先进计算技术发展研究报告202

先进计算技术发展研究报告(2025）版权声明本研究报告版权属于先进计算产业发展联盟，并受法律保护。转载、摘编或利用其他方式使用本研究报告文字或者观点的，应注明“来源：先进计算产业发展联盟”。违反上述声明者，将追究其相关法律责任。前言为把握新一轮科技革命和产业变革机遇，推进先进计算技术创 2 2 4 6 8 1件及人工智能系统软件与开发框架。该部分直接面向实际部署与应2统完整性保护、可信执行环境以及关键部件防篡改与隔离防护等能3通过2Tbps节点带宽、自研互联技术及液冷方案，引领全球算力建多家龙头企业，在全球先进计算产业发展中长洲数字主权战略》等强化在高性能计算、低功耗计算、AI与量子计异构架构、能效优化及AI-HPC融合的支持力度，同时以LUMI、AI战略持续投入，在超级计算、类脑计算和光量子计算等方向开展算平台研发，依托国家超级计算中心建设及与三星、SK等龙头企业4发展先进计算技术是保障国家安全和实现高水平科技自立自强发展先进计算技术是提升我国在全球科技竞争中话语权和规则软件生态和应用范式正加速演进，发达国家和头部企业通过技术标5态势。CPU在先进制程带来的性能提升逐步放缓背景下，正通过多核多线程设计、微架构优化和异构计算能力增强来提升通用计算效能计算与人工智能等复杂负载；AI加速芯片则围绕更高算力密度、更低精度计算和更强系统级扩展能力快速演进，计算精度持续向FP8、FP4等方向发展，单芯片算力与集规模和训练效率，3DNAND通过堆叠层数提升和控制算法优化支撑发展的态势。超节点、PD分离推理、异构混合加速器和可重构数据6大规模光子集成提升矩阵运算吞吐并支撑生成式AI任务，国内外企体。AI手机、具身机器人、智能汽车与无人机等推动计算向端边侧下沉。SoC集成NPU及专用单元成为主流，结合模型压缩、量化与7主化升级。三是存储与高速互联从系统瓶颈环节转变为架构创新重绕Scale-up与Scale-out双路径持续升级，在高带宽、低时延与内存语义互联方向加速突破，并与在网计算、DPU卸载等融合，减少数强化异构资源调度与内生安全，数据库与中间件加速智能化与自动定运行能力。超算中心加强对“仿真计算+数据处理+AI计算”融合8结合国产软硬件与统一管理平台强化集群级安全期以来持续推动CPU性能提升，最新工艺节点已突破2nm，但随着后摩尔时代到来，依靠制程工艺进步方式带来的性能提升已相对有限。通过多核、多线程架构设计提升并行处理能力，CPU可同时执可定制的CPU设计提供了新路径，其开放指令集特性降低了研发门9此外，AI技术的不断发展推动了CPU在内存带宽提升、缓存结构改列，通过更高的MCM并行能力和AI加速单元提升云与边缘计算性化能力。RISC-V生态在全球范围快速发展，多家国际厂商推出针对CPU产业以自主可控与本土生态构建为核心推进路径，实现多技术路线协同发展。龙芯中科持续迭代基于LoongArch架构的龙芯芯与海光等x86兼容CPU则围绕国产操作系统与关键行业应用推进支撑，正朝着高性能、高能效、低功耗和可定制化方向快速发展。GPU将向更高算力、更优功耗比方向发展，并通过集群互联实现系构建更灵活的计算平台。TPU是Google为深度学习任务专门设计的一方面通过提升内存带宽和计算密度，支持更大规模的模型并行训练，并结合更先进制程工艺实现更高的浮点运算性能和张量计算效此外，随着AI生态多样化，TPU逐步扩展对PyTorch、JAX等框架的支持，并进一步增强对多种AI模型和任务的兼容性，提升通用性和灵活性。NPU主要面向终端侧应用，正朝着高性能、低功耗、高能效比方向发展，强化矩阵运算能力以提升AI推理效率。未来将加台，推动AI在智能终端、自动驾驶等领域的广泛应用。