人工智能发展报告-智算云时代的人工智能发展洞察

前 图1云计算发展历 图2智算云平台架 图3息壤助力某央企打造通智超一体化算网融架 图4我国智算与通用算力规模发展趋 图52024年世界标志性人工智能模型数量分 图6中美模型算法性能测评得 图72025按地理区域划分世界前500超级计算机数 图82025Q1未上市公司股权交易规模分布（单位：10亿美元 图92024年按地理区域划分的全球人工智能私人投 图11人工智能赋能生产连续稳定运 图12四川高速ETC智能问答智能 图13物理世界与数字世界变 表1主要国家促进智算云发展的政 表2美国头部科技企业最新智算集群建设情 表3我国头部企业智算集群建设情 表6全球人工智能领域人才聚集机构排名 表7传统生产模式与人工智能生产模式对 表8社交媒体日均使用时长（美国地区 表9传统终端与云终端对 1

自云计算诞生以来，经历了三大变化阶段。一是云计算阶段。以虚拟化技术为主。二2010年后GPU2020，2022年底haGPT带来大模型热潮，一批覆盖模型训练、推理、部署全生命周期的MaaS发布，与传统AIIaaS模式相比，aaS降低了用户管理2

工智能融，智算云被提升至战略高度。美国，2018年提出“云智能（CloudSmart）”战略以来，持续加大云基础设施投资。2025年1月，特朗普宣布启动“星际之门”项目，该项目联OpenAI、软银、甲骨文等关键领域；20257月白宫发布《赢得人工智能竞赛：美国人工智能行动计划》，该计划中欧盟，20254月欧盟委员会发布“人工智能大陆行动计划”，明确提出要建立57年时间里，将数据阿联酋，2025年发布《2025-2027130亿迪拉姆（约250亿人民币），推动人工智能在政府服务中的应用，在数字基础设施方面，实现政府业100%采用主权云计算。韩国，20252月第三次国家人工智能委员会发布《通过扩建人工智能计算基础设施GPU资源。中国，2023年10月，工业和信息化部等六部门共同发布《算力基础设施高质量发展行动计划》，推动云服务方式整算力资源，充分发挥云计算资源弹性调度优势，开展智算中心建设，逐步理提升智算占比；2025年7月，国务院常务会议审议通过《关于深入实施“人工智能+”行动的意见》，提出加强智算互联互通和供需匹配，创新智算基础设施运营模式，鼓励发展标准化、可扩展的算力云服务。上海发布《上海市关于促进智算云202-2027年1《加速联邦数据中心基础设施审促进人工智能发展，维持美推动本土人工智能技术全面融发展，构建共生生态，协同进行技术攻提升政府服务人工智能转展，加速各领域向人工智能设施建设。整云服务GPU资源。业创新发展的实施意见（2025-年）扩大智算供给占比，推动智算普惠易用、经济高效、绿一是底层算力供给方面CPU为计算核心，搭配GPUNLP、CV、耗以中央空调进行冷却，而在进行大模型训练的过程中，GPU针对上述传统计算中心的限制，智算云作为契人工智能发展需求的数字基础设施，一是智算云支持提供高度多样化的异构算力资源池选择。通过部署GPU、TPU、FPGA、DPU与专用人工智能训练加速芯片，智算云支持用户为不同特性的人工智能模型图3息壤助力某央企打造通智超一体化算网融架

浸没式液冷等高效散热技术常态化使用，并部署智能温控系统，动态平衡计算功耗与散热局，以支撑全球人工智能服务能力。2026-202979亿美元，在当地数据中心部署先进芯片以增强Azure的智算水平；英伟达将在德国建设欧洲首个工业1DGXB200RTXPROGPU，为欧洲制造业提供全流程人工智能加速支持；AWSLGUplus2250甲骨文（星际之门作项目402025部分投运，20102.6IDC4国内，我国发挥举国体制优势，智算建设已取得初步成效。IDC测算，2025年我国智1037.3EFLOPS202442%122781.9EFLOPS19.8倍。河北省、上海市、浙江省、贵州省、内蒙自治区作为全国智算规模TOP5，智算规模均超过55EFLOPS，其中河北在用智算截至2025年7月，我国已建成18个万卡级智算集群，芯片计超23.9万卡，智算芯片超22025综算力指3

