《甲子光年：2023年中國AIGC產業算力發展報告（57頁）.pdf》由會員分享，可在線閱讀，更多相關《甲子光年：2023年中國AIGC產業算力發展報告（57頁）.pdf（57頁珍藏版）》請在三個皮匠報告上搜索。

1、2023中國AIGC產業算力發展報告AIGC爆發，算力服務機會or變革？出品機構：甲子光年智庫報告指導：宋濤報告撰寫：劉瑤發布時間：2023.08#page#甲子光年前言伴隨著ChatGPT的爆紅，AIGC產業鏈受到廣泛關注，大模型的發展正推動AI算力市場進入新的發展階段，強大的AIGC算力基礎設施正在構建當中。大模型訓練是復雜系統工程，AIGC產業的算力也對應是系統化的建設，基于此，甲子光年智庫特此展開AIGC的算力研究，輸出中國AIGC產業算力發展報告，在瞬息萬變的AIGC產業發展過程中，試圖捕捉到AIGC產業算力的發展變化AIGC時代已來，算力作為推動產業發展的關鍵資源，決定了產業的發展

2、速度及本次報告探討的問題明晰概念：從需求出發，探究決定AIGC產業基礎設施算力，包括源些關鍵決定因素？（infrastructure）產業分析：AIGC的算力產業鏈部析，從芯片發展到云服務方案，AI算力不止于訓練，同時支持AI多場景應云邊端“算力供應商的角色作用是什么？用，在多細分場景上具有潛力AIGC的爆發會重新改變負載需求探過：中國AIGC產業發展是否缺乏算力，還是缺乏針對企業的AI技術的算力發展“高性價比”及“可落地”的AIGC算力解決方案？實踐指南：針對當下國內的“百模大戰”與企業對于AIGC應用落地的需求，目前A/算力領城有哪些解決路徑及方案？AI技術（算法、模型）與算力的融合催生趨

3、勢可能：AIGC的算力爆發是否可特續？未來對AIGC的算力提出哪更多產品及服務模式些層面的要求？#page#甲子光年甲子光年重點關注企業AIGC產業算力領域的領航者甲T龍請年“基于大模型自身實踐與服務客戶的專業經驗，滴潮信息發布大模型智算軟件錢OGAI（OpenGenAllnfra）元腦生智，OGA以大模型浪潮信息為核心技術的生成式A開發與應用場景，提供從集群系統環境部署到算力調度保障和大模型開發管理的全棧全流程的軟件，從而降低大模型算力系統的使用門檻、優化大模型的研發效率，保障大模型的生產與應用。元餐間intelitfusion“應用產生數據、數據訓練算法、算法定義芯片、芯片賦能應用”是云天

4、勵飛一直堅持的人工智能發展之路，基于此，云天勵飛構建了業界領先的算法、芯片、大數據全棧式AI能力，同時擁有大量創新應用和落地場景，橫跨人工智能基礎層、技術層和應用層。云天勵飛“UCloud優刻得是中立、安全的云廠商，擁有超10年的公有云技術沉淀并積累了全面的系統工程能力，具備從數據中心、計算平臺，到管UCLOUD優刻得理平臺、網絡服務、應用服務、生態接口等一站式產品和解決方案。憑借技術及工程能力沉淀，UCloud優刻得可在AIGC領域構筑強大的算力底座，通過優化網絡和存儲帶寬提升大模型訓練效率，并持續提供快速、高效、可控及安全的A推理環境。witmem內計算芯片的產業積累，將繼續推進存內計算架

5、構創新，由3D存內計算架構向高速互聯存內計算架構演進，實現產品“端邊一云”側算力全知存科技面覆蓋?！癇oCloud博云形成了系列產品以創新云技術支撐企業核心業務，構建數字化高效T系統。公司自主研發的多項軟件產品，包括邊緣計算平博云有電力公司、股份制銀行、大型支付機構等標桿行業客戶的重要生產系統提供服務。熱銀“億鑄科技在全球率先利用ReRAM（RRAM）的特性著手使用先進異構封裝的方式來實現系統級的芯片優化方案，并且在2023年3月，億鑄2億Z鑄科技以實科技正式公布了存算一體超異構芯片的創新理念一以存算一體（CIM）A加速計算單元為核心，同時將不同的計算單元進行異構集成，#page#11甲子光年

6、Part 01產業基石，算力是AIGC產業的催化劑Part 02軟硬兼得，AI新世代呼喚工程化導向的算力支撐目錄CONTENTSPart 03層見疊出，商業浪潮下的算力選擇思考W eH 1甲子光年Part 04實踐真知，AIGC產業算力實踐的新范式Part 05來日正長，AI技術的翻涌帶來無限可能#page#甲子光年AI的新時代，生成式AI技術重新塑造AI技術的開發及應用隨著2023年大模型的熱潮，AIGC早已超越內容生產的概念，而突出生成式AI（GenerativeAI）的概念，即如何通過生成式AI的技術思路解決以往決策式AI難以完成的問題，尤其在數據或者內容生成上實現“質的突破”新的A時代