为核心的算力平台升级，重点强化FP16/FP8混合精度训练能力与集扩大应用；壁仞科技围绕BR系列产品推进高算力GPU的工程化落图一英伟达B300/AMDMI355XDPU作为面向数据中心基础设施卸载的新型处理器形态，正从全防护等基础设施任务在服务器CPU侧占用的算力比例持续攀升，键路径。技术上，DPU正向高带宽接口集成、多核异构架构、可编DPU技术主要由头部芯片厂商和云服务商推动，并已在超大规在云数据中心中支持分布式防火墙、负载均衡等网络与安全服务卸载。Intel则以IPU技术路线布局超大规模云和电信网络场景，重点探索基础设施功能与主机计算资源解耦的部署模式。在国内方面，DPU技术正围绕数据中心自主可控和行业应用需求加快落地，逐步等企业推出面向数据中心的DPU/智能网卡产品，在100GbE及以上环境下实现多类基础设施功能卸载，并在部分行业场景中验证了对CPU负载和系统时延的优化效果。同时，相关厂商正加强与国产服务器、操作系统和虚拟化软件的适配，推动形成软硬件协同发展的（2）存储部件2025年核心存储介质类部件围绕更高带宽、更低功耗与算存协应用持续扩大。NANDFlash方面，3D堆叠层数不断提升，QLC技控制算法与缓存机制改善写入性能和寿命表现。新型存储器如MRAM、ReRAM和PCM在嵌入式和特定加速场景中持续推进工程与数据中心及AI算力需求形成高度联动。DRAM与HBM技术与资本双密集特征，三星、SK海力士和美光构成第一梯队，持为高端AI加速器和智算服务器的关键瓶颈资源，产品迭代节奏与GPU平台升级高度协同，带宽、容量与能效指标不断提升。DDR5Flash方面，三星、铠侠、美光、西部数据等厂商持续推进200层以提高单位容量与性价比，满足云数据中心和企业级SSD的大容量需体系，带动本土SSD产业链发展。在DRAM方向，合肥长鑫围绕产DRAM在通用服务器和行业应用中的导入比例提升。与此同时，应用中的稳定性。在新型存储方面，多家企业和科研机构布局（3）互联部件续向更高端口速率和更大单芯片交换容量发展，单芯片能力由卡（DPU/SmartNIC）则持续强化对虚拟化、存储、网络与安全任务奏快，已量产51.2Tbps并规划102.4Tbps级产AI数据中心；Marvell、英伟达等亦在高端交换与加速互联方向持续投入。交换机市场由思科、Arista、英伟达等主导，在系统设计、网络操作系统与生态方面优势明显。光互联方面相干调制与CPO方向布局领先，博通已推出CPO交换机产AMD等形成较成熟产品体系，在超大规模云环境中实现规整体看，全球产业已进入以AI算力需求驱动的高速迭代阶段，技术为丰富的工程经验。交换芯片方面，盛科通信已实现12.8Tbps、产业链在器件、封装和模块制造环节较为活跃，800G光模块逐步进键方向。一方面，以超节点为代表的新型异构系统加快发展，通过成为大模型推理的重要架构思路，将不同阶段映射到差异化硬件资落地，通过GPU、专用加速器及低精度计算单元组合，实现性能与提升。集成新一代GPU/CPU、高带宽内存与大规模NVLink互联，面向大加速器的异构平台布局，强化AI与HPC融合能力。在推理侧，PD分离与分布式推理架构成为产业共识，vLLM、SGLang等开源与商如针对大上下文和高吞吐推理优化的GPU型号，推动形成多层次算图二图二Scaleup超节点扩展国内异构计算在智算基础设施建设和行业大模型应用需求带动厂商也在推进多GPU高密度整机与整柜级方案，结合液冷、总与CPU、GPU及国产服务器平台的适配，支持（2）存算一体存算一体正由前沿探索技术逐步演进为面向高能效计算的重要与处理单元之间的频繁搬运，从体系结构层面提升能效比与吞吐能力，正成为面向AI与数据密集型计算的重要方向。