Gartner统计3，2025年全球人工智能支出规模将71%。人工智能成为云服务商收入增长核心动力。2025年初，DeepSeek横空出世带来国内大季度复增长率为1.8%，而云业务季度复增长率达3.1%，人工智能推动云服务收入增Tokens2.31倍6。3Gartner20259456IDC2025H1成为可能，开发者正迅速消耗海量网络数据以训练大模型。据预测7，到2028年左右，人欧盟委员会近日提出《数字综监管提案》，旨在简化GDPR（《通用数据保护条例》GDR监管，并放宽人工智能训练对个人数据使用的限制，降低企业规负担来促进创新和提升欧盟数美国采取“轻监管+产业驱动”模式，跨国科技企业通过全球化布局构建数据采集网络，2025年，谷歌处理的搜索量超过5万亿次8，ea的acebook日用户达21.1亿9大的用户行为数据规模为企业优化大模型提供助力。开源数据生态成熟，ImaeNet图像数据集、OO（omonObecsnonet图像数据集）发。企业间形成数据共享联盟，如atronHeah与arsfecences、atronHeah等联共建医疗数据集。同时，美国企业在数据清洗、标注等基础环节的投入持续加大，ea花费143亿美元购买数据标注独角兽caeAI半数股权，caeAI估值已达290亿美7Nature：TheAIrevolutionisrunningoutofdata.Whatcanresearchers8Demandsage：HowManyGoogleSearchesPer9Demandsage：FacebookUsersStatistics政策层面，《数据安全法》《个人信息保护法》落地见效，规范数据采集与使用，是数据交易与流通的安全前提和保障。同时，《“数据要素×”三年行动计划（202-2026年）》强调打造高质量人工智能大模型训练数据集；《关于促进数据标注产业高质量发展30Claude模型采用安全导向的优化解码器架构，通过稀疏注意力机制与旋转位置编码oE）的结，在保留距离语义捕能力的同，将计算复度降低30%，其新版本已实现20万en（约15万字）的超长上下文处理能力。OpenAI的G4o则突破多模态原生融瓶颈，通过统一的多模态编码器将文本、图像、音频信号转化为同源特征向58%。在能力深化与安全对齐领域，技术创新呈现“性能与伦理双驱动”特征。谷歌Deepnd的Gemni模型引入层次化记忆结构，能在科学计算场景中精准提取并复用长文本中的公式与实验数据，辅助完成核聚变能量控制的参数优化；aude首创的“宪法人工智能对齐框架”，通过内置伦理准则库实现算法决策的可解释性，在金融规审查等场景中，违规决策误判率低于0.3。跨学科融更是形成技术壁垒，谷歌将量子计算的并行性1011斯坦福大学，ArtificialIntelligenceIndexReport引入算法优化，其量子机器学习模型在组优化问题求解上，速度较经典算法提升1000倍来源：Epoch52024我国人工智能算法的先进性以“框架自主可控+场景效能优化+工程化落地加速”为核心特征，在算法工具链与垂直领域适配能力上形成独特优势。底层框架突破尤为显著，百度飞桨3.0通过高可扩展的中间代码构建动静统一架构，创新性实现“动态图编程灵活性+静态图优化效能”的兼容，其动静统一自动并行方案仅需开发者添加一行代码，即可完成95rch的62%，40。在场景化算法创新上，形成“通用能力+行业知识”的增强范式。百度文心一言通过知识增强技术将大规模知识图谱融入预训练过程，在法律条文解读、籍修复等知识密集型任务中，事实性错误率降低62%；阿里通义千问针对电商场景优化多模态算法，其商品图像识别模型能精准区分面料纹理、色彩饱和度等细微差异，检索准确率较通用模型提升35。