥抱开源人工智能计算中心发展白皮书2.0 34 人工智能计算中心发展白皮书2.0推进人工智能算力网络建设推进人工智能算力网络建设5.2鼓励京津冀、长三角、粤港澳大湾区、长江经济带等人工智能发展基础较好的重点区域先行发展人工智能算力网络，有序推动各地人工智能计算中心加入算力网络，探索推动算力跨网络结算机制，降低算力网络的使用费用。长三角、长江经济带、粤港澳大湾区、成渝地区双城经济圈等人工智能创新资源聚集、产业联系紧密的重点区域，可由节点城市平等互联或一方在各节点之间自发互联和资源共享的基础上，随着更多的网络互联和节点的加入，积极做好相关制度安排，探索形成统一规划和统一管理全国范围算力网络的体制和机制。

2）激励人工智能计算中心加入算力网络，降低算力网络使用费用，推动算力跨网络结算。人工智能计算中心分布于全国各地，归属于不同的企事业单位，运营主体也不尽相同，很难通过集中式的政策手段，将算力网络上的资源统一分配与配置优化。需要通过政策保障和资金支持，激励不同运营主体的人工智能计算中心加入算力网络，突破资源流动的实际障碍和地域壁垒。探索建立跨算力网络结算机制，突破AI要素评级、定价、计费、传输、记账、监控、交易等机制建设难题，推动人工智能计算中心之间的算力、数据和生态服务实现可信交易，使得多方、异构的资源整合在一起，实现供需的灵活对接、资源的统一管控，在满足用户业务需求的情况下，实现资源利用的整体最优化。 35 第五章加快推进人工智能计算中心高质量网络化发展的建议建立人工智能算力网络的运营机制建立人工智能算力网络的运营机制5.3探索建立以各地人工智能计算中心为主体，吸纳人工智能企业、科研机构等组成的人工智能算力网络联盟，进行