当前技术过与AI模型结构协同设计，在特定负载中实现显著能效优势，整体全球范围内，存算一体仍处于由研发验证向初步产业化过渡阶分企业推出面向AI推理的近存计算或存内加速芯片，在低功耗视觉算理念引入HBM-PIM、近存加速器等产品形态，通过果；部分企业推出面向边缘AI和低功耗推理场景的存算一体或近存面，一些团队探索将存算加速单元与现有AI计算平台协同使用，用于特定算子加速与能效优化。同时，国内也在推进相关EDA建模、架构仿真与算法适配研究，为工程化落地提（3）可重构计算题持续存在的背景下，AI芯片发展逐步由单纯依赖工艺升级和算力行探索，部分企业在体系结构创新与系统级产品化方面推进较快。SambaNova推出的RDU采用CGRA形态的可重构数据流结构，通过用，面向大模型训练与推理场景提供整体解决方案；Groq的LPU采具备较高效率，但灵活性相对受限；谷歌TPU持续强化脉动阵列与部分国际厂商将可重构理念与Chiplet、先进封装及高速互连结合，用于构建面向特定AI负载优化的系统级平台进的格局。在芯片层面，部分企业已将可重构数据流与CGRA理念引入AI加速器设计。清微智能较早布局可重构数据流架构，在语音开展应用实践；寒武纪、燧原科技、天数智芯等AI芯单元作为异构算力节点接入服务器与AI平台，用于特定负载卸载与（4）量子计算规模化。Quantinuum公司聚焦离子阱路线，在容错量子计算、量子纠错以及量子－人工智能融合方面取得前沿突破。加拿大的Xanadu公司于2025年初推出了可扩展、网络化和模块化的光量子计算机离子阵列原型机HYQ-B100，推进量子模拟与量子AI探索。无锡建成国内首条光子芯片中试线，具备晶圆级可编程光量子芯片量产能展应用探索，量子－经典混合计算与云化服务QPU作为新型加速资源纳入异构算力体系，形成“量超融合”“四价值领域开展探索，量子机器学习与可验证专（5）类脑计算和传感网络结合，形成“感存算一体化”的新型格局。Intel发布的HalaPoint被视为代表性系统之一，基于Loihi2架构基础，近年来研究重心更多转向与AI算法结合的低功耗智能系国内类脑计算近年来从单点芯片研究逐步迈向系统级集成与平研力量在神经形态芯片、脉冲神经网络模型及系统架构方面持续推应用探索。趋势表现为光子集成电路（PIC）的大规模化与材料体系的多样化，片正从单一的功能单元向具备数千个可调谐组件的超大规模片上系国外光计算研究已进入从原型机验证向数据中心级部署跨越的半导体产业链，重点攻克高性能AI推理加速难题。在学术层面，以性激活函数的物理局限，试图构建从计算到存储完全由光子驱动的与产业生态。Lightmatter与CelestialAI等领军企业已进入大规模商软件栈+代工标准”的闭环，力求在后摩尔时代定义下一代算力基础构通过分布式广度计算突破了深度缩放限制；上海交通大学在2025年发布的LightGen芯片则展示了在生成式AI任务中超越传统GPU成从原理样机到工程化产品的迭代，推出了适配国产AI框架的光电通用服务器技术态势呈现出由传统通用算力向异构协同与智能调度融合演进的趋势。传统基于x86架构的通用CPU仍是数据中心服务器的核心，如IntelXeon和AMDEPYC系列为高性能通用负载AI推理、训练、大规模并行计算和网络卸载等复杂任务。例如，国以提升AI与数据密集型工作负载性能；HPEProLiantGen11系列通过支持PCIe5.0、DDR5和最新Xeon可扩展处理器，在性能与能效上实现较大提升。互连技术也在加速升级，CXL（ComputeExpress调度更灵活、更高效。系统级智能管理工具如AIOps平台正成为基根据市场规模报告，全球通用服务器市场至2026年预计规模持续增性，支持新一代Xeon处理器与PCIe5.0标准的应用优化。戴尔更高性能、AI优化及边缘部署能力演进。整体来看，全球通用服务术升级。