在工程化适配能力加速上，华为昇腾人工智能框架推出的算子自动融技术，可根据工业质检、医疗影像等不同场景的算力需求，动态组算子内核，在边缘计算设备上实现50s来源：斯坦福大学，ArtificialIntelligenceIndexReport6在算力供给方面，截至2025年8月，美国在全球人工智能算力中占据68.9%的份额，中国14.%位列第二，欧洲与日本则分别占6.1%和1.212。这一规模不仅体现在总量上，更凸显于结构优势——其中用于大模型训练的高端算力占比超40%，而我国同类算力占比仅为18%，且美国在算力调度效率、单位算力能耗等核心指标上同样领先。同时，美国的超算约占到世界的54%，而中国则占到20%。由劳伦斯伯克利国家实验室等研究机构学者OP5014547这种“总量+质量+效率”的三重优势，使得美国与其他国家的算力剪刀差持续扩大，既为其人工智能大模型研发提供了坚实支撑，也在全球人工智能产业竞争中构筑了显著的算力在芯片技术方面。GPU80%13，20232024年间营收增长405%14，英伟达以硬件为核心构建CUDA软件生态，在软件库、人工智能框架、算子库等12Plotset《AIComputePowerbyRegion》，202581314Meta等大型科技企业也已开始自主设计专用集成电路（ASIC），并依托自身云服务对外提65TOP50072025500海光DCU实现金融、能源等领域替代应用。算力调度技术创新方面，阿里飞天智算平台实现算力利用率提升至65%，百度智能云推出弹性算力服务，降低中小企业人工智能部署CPU+GPU+加速卡的异构计算架构提升大模型训练GPUH100、H200等芯片凭借领先的算力密度与成熟的软件生态，占据国内大模型训练芯片市场的60%以上16，国产CUDA1516资本是人工智能技术从实验室走向产业化的“助推器”。近年来，资本不断向人工智能倾斜，2024年，全球人工智能领域的风险投资首次突破千亿美元大关，全年新增32家人工智能独角兽企业，占当年新晋独角兽总数的近一半17。同时，头部云服务商成活跃的来源：CBINSIGHTS，Stateof人工智能Global|Q182025Q1未上市公司股权交易规模分布（单位：10亿美元金融资本高度聚集，对产业发展强赋能。目前，美国的金融资本，对人工智能的估值相对更高，投资更积极——今年一季度，全球人工智能相关的股权投资中，90%以上流向美国市场；其中A轮到E轮的成长期投资，美国占比更是超过8018，该规模大约是我国1050%，与其他国家的剪刀差在扩大。这种资本聚集效应直接转化为产业发展优势，在充足资本推动下，美国人工智能产业的独角兽企业实现爆发式增长。截至今年一季度，美国人工智能独角兽企业数量已达18139个，美国17CBInsights《202518CBINSIGHTS，StateofGlobal|Q15倍，这些独角兽企业涵盖大模型研发、算力服务、垂直领域应用等来源：斯坦福大学，ArtificialIntelligenceIndexReport92024形成“资本支持-采购算力芯片-模型技术快速迭代-反哺上游产业”良性生态。年，OpenAI、Anhropc两家前沿人工智能企业完成565亿美元融资9。资金并非用于市场扩张，而是集中投入AGI（通用人工智能）基础建设：OpenAI将融资中的约180亿美元用于星际之门基础设施项目，以提升OpenAI的计算能力和服务质量；1月18日，微软宣布与Anhropc达成战略作，根据协议，微软计划向Anhropc投资50亿美元，Anhropc则向微软购买一定的Aure云服务。此外，AI与英伟达也开启了创新作模式。英伟达通过股权投资与算力供应绑定的方式，向AI注入专项资本，定向用于采购英伟达H200GU及配套算力基础设施，AI的英伟达GU规模由10万卡扩充至20万卡。这种作并非简单的资本注入，而是形成“资本支持-采购算力芯片-模型技术快速迭代-反哺芯片生态优化”的闭环，既降低了AI的算力建设成本，又为英伟达芯片的技术迭代提供了真实场政策锚定方向，形成对硬科技突破的精准支撑。