7、則是AIGC產業全面進擊的時代，隨著生成式對抗網絡（GenerativeAdversarialNetwork，GAN）等的演進及選代，生成式AI可以延展到流程、策略、代碼、蛋白質結構等多種形式，即意味著凡是可以使用數字內容形式的產業，生成式AI均可以涉及。Al的新時代：更關注如何利用生成式A技術在涉及數字內容的諸多領域實現改變及突破，生成式A|實際上擴大了“內容”的含義，凡是可以數字化的內容形式均為生成對象，而非傳統意義下媒體環境的內容。AIGCAIGC產業：新一代A|技術和理念，以“生成式A”為代表技術的開發及應用產業，即如何利用資源發揮新的A技術的應用，通過商業價值推動AI第三次浪潮的發展

8、。第三次泡“應用”&“技術”&“資源”實現飛輪增長雙向場技術GPT3（RBM）DBMCNNMT-NLG資源（MLP）AlphaFold2家拉（DQN）（51N）應用非線性激活AlphaFold（Rewe）RNN改進反向傳播（BP）概率模高維河向量2020年-至今3030公開資料專家訪談甲子光年智庫總結整理，#page#page#甲子光年深究AI開發，“量變”的算法、數據可以帶來“質變能夠決定模型訓練的效調參過程實際上類似于“實驗”：“調參”的結果與以往充足的能耗參數規模實際上可以看作“必要不人工智能方式相比，具有更多的不確定性，需要進行多次數據質量數學理論的反復訓練，模型訓練中，模型即是訓練結

9、果，中間的過直接因果關系“量變”分布式計算效率程則無法完全復制。訓練的過程呈現“黑盒”性質模型調參“質變“收集數據及模型部署和特征工程模型選擇模型訓練模型評估模型調優數據準備應用模型封裝后，網絡搜索、隨機包括數據收集無監督學習搜索、貝葉從原始數據提取根據分類、回歸自開發實現模型化、梯度優化有代表性使用現成的框架強化學習集成方法等選取法效果至釋的特征有相應評估指標最優參數組合關重要提高模型性能算力：提供底層動力源泉甲子光年智庫總結整理，2023.08#page#甲子光年資源“三劍客”中，算力承接算法及數據，成為AIGC產業發展基石在現代人工智能領域，算力扮演著推動創新、實現突破的核心驅動力。算力

10、、算法、數據和系統架構等多個方面的綜合優化對于大規模模型訓練的成功至關重要。從技術層面看，在大模型的研發過程中，預訓練、微調和模型推理等環節是核心關鍵因素和主要計算特征。算法數據算力AIGC跨模態勝合數據巨量化內容創造力算法層面算力層面數據層面核心技術突破2硬件算力多模態認知計算地當下的時代機遇：大規模模型的摩爾定律-單模型參數量每年增長10倍2市實時算力感知+交藍福牛虛擬現實數字李生身智能交互王邊緣計算全息立體店賓用場景起客道#page#甲子光年AIGC的突破依賴于算力的“暴力美學”，應用依賴于算力在場景中的釋放AI技術在實際應用中包括兩個環節：訓練（Training）和推理（Inferen

11、ce），AIGC的算力需要考慮訓練及推理兩個方面，訓練是指通過數據開發出AI模型，使其能夠滿足相應的需求，一般為A技術的研發。因此參數量的升級對算力的需求影響大。，推理是指利用訓練好的模型進行計算，利用輸入的數據獲得正確結論的過程，一般為Al技術的應用。推理部署的算力主要在于每個應用場景日數據的吞吐量。用中了光模型參數數值基本確定，隨著應用場景、適用人群數量增加，導致推理數據量及模型數量增多，進而使推理算力需求并噴發展訓練模型數量甲了光氣茶微調階段訓練階段應用場景模型數量茶美單用戶數據量算力推理算力核心參數量歡影響因素訓練算力核菜心影響因素用戶日活訓練數據量興訓練完的模型參數量也會影茶應用時間

12、胸推理端算力訓練次數當下模型參數量大規模提升，同時影響訓練數據量及訓練次數，推動推理訓練階段算力及對應的微調階段算力提升甲子光年智庫總結整理，2023.08#page#甲子光年AIGC算力具備軟硬件的復雜性，并且以不同產品/服務/方案為應用賦能基于AIGC的技術棧，算力層作為上層模型集應用的重要支排閉源模型應用網絡平臺應用邊緣或端便應用應用層提供基于本地邊緣或端側交互的應用基于公共網絡平臺的應用，單一平臺應用數據中心與模型APIPrompt優化與模型微調中間層從模型到應用閉源數據中心工具與模型部署和調用APl（接口層）基于預訓練模型的場景/產品適配模型Hub非開源預訓練模型模型層商業化的預訓練