在产品层面，浪潮信息（Inspur）的服务器系列在国内市场和行业应用中份额领先，其产品线包括GPU优化服务器、机架式服务器与多节点计算节点，支撑云计算与大数据场景。超聚变FusionServer系列是华为服务器产品的重要代表，近期推出的G5变还持续更新如FusionServer5298V7等机架服务器产品，式存储、大数据与企业级应用需求。联想问天等品牌也推出如WR5220G3等模块化通用服务器产品，通过灵活组态与高扩展性满足企业计算与数据中心建设需求。在国内生态建设方面，国产操作（2）智算服务器同优化演进的趋势。与以CPU为核心的通用服务器不同需求。在产品层面，戴尔（Dell）推出的PowerEdgeXE系列智算服向企业级AI训练和科研计算场景提供高性能算力节点。超微模到超大规模训练的多样化产品选择。国内智算服务器产业在人工智能发展战略和算力基础设施建设力方面逐步成熟。在具体产品进展方面，浪潮信息围绕GPU加速和等机型支持多块双宽GPU、高带宽内存和灵活存储配置，适用于高密度智算部署。联想问天系列亦推出面向AI负载优化求。同时，华为依托昇腾AI芯片与服务器平台的软硬件协（3）超算服务器超算服务器通常采用CPU为主、加速器协同的异构架构，通过高速计算和高频数据交换需求。随着应用从单一数值模拟向“仿真+数据引、系统工程能力驱动的发展特征。国际主流厂商围绕E级计算和连带宽和系统集成方面不断突破。在产品与方案层面，HPECray系在欧洲和北美HPC市场亦占据重要份额，其高性能服务器平台在气问天及HPC服务器平台，为科研和工业用户提供高性能计算节点；（4）端侧设备三是交互方式由被动响应转向具备上下文理解与任务规划能力的智化与结构化剪枝降低资源消耗。同时，操作系统级AI框架和统一调域，苹果在A系列与M系列芯片中持续强化神经网络引擎能力，将本地大模型推理与系统功能深度结合；高通在旗舰SoC中提升端侧等推动VLA模型与机器人控制系统结合，在物流分拣、仓储搬运等Skydio等企业依托视觉AI实现高可靠自主飞行，在安防、巡检与应急领域应用深化。全球端侧AI从早期“把模型放进设备”阶段，进入软硬件深度协同优化阶段，系统级体验与生态整合成为差异化关车领域，华为、地平线、黑芝麻智能等提供车载AI计算平台与解决用。无人机方面，大疆在消费级与行业级市场保持领先，AI视觉在（5）存储技术界向AI数据平台跃升。随着AI应用爆发，驱动超大规模、超高速量正面临千倍增长。数据存储成为AI记忆与思考的的AI数据平台。这一转变是数据存储产业在技术架构与商业模式上全球厂商与产业联盟对数据存储系统的战略升级。AI大模型的宽不足、延迟过高、扩展性受限三大痛点无法匹配算力。面对“算力空转”的存储瓶颈，美国头部厂商率先启动系统架构的战略调整，核心思路是将存储系统深度嵌入AI算力集群，形成计算－存储－网络平台VeraRubin。其核心变革在于重构存储层级，引入HBM4、LPDDR5X和由DPU管理的NAND三层存储架构，旨在将AI推理（全球网络存储工业协会）启动“Storage.AI”开放标准项目，旨在联合行业成员为AI工作负载制定高效、非专有的数据服务标准，优化AI数据管道中最棘手的数据访问和管理挑战。上述事件揭示了美国统不再被视作被动存放数据的静态仓库，存储层正积极融入计算架使计算和存储资源能够独立扩展，提供了应对AI工作负载不确定性了新的思路。另外根据IDC报告，在企业级外置存储市场，全球格着AI大模型对高吞吐、低延迟存储需求的持续提升，中国厂效率。随着数据量指数级增长和AI应用普及，计算数生产要素，传统存储架构已难以满足“语料库+知识库”升级需求。大储带宽提出TB/s级要求；推理场景则要求延支持数据预处理与模型加载。