20245月，国家大基金三期成立，3440亿元，超过一期和二期的总和，2025119OpenAI400亿美元融资；Anthropic35E130亿美元F（一期）—>“强化上游”（二期）—>“引领尖端（三期）”的战略转型。地方政府则通过“算力券+税收减免”的组政策，降低中小企业、科研院校技术创新成本，如重庆每年安排5000能力积累，2025前三个季度，在已经披露财报的科创板人工智能相关企业中，头部企业研持核心竞争力。产业资本的协同创新也更具特色，阿里云“繁花AI伙伴计划”、华为云AI先锋计划”等人工智能技术伙伴计划，以“资本注入+技术输出”的方式扶持垂42025研发费用（亿元营收（亿元研发费用率38.22495.125.8625.2380.6314.8954.2250.715Google321个全球顶级企业人工智能应用实战案例来源：全球顶级企业人工智能应用实战案例前沿技术牵引场景布局。美国人工智能应用策略聚焦技术壁垒高、附加值大的领域，通过基础研究突破带动场景创新，构建“技术领先-场景验证-标准输出”的闭环，在全球人工智能应用体系中占据主导地位。在前沿技术落地方面，美国将人工智能深度融入基础科学与高端制造核心环节，形成差异化竞争优势。基础科学领域，人工智能已成为科研范式革新的核心工具，谷歌Deepnd的Aphaod3通过算法优化实现蛋白质结构预测的颠覆性突破，精准覆盖2亿种蛋白质，将新型抗生素研发周期从数年缩短至3个月；高端制造领域，特斯拉人工智能工厂构建“算法-机器人-生产系统”的深度协同模式，其基于强化学习的Opmus机器人实现汽车零部件装配的自主决策，装配精度达0.02毫米，较传统80人工智能开源生态构建起全球技术话语权。ea、微软等企业通过开放核心模型与工具链，形成“技术输出-全球反馈-迭代优化”的良性循环，如ea发布的aMA系列，基于aMA开发的QhenGT和haMed，在医疗领域实现了疾病诊断辅助与医学文献分析；ansforer的开源特性使得研究者能够不断改进模型结构，从最初的自然语言处理扩展到多模态学习领域，衍生出IP、DA-E等突破性模型。这种生态主导力使美国无需依赖大规模场景覆盖，即可通过技术标准与工具输出，掌控全球人工智能应用的发展方以“场景需求牵引技术迭代”为核心，在垂直领域形成“算法优化-工程适配-规模化落地”的完整能力链条。工业场景作为人工智能应用的核心阵地，已实现从“单点检测”向“全流程智能赋能”的阶段跨越，技术突破集中体现为对复杂生产环境的强适配性与对产业痛点的精准解决能力。当前工业人工智能已覆盖研发设计、生产制造、质量管控、运维服务等全环节，通过小样本学习突破细分领域数据稀缺瓶颈，借助多模态融技术（如视觉、红外、声学信号协同）提升复杂工况下的判断精度，有效解决传统工业中“人工检测效率低、标准化难、极端环境无法作业”等痛点。在智能制造领域，美的灯塔工厂构建单数量上升180%的情况下，工厂仍然能够将水机选型周期缩短81%，产品设计周期缩短45%，市场维修率降低31%，实现算法技术与工业流程的深度耦。5亿网络文学用户催生的“文字可视化”需求，推动人工智人才是人工智能所有要素的“创造者与整者”。中美对全球人工智能人才形成强大吸引力，聚集情况处于全球第一梯队。科技巨头通过天价高薪、股权等福利抢夺人工智能美国人才聚集效应明显，构建了从人才培养到价值转化的全链条优势。其人才生态以高校为基础、企业为枢纽、资本为纽带，实现学术创新与产业需求的无缝衔接，保障人才价值最大化。产学研协同机制是人才生态的基石，形成“高校育才-企业用才-双向流动”的良性循环。顶尖高校与科技企业建立紧密的作纽带，斯坦福大学、IT等院校的人工智能实验室与OpenAI、谷歌Deepnd等共建联研发中心，实验室核心成员可兼任企业技术顾问，企业工程师也参与高校课程设计，确保学术研究紧扣产业需求。