13、模型，通過API調用開源模型共享平臺可免費試用深度學習框架與中間件等框架層用于訓練或云部署的深度學習框架和中間件等包括PyTorch、Tensorflow云服務通用算力中心、智算中心、超算中心數據中心算力層通用算力中心、智算中心、超算中型基礎設備服務器、路由器、交換機、光模塊等T設備及機架其他非IT設備基礎硬件芯片、存儲、網卡、PCB、BMC、電源等數據層數據資源（數據采集、清洗、標注等）w2023.00起客日無物請路#page#甲子光年AIGC產業的算力是工程化結果，是從芯片到資源服務的多層次構造未來大模型的產業化發展是一套復雜的系統工程，構建高效穩定的算力平臺是核心要義，成熟的算法、數據產

14、業鏈，配套工具鏈及豐富的生態鏈是關鍵因素，或需以系統的方式尋找最優解算力設備軟硬件兼容性和性能調教上的Know-How，可以保證AI算力的適配性和穩定性，并非單一因素的參數能簡單決定。AIGC產業算力的資源組成部分可能影響整體算力的因素永云服務付復智算中心（數據中心）8：邊緣計算付富服務器體機188多卡1終端單卡算力資源利用率取決與多層工程的利用率機包持出性化金化后場密請#page#一甲子光年Transformer結構解鎖新AI時代的iPhone時刻，實現資源及應用的飛輪增長Transformer的應用標志著基礎模型時代的開始（基礎模型的龐大規模和應用范圍突飛猛進），模型參數量指數級增長，帶動

15、算力超過摩爾定律，可以稱為AI技術的iPhone時刻技術層面上，基礎模型通過遷移學習（TransferLearning）和規模（scale）得以實現：深度學習中，預訓練又是遷移學習的主要方法：在替代任務上訓練模型（通常只是達到目的的一種手段），然后通過微調來適應感興趣的下游任務。遷移學習（TransferLearning）使基礎模型成為可能。Transformer結構對于基礎模型訓練算力需求的推動作用2007-2021年蘋果iPhone出貨量（百萬臺）及市占率30Z237.9231.5工元間1e+018%215.2215.8ONMT1e+071e+09192.616820018+0cPTS2s

16、eqLM14%Transformet訓練算力與iPhone1e+0212%時刻的階段具有類似性：實現革命，快速10%增長8%694929結胸算法與時問的關系炎、甲子光年智庫總結整理，2023.08數據客源：公開資#page#page#甲子光年模型的訓練及推理離不開智能算力，AI應用催生智能算力需求通用大模型、垂直行業大模型的訓練及微調，及基于大模型推理的行業應用需要大量的A算力實現支撐。A滲透干行百業，拉動智能算力規模高速增長。2022年，各行各業的AI應用滲透度都呈不斷加深的態勢，尤其是在金融、電信、制造以及醫療領域。州甲子光國內重要的算力政策文件內容，2021-2023中國智能算力規模及預

17、測，2019-2026時間發文部門文件名稱主要內容百億億次浮點運算秒（EFLOPS）關于數字經濟濟發展情況的20232我對會會第三十七次會議1400.0報告1271.4T數字中國建設整體布同規2023.2中共中央國務院1200.0劃2022.8科技的等六部門1000.0922.8導意見防請力支樓1A20228800.0科技部財政部640.7600.020221國務院427.0400.020221國家知識產權局行268.01552200.0BLz0Z工業和信息化部75.031.70.02021.5國家發改委20222019202020212023E2024E202582026E施方案）2023.

18、0起客道公開資料用子光年智14#page#1甲子光年多地重視人工智能及算力產業發展，相繼出臺相關政策國內典型城市大力發展算力的相關政策匯總省市時間文件名稱主要內容蒙丁2023.5上海市加大力廢支持民間投資發展若干政策措能充分發揮人工智能創新發展專項等引導作用，支持民營企業廣泛參與數據、算力等人工智能基礎設施建設將新增算力建設項目納入算力伙伴計劃，加快推動海淀區朝陽區建設北京人工智能公共算力中心、北京數字經濟算力中北京2023.5北京市促進通用人工智能創新發展的若干措施心，形成規?；冗M算力供給能力，支撐干億級參數量的大型語言模型、大型視覺模型、多模態大模型、科學計算大模型大規模精細神經網絡模擬

19、仿真模型、腦啟發神經網絡等研發。關于北京市推動先進制代服務業深度融合發展北京2023.2支持園區加快計算中心、算力中心工業互聯網，物聯網等基礎設施建設，建設園區大摘，數字李生園區。的實施意見統籌結算分擔機制，結合區塊鏈等新技術實現“算力券”有效監管。每年發放總建立以“算力券”為核心的算力中心運營統成都2023.1成都市圍繞超穿智算加快算力產業發展的政策措施過1000萬元的完善新型基礎設施布局，增強數字化轉型支撐低能能力。不斷增強骨干網承載能力，構建算力產業體系，建設區塊鏈等新技術（9202-220）不工黑龍江2022.10的通知共服務、民生候障和社會治理意我“。+意?！?0229授河南省元宇宙