AI存储架构需在处理海量数据、跨域些能力，AI存储系统不仅满足超大规模训练与推理需求，也为构建先进计算领域正经历从传统单点计算向大规模异构集群的深刻Scaleup（纵向扩展）聚焦单机/超节通信；Scaleout（横向扩展）关注跨节点集架构作为Scaleup的核心载体，正通过开放协议、光互连和Chiplet解耦等创新实现算力密度与能效的飞跃，而Scaleout则在RoCEv2以太网与InfiniBand双轨并行中寻求性能与成本的平衡在网计算等新型计算通信融合模式提升系统整体性图三高速互联技术第五代NVLink交换机支持72个GPU全互联，单链路通信速率达单元（Pod）内最多1024个加速器互连，单个通道速率达200Gbps，该规范还基于内存语义优化，实现AI芯片间直接的Load/Store等内XPU互联的性能瓶颈，实现了高密度集成。SUE实例体积仅为传统联架构（OISA）的核心特点是原生支持共享内存语义，通过将通信操作抽象为GPU标准的内存读写和原子操作，并结合统一总线寻址直接通信，2025年华为发布的CloudMatrix384超节点，是UB技术规则化直连拓扑，通过在芯片与加速器层面构建多维点对点互联网率。在数据中心级加速器互联方面，华为提出的UB-Mesh架构同样计算（In-NetworkComputing，INC）的核心理念是将原本由主机CPU/GPU执行的数据聚合、梯度同步、数据预处理等通信密集型任务下沉至具备算力的智能交换机、DPU或可编程网络设备中完成，并在新一代服务器与网络系统中进一步强化计算与通信路径的协同AI训练与高性能计算场景中，AWS利用DPU侧的协议卸载、数据路径加速与通信调度优化，显著降低CPU介入度和通信抖动，为大规模并行任务提供更加稳定、高效的网络支撑，体现了INC在云级（7）基础软件心的协同进化。这一变革主要由云原生与人工智能两大技术力量驱智能体重塑人机交互范式。数据库领域形成“AIforDatabase”和优，另一方面以向量数据类型和高效相似性检索为代表，原生支撑AI应用。中间件则通过AIOps和低代码技术，推动运维与开发模式流程加密与智能安全监测，构建“架构免疫型”安全础软件的未来形态。操作系统领域，竞争已升级为“AI原生操作系统+智能体生态”之争。微软通过WindowsAIFoundry整合系统级生态，并将Copilot升级为多智能体系统，推动操作系统从工具平台Intelligence，在强调隐私保护的前提下强化设备端生成式AI能力；数据库领域，国际厂商加速融合云原生与AI原生架构。OracleAIDatabase26ai将向量数据类型、索引和AI代理框架直接嵌入内核，与向量能力上持续演进。中间件方面，IBM和Oracle正将集成平台升级为企业AI智能体的编排中枢，通过自然语言驱动集成配置，打突破。银河麒麟和统信UOS已实现对Intel、AMD及飞腾、兆芯、有效降低国产化替代成本。同时，国产操作系统积极引入系统级AI转向“创新驱动”，在分布式、云原生和智能化GaussDB、OceanBase在事同步推进，东方通、宝兰德等厂商通过AIOps和智能体平台，构建（8）开发/框架类软件体技术趋势看，深度学习框架正加速向“高自动化分布式+训推一体+云原生协同”方向演进。其中，动态与静态统一的自动并行机力规模化、系统工程化和开发智能化并行演进在国外产业层面，PyTorch依然保持在研究与产业界的主导地一步巩固其在大模型研究与训练中的优势。与此同时，InteloneAPI开发流程，显著提升工程效率，体现出国外在“AI赋能软件工程”图四深度学习框架程化能力上实现显著突破。百度飞桨3.0及后续3.2版本推出动静统心大模型在超大规模集群中的预训练MFU达到47%，在易用性与效率上形成明显优势。在训推一体方面，飞桨依托高可扩展中间表示（PIR）架构，实现从训练、压缩到推理和服务部署的全链路优化，在单机与集群推理场景下显著提升吞吐性能；