国际金融论坛2025《IF全球人工智能竞争力指数报告》显示，全球人工智能人才总量约为300万人，其中美国占33%。美国2025《AIenteport》指出，过去十年，美国人工智能相关毕业生数量显著增长，非美国公民博士生占比近一半，美国仍是全球人工智能人才的主要目的通过硬激励抢夺人才。20万美元左右2020《2024~202514上限已超过金融等传统高薪职业，OpenAI核心团队包含12位图灵奖得主的弟子，形成“顶尖人才-技术突破-资本加注”的正向循环。头部公司为竞争人才通常开出天价薪酬体系，如205年10月ea通过上亿美元的天价年薪、股权激励，在短短一周内从OpenAI挖走了8及化推进，159.960%22，能满足产业快速发展的基础需求，在联国工业发展组织评选出的全球人工智能人才Top100中235737个机构以人才聚集情况位列第一梯队。Gemini核心研究者、DeepMind2025年加入字节跳动，OpenAI研究21美国招聘平ZipRecruiter统2223联国工业发展组织《全球人工智能科研态势报告》来源：联国工业发展组10Top1006全球人工智能领域人才聚集机构排名来源：联国工业发展组“时间延长”，连续稳定运行。传统生产过程受限于人工效率与资源瓶颈，业务稳定24针对24避免人工长时间作业导致的疲劳误判，还可以利用夜间时间调度闲置智算资源提升检测强度，华为昇腾人工智能质检助力富士康光伏控制器产线，月检600+，准确率超99%。24小时监控与管理，宁波钢铁高炉区域为例，巡检环境温度超过50℃，且存在50%。11准确率不高。人工智能通过质量精准、迅速响应等特性，赋能研发设计、生产作业、售后作，可大幅降低试错成本、提升设计创新性，东风设备利用3D智能设计，利用历史3D30%。生产作业阶段，利用人工智能对设备运行数据、生产环境数据、产物参数数据等进行感知和分析，开展作业流程瓶颈识别、故障作业排查、质量检测等优化工作，宝钢包ETC智能问答智能体，能够显12四川高速ETC。柳工机械通过“柳工通”实现跨国工作流程整，多语言实时翻译功能打破了170在多工厂联动生产场景中，各工厂设备可接入云端平，自动上传产线数据指标由人12%9%。服务“空间延伸”，远程服务零距离体验。区域网点上门、线下到店等传统服务模式远程诊疗人工智能服务可实时传输患者影像、既往病历、健康设备采集数据等信息，云端初步诊断并分配至专科专家，异地专家也可以通过AR眼镜等设备接入远程诊疗人工智能服务，对高难度的手术进行指导，进而解决医疗资源空间分布不均匀的问题。例如，复旦50052岁喉肿瘤患者完成了全球首例人工智能远程头颈外科7AI 存在服务盲区（偏远地区等 多种交互模式的远程服务（多模态可视化、AR/VR等） 服务稳定性差（极端天气等 13

人工智能通过与机器人、数字孪生、AR等技术结，打破了数字世界与物理世界之间的隔阂，数字世界叠加在物理世界，丰富了人类对现实的感知和体验；物理世界映射到数字世界，让人类在数字世界更便利的解决办公生产问题；数字世界与物理世界联通，进一步催生了人形机器人等新质生产力。可见，随着人工智能与其它技术的融发展，人类“到“--复物世界人工能数孪建立字镜。人智能与字生融，能著提升对物理世界的感知能力，让工作场景从物理世界向数字世界迁移，突破了传统数字孪生静态建模、被动反馈的局限。一是具备了毫秒级数据处理与模型更新能力，数字世界的镜像能够更加精准、同步的刻画物理实体的状态。二是整图像、语音等多模态数据，能够从更加全面的维度进行物理世界复刻。如深圳市龙华区通过数字孪生城市对七大重点片区进行了城市治理试点，工作人员在办公室就可以全面掌握城市细节，对突发事件在模型14数字世界映射进现实，人工智能+AR为人类带来物理世界新感官。传统模式下，数字世界需通过屏幕等终端呈现，与物理世界处于隔离状态，人工智能AR则将数字信息以可则作为数字世界与物理世界的交互入口，实现虚实信息的无缝融，优化人类在物理世界的感官体验。如雷鸟AR眼镜融高德地图人工智能导航