20、產業發展行動計劃（2022-2025年的通知系推動建設綠色數據中心強化算力統籌和智能調度提升數據中心跨網絡、跨地域數據交互能力推動數據中心供電、冷卻、網上海2022.7上海市數字經濟發展“十四五”規劃絡、服務器等智能協同實現數據中心自動化能效調優提升數據中心能效密度河北2021.11的通知互聯網地面信關站。天津市新型基礎設施建設三年行動方案（2021-2023年）打造超算資源算力供給體系。依托國家超級計算天津中心推動超算與人工智能深度融合。加快與量子計算、區塊鏈技術融天津2021.3的通知力載體北京2021.2數字經濟領域“兩區“建設工作方案數字經濟基礎建設體系#page#1甲子光年產業趨勢疊

21、加時代趨勢，專用智能走向通用智能產業角度：大模型的產業發展仍處于起跑階段，相關技術的行業應用和場景化落地存在無限可能。IDC預測，到2026年，全球AI計算市場規模將增長到346.6億美元，生成式AI計算占比從2022年4.2%增長到31.7%時代趨勢：隨著LLM大規模語言模型技術的不斷突破，以ChatGPT為代表的生成式人工智能引發廣泛關注，人工智能正在從專用智能邁向以大模型為基座的通用智能，逐漸走向“開領域，走向通用”。日用甲子光全球生成式AI計算的規模及預測（億美元），2022-2026發展通用人工智能，關注通用大模型的邏輯推理能力提升T元超過9072026350邏輯能力送代升級3005

22、020010020222023E20246202562026E其他A計算生成式A計算起客品開資區#page#一甲子光年Part 01產業基石，算力是AIGC產業的催化劑Part 02軟硬兼得，AI新世代呼喚工程化導向的算力支撐目錄CONTENTSPart 03層見疊出，商業浪潮下的算力選擇思考W eH 1甲子光年Part 04實踐真知，AIGC產業算力實踐的新范式Part 05來日正長，AI技術的翻涌帶來無限可能#page#甲子光年MaaS是AI新時代云服務模式的破與立，構建新的“算力+算法”服務模式Maas（Modelasasenvice）模型即服務，是指將大模型作為一項服務提供給用戶使用的

23、新業態，Maas中模型訓練（主要指微調）及推理的技術路線成立必須依賴云計算的算力支撐，同時算力及其他資源通過MaaS模型實現AI層面上更好的價值釋放。無大模型云服務模式MaaS模式基于傳統云服務的升級：基于傳統模式的laaS及Paas支撐的AI能力釋放aS模式對于算力的直接拉動：在算力基礎上的模型服務2用戶用戶網絡平臺應用邊修或端側應用38應用層基于公共網路一平臺應用店SaaS現大模出數據中心與模型APIPrompt優化與模甲了光等非開源預練模型模型Hub開海類監商業業代馬及權PaaSFPaaS）（aPaaS.IPaaS、（也可提供A技術能力）中甲了laaslaaS個基礎設施服務基施服務商只有

24、更多業價情據客源#page#一甲子光年基于AI時代的訓練及推理需求，MaaS模式是當下云服務廠商新的機會點2025年，根據中國信通院數據，我國云計算規模將超萬億云，其中重要的增長點是AIGC行業發展，MaaS服務契合當下AIGC產業發展，提供云服務商業應用價值，帶動整體云計算增長。MaaS模式的云服務模式分析中國云計算市場規及預測（億元），2020-20251200060%11055工光下游場景急需A模型能力進行商業突破，云服務價值提升548多模態技術多行業及多業務10000虛擬生成文字生成8315策略生成音頻生成以Maa5服務為核心8000代碼生成生成生物結構生成6000MaaS提供了新的云

25、服務商業范式4550付費模式模型類型使用場景開源膜型部資源時間）付費微要場景模型閉源模型送代調用產品付費直按應用通用模型嵌入產品付費MaaS源于云服務，高于云服務，可結合數據資源實現模型選代022022市場規模億元）市場增長率起客面20230#page#一甲子光年MaaS服務未來將帶動云服務市場的第二增長曲線2022年。laaS市場收入穩定，規模依然保持在2442億元，并且是PaaS+SaaS的三倍，增速依然可以達到50%以上；引人注意的PaaS市場在容器、微服務等云原生應用帶來的刺激增長，總收入已達到342億元，并且增長率達到74%。職出用非已務目SeeSIVSeed于模型提供新的云服務增長

26、點。根據微軟財報數據，微軟23Q3（相當于2023年第一季度）AzureOpenAI服務客戶數目達到2500+個，微軟23Q4（相當于2023年第二季度）AzureOpenAI服務客戶數目繼續增長至11000+個，環比增加340%，且本季度每天新增近100名新客戶。甲了光甲了光等相用吧子龍中國云計算細分市場規模（億元），2019-2020中國云計算細分市場增速，2019-2020生甲了光氣S0O400013了光81452%150.0%4723000甲了危氣34297.6%2000370100.0%83874.5%19651.0%2782442142.6%100033.0%183%0051615

27、27.6%福895453T0.0%2019202020222021202020212022laaS市場規模Paas市場規模SaaS市場規模laaS市場增退SaaS市場增速PaaS市場增速數據客源#page#甲子光年云邊協同，從計算、通信、安全、時效等方面提升AI應用落地可能性邊緣計算可負責范圍內的數據計算和存儲工作。同時，負責將連續數據匯總至計算層，最終由云計算層完成分析挖掘、數據共享工作，下發結果或模型至邊綠和終端層，形成云-邊-端協同。，邊緣計算的核心價值：邊緣側完成數據的計算，并且實現云、端間的數據及計算結果的協同。邊緣云及邊緣芯片的發展將推動AIGC的更快落地。邊緣計算的核心在于避免數

28、據多次傳輸，從而打破完全中心的計算圍境云邊系統實現資源協同，可最大程度實現的算力資源的合理分配端邊云在實體場景（例如物聯網，工廠互聯下），可以節省數據向中時效心端的傳輸時間，從而提高數據的實時處理能力EdgeComputing服務協同Saassees預維護面對物聯網中長距離數據傳輸，邊緣計算解決大量數據回傳云傳輸能效優化端時網絡帶寬壓力、性能瓶頸以及網絡吞吐量質量提開解決云、端割裂，邊緣計算為未端設備提供服務協同、資源協同、業務管理協同協同PaasEdgeCompu應用協同能力PaaS應用管理協同業務編排應用實例應用生命周期管理智能協同應用車署軟硬件環境集中式練分布式智能/推理數據分析數據協同

29、安全直接在邊緣計算，實現在斷網、斷點情況保持穩定性、安全性數據采集與分析laaslaas資源協同邊峰節點基礎施/8基件券資通及調度管理減輕終端、云端的數據壓力，邊緣計算僅對需要的、必要的數據靈活提取計算，解決云端承受海量數據壓力，實現終端的算力邊緣ICT基礎設置容特得1甲子光年智庫總結整理，2023.021#page#甲子光年智能算力持續增長，未來需求增加，進一步加快智算中心建設及相關設備增長據中國信通院，2016年，智能算力在我國算力中的占比僅為3%，而2021年，我國智能算力占比已經超過基礎算力，達到51%，成為算力快速增長的驅動力。IDC預測2021年到2026年期間中國智能算力規模年復

30、合增長率為52.3%，遠高于同期預測的基礎算力的增長率。主要指標中國各類算力類型占比，2016VS2020基礎算力中心智算中心超算中心一般為基于CPU芯片的服一般為基于A芯片的加來源超級計算機等高性能計算集群務器速計算平臺促進AI產業化、產業A幫助用戶降本塔效或提升建設目的盈利水平化、政府治理智能化提供支撐服務20162021標準不重復建設CSP采用并行架構技術標準互聯互通難全水平不一致度較大操作、高安全標準以提升國家及地方自主科研創算力生產供應平臺、數能以更任成本承截企業展開放共享平臺、智具體功能政府等用戶個性化、生態建設平臺、產業創大規?？茖W計算和工程計算任本黑生可不升。務新聚集平臺基礎算

31、力古比智能算力占比基礎算力占比智能算力古比超算算力占比超算算力占比面向Al典型應用場景，面向眾多應用場景應用領如知識圖譜、自然語言基礎學科研究、工業制造、生應用領域或和應用層級不斷擴張智慧農業支撐構造不同類型的應用天文地理等防滿減災等0230#page#甲子光年智算中心的建設蓬勃發展，將成為AIGC算力的堅實基礎2021年至2023年，國內各地實現多家智算中心的完工、揭牌、上線，支撐AIGC產業的研發及多行業應用。所算力運營狀態智算中心名稱算力智算中心名稱運營狀態100P21北京界院人工智能計算中心2023年2月13日上線2022年11月17日投產浙江省青田縣元寧由智算中心dOOS2022年1

32、2月30日一期完工22天津人工智能計算中心上海有學臨港云計算數據中心計劃1009822021年座投入運營1-10P河北人工智能計算中心2022年2月14日牌中國電信京津翼大數據智算中心規劃期過1000P濟南人工智能計算中心已接入中國算力網24北京數字經濟算力中心規題2022年4月落戶100P青島人工智能計算中心已接入中國算力網252020年開工，2025年達產阿里云華東智算中心B0DP南京路男鵝人工智能計算中心2021年7月6日上線262023年2月20日想牌上海市人工智路公共服務算力平臺800P2021年7月16日投入運營南京智能計算中心205山西先進計算中心2018年10月運行2023年1

33、月1日提太湖量子智算中心計劃100P百度陽泉智算中心2022年12月27日開機上線28訊長三角人工智能超算中心被預計1400P29計題100P中原人工智能計算中心2021年10月21日102022年1月24日投產高湯人工智能計算中心8日處200P:2025年1000P長沙人工智能計算中心2022年11月4日112022年5月20日#P杭州人工智能計算中心2021年5月31日100P31武漢人工智能計算中心12中氨是媒在建300P2019年12月成立1.16E（2019年）4E完全建成）32模琴人工智能超算中心2022年9月23日牌13中國-東盟人工暫能計算中心一期40P認I/1.AP推理100

34、P合肥人工智能計算中心在建14招建人工智能計算中心2023年4月26日規牌一期規劃105P-總體400PdOOE34成都人工智能計算中心2022年5月10日152019年打造人工智能融合超能平臺深圳人工智能融合能中心35未來人工智能計算中心2021年9月9日二期300P162022年9月15日上線運營一期100P，五年內1000P廣州人工智能公共算力中心一期40OP36重慶人工智能計算中心在建17浙江“烏鎮之光”超算中心2021年9月25日正式啟用181.9P37預計2023年8月建成使用甘肅慶陽智算中心期1RPI/5PEP18寧波人工智能超算中心2023年1月10日上線計劃100P38在建2

35、021年12月1日寒武紀中標昆山智算中心峰值SOCP（FP16哈爾濱人工智能先進計算中心2020年底運營202022年8月30日上線12000F2022年8月9日上線100P后期300P20沈想人工智能計算中心，數據截至2023年3月23#page#甲子光年作為核心的智算硬件，AI服務器全球及中國的市場規模持續提升。AI服務器一般是異構服務器，可以根據應用范圍采用不同的組合方式，提供AI技術所需的算力?？梢葬槍Σ煌男枨筮M行硬件的選型及組合。AI服務器可用于智算中心、私有化部署、云服務等方面，AIGC的產業發展要求算力層各供應商產業升級，加快AI服務器的產品選代及擴大規模。中國AI服務器市場規

36、模，2018-2026全球AI服務器市場規模，2018-202640045%347.18O814040%350WT39.10%123.48012068.20%85630060%SOE57.90%10028.81%25051.06%805早了完年25%8020040%59220%156.30150E15%35.29913.5094010020%76823.310%14762010%505%0%0%2018201920202026E20212018201920202026E2021中國A服務器市場規模（億美元）增長率全球AI服務器市場規模（億美元）一增長率起客面230#page#page#甲子光年

37、大模型參數量呈爆炸式，短期內訓練側GPU集群化運算成為必須狹義的AI芯片指針對人工智能算法做了特殊加速設計的芯片，目前來講，由于深度學習算法在人工智能領域認可度及應用程度不斷上升，AI芯片一般指針對大量數據進行數據訓練（training）與推斷（inference）設計的芯片照早了寬氣短期內，大模型訓練端需要GPU多卡集群完成，時間壓力下用戶傾向選擇成熟方案分類典型特征長期看，FPGA、ASIC依然在推理側具有一席之地，但需要明確場景需求圖形處理器（Graphicsprocessingunit），在計算方面具有高效的并行性，用于盟監GPU英偉達通過對硬件單元的改進與顯存升級增強了單張GPU算力

38、的釋放，及形成護城河的網絡通信、AI生態工具，并且全球內具有成功案例，短期內是大模型訓練最適用的A芯片?，F場可編程門陣列（Fieldprogrammable是一種集成大量基本門電路FPGA隨著Transformer模型的大規模發展和應用，模型參數量呈爆炸式增長，單卡無法完成相應訓練，大模珠延時和高春吐的特性。英偉達的CUDA生態在AIGC領域已經逐步養成客戶習慣，短期內具有競爭力專用集成電路（ApplicASIC用定制芯片：為實現持定要求而定制的芯片。除不能擴展應用以外，在功耗、可靠性DEPLOYMENTONNXTTensorFbw“類腦芯片”是指參考人腦神經元結構和人腦感知認知方式來設計的芯

39、片。且前仍然類腦芯片處于探索階段，GRAPHDLTRAINMLCUDA-XA量子計算（量子芯UD即量子芯片可以同時處理多個任務同時具備強穩定性。制造和維護成本高，研H發和生產成本也非常高。目前仍然處于攝素階段。IBM速度、低功耗、低時延等特點，且不、電磁場和噪聲光子芯片，后面需要很長的基礎物理學研究題，目前奶然處于探素階段。數據來源：公開資科中子火年暫車總結整理，2023.08#page#一甲子光年AIGC時代，內存對算力的整體利用率影響提升，需要新的內存解決思路Transformer模型中的參數數量呈現出2年240倍的超指數增長，而單個GPU內存僅以每2年2倍的速度擴大。而訓練A模型的內存需

40、求，通常是參數數量前工.水物h（c不僅是指內存容量，也包括內存傳輸帶寬。同時通信成為算力的瓶頸。無論是芯片內部、芯片間，還是AI加速器之間的通信，都已成為AI訓練的瓶頸，過去20年間，運算設備的算力提高了9萬倍雖然存儲器從DDR發展到GDDR6x，接口標準從PCle1.0a升級到NVLink3.0，但是通訊帶寬的增長只有30倍。長期看，無法實現堆積顯存解決問題。Cadence數據顯示，在自然語言類AI負載中，存儲消耗的能量占以AI訓練服務器為例，AI訓練需要更高的內存客量比達到82%AHI2.5TB18%WM 甲子龍2000100082%普通需求145GBCY-17CY-21CY-21計算存儲

41、123.027#page#甲子光年存算一體隨存儲器介質的多樣性逐步走向應用成熟，解決AGI時代的存儲墻問題目前，主流芯片如CPU、GPU以及DPU均按照馮諾依曼架構設計，由于馮-諾依曼架構的局限性，數據的處理遇到了存儲境和功耗墻兩大問題。存儲器的訪問速度遠遠小于處理器的運算速度，系統整體會受到傳輸帶寬的限制，導致處理器的實際算力遠低于理論算力，難以滿足大數據應用的快、準響應需求，數據在存儲器與處理器之間的頻繁遷移帶來巨大的傳輸功耗。存算一體有Flash、SRAM、DRAM等成熟存儲介質，同時ReRAM、MRAM等新型存儲介質也在快速發展，ReRAM存內計算技術未來具有非常大的應用潛力，尤其是實

42、現大算力的方面，雖然目前工藝成熟度相對不足，但有待突破?；诓煌鎯ζ鹘橘|的存算一體芯片之間的性能第長標準SRAMDRAMFlashReRAMPCMFeFETMRAM模擬式存內計算是指存儲單元內部或陣列周邊的信號以模擬信號的方式進行操作。是香是是是非易失性香是數字式存內計算是指在實際運算過程存算一體以數字信號的方式進行操作。多比特存儲是是是是香星香能力近存計算館定定面積效率低一般高高仍是存算分離，存儲器不進行計算低學高功耗效率低高高高縮短存儲器和處理器之間傳輸好好較好委好較差工藝微縮性好誠小功耗，其中，產業界應用較多的是3緩存等方法。軟高低低較低成本高低023C#page#page#甲子光年P

43、art 01產業基石，算力是AIGC產業的催化劑Part 02軟硬兼得，AI新世代呼喚工程化導向的算力支撐目錄CONTENTSPart 03層見疊出，商業浪潮下的算力選擇思考甲了光W 吧1甲子光年Part 04實踐真知，AIGC產業算力實踐的新范式Part 05來日正長，AI技術的翻涌帶來無限可能#page#甲子光年AIGC產業算力理念：需要基于目標與資源的分配去達成工程學平衡AIGC產業落地的算力選擇，更應該強調最優解，而非最大解。在實現AIGC的技術落地過程中，模型的參數量及涌現結果固然重要，但模型在運行過程中所需的算力成本、能耗成本、運營成本等是否能匹配AIGC技術提供的效果及價值突破更

44、為重要。以終為始，貼合行業需求，實現目標與資源平衡，是A新世代下的算力選擇依據核心目標：基于行業Know-How需要實現的AIGC資源分配：通過選擇合適的技術路徑實現算力的成本優化技術功能拆分，實現精準的需求分析有限算力資求決定推理能力，推理施力取決洲練水平，公源要進行主次的優先選擇行業Know-How不僅僅表現在豐富的行業實踐經歷，而是推理需求訓練需求深入理解客戶的業務需求，并且通過管理項目開發的流程完（長期運營）（一次開發）成，在細化需求中尋找到主要矛盾并解決。模型推理階段的算力主要為考慮到模型訓練“黑盒不龍T其他成本制約因素機制與多次調優，所需算運行模型和數據處理，并且力與開發過程強相關

45、需要考慮產品的使用體驗Why（用戶分析）8基于用戶的分行業屬性業的需求價值技術實現路徑模型規模時間成本于用戶的業務流程細節對用戶的需求矛盾分析（參數稀疏程度）（是否盡快基于用戶的資源能力，明確用戶的負擔上限算法結構模型種類（算力需求系數相關X訓練數據量能耗成本數據吞吐量云服務用式本參數量規模How（項目執行）時延在不同階段和預訓練網絡通信成項目人員的協同、管理、分工及時間資源調配人員成本基于需求進行（工程化協作的團隊安全性與穩定性fine-公開酒刷2023.0甲子光年智庫總結整理#page#甲子光年AIGC的算力資源選擇，需要結合自身部署能力及應用需求綜合考量算力資源的維度不僅包括算力規模大小

46、，要考慮算力部署及運營過程中可以利用的程度。算力是工程化結果，是從芯片到資源服務的多層次構造，需要算力服務方自身在自身專業能力及經驗案例上的實際Know-How作為基礎不同需求程度的用戶不能唯算力的參數而論，而是要結合自身對于算力部署的能力進行進一步探究。影響算力資源利用的維度算力直接使用者所需技術要求（算力提供方在AI算力領域的Know-How及經驗）芯片的選擇及適配不否算硬件的選擇及適配云服智算中心的選擇及適面務算力調度、需求分配、彈性擴展、高效穩定、算法優化接入方式以選擇適配AIGC通訊傳輸方生態、故障排查工具包少對于AI算力環境優化的時間及人力成本（生態）力端協同，芯片的選擇及適配魯到

47、智算智算硬件的選擇及適配按需取用、靈活擴展、無需各IT系統的復雜運維，直接中心運維管理、資源及作業調度管理、系租戶管理、配額管在完成優化的環境下進行開發統監控、安全及穩定，核心計算單元的算力參數對應的運算精度，芯片的選擇及適配單元數量器硬件選型及適配（如內存），異構算力的智算通過服務器等硬件完成自有算力的部署，環境調試，完成大量不同硬件調度及配合、網絡傳輸、軟件優化、集群飾成迎硬件架構、環境優化內存/顯存、片內互聯及片間互聯、A適配生態工具（包括，構建網絡、適配從應用到硬件的環過芯片適配算法及其他硬件環境支撐、折舊速率#page#1甲子光年算力作為邏輯資源，場景的復雜性導致算力的評價指標不唯一

48、算力作為邏輯資源，與水電等標準化資源相比就更加復雜、具備更多維度，而技術的發展催生了豐富的計算場景，不同的行業、應用場景對算力更提出了不同的需求。不同場景下算力需求的分析示例根據需求考量的算力維度示例帶寬需求工超算和大型100G數據處理算力精度：雙精度算力、單精度、半精度、整型計算的選擇10G如天體物理、氣象研究、航空航天等高精尖科記超大型算力（P級）研領域需要能夠支持復雜運算、性能高的雙和度算力；對于AI模型訓練及推理來說，處理文視頻消染字、語音、圖片或視頻等需求較大，單精度、1G半精度、甚至整型的計算即可滿足應用需要。大型算力（TP級）（推100M時延：需要實時渣染的游戲、自動駕駛決策、遠

49、甲了光中型算力（GT級）程手術、工業控制等領域對延退的要求非常高，實時決策而模型訓練等場景則對延退沒有很高要求。10M小型算力（24Tops算力，12-bit運算精度，4了存內計算芯片從0到的工藝突破，成功流片多款芯片，量產兩款產品邊核存算MPU，支持linux，支持AI超分、播鎖、HDR、識別和檢測。知存科技白主研發的邊修微算力芯片WTM-8系列題格量產涼系至少24Tops銷力不斷完善技術生態合作：與北京大學、清華大學、中科院、南京大學等高校聯合承擔了多個國家級和省部級科研項目，2023年與北京大學深圳研究生院成立“存算一體聯合實驗室“。WTM-2系列端側AI芯片針對端側AI計算市場推出的存

50、內計算芯片，采用40nm制程，擁有高算力存內計算核，相對于NPU、活關注客戶需求及技術結合：知存科技與智能終端集成與應用領DSP、MCU計算平臺，AI算力提高10-200倍。軍企業、智能語音應用領車企業等產業客戶建立了密切的協同開發與合作關系。2021年連出第一代芯片WTM1001.2022年總實近10倍算力的WTM2101產，鎮芯片已樓多家國際知名企其能行業你戶實我力的升和應們的廠智庫整145#page#甲子光年存內計算芯片創新性融入智能穿戴產品功能革新，實現多場景商業落地witmem背景信息：可穿戴設備將會以更多元化的方式更深入到人們的生活，根據市場調研機構IDC數據預測，2023年可穿戴

51、設備的出貨量將同比增長4.6%，達到5.39億部，全球可穿戴設備市場將以5.1%的五年復合年增長率增長，到2026年底出貨量將達到6.284億部。知存科技印商業價值市場痛點產品亮點北智能穿戴產品的革命需要算力升級實現產品的功能智能化進階算力升級耳返功能魅藍Blus通過神經網絡AI算法真正做到人聲與伴奏完美融合、KTV混響和回聲效果耳機WTM2101基于知存科技存內計算平臺，可使用智能穿獻易出現產品形態、功能趨同等湯可題，為占據市場分額，企業需要從細60低功耗下實現更輕量化、更高性能的用戶體驗送代智能語音、智能健康解決方案一步提升產品市INMOAir2通過WTM2101在低于1mA的功耗下實現了

52、免晚醒命令詞功能，可以場亮爭力，例如可實現：Al降（環境降+極致人聲保留）實時INMO Air2中藏熱的物書健康監測（心血氧/身體狀態）、TWS耳機開始向多功能化、智能體驗A叫扣制、AI人聲路強感電+肌電監識別，化方向發展供更如“精準”的健低功耗下突破算力限制，實現實時健康監測VR/AR作為虛擬世界的入口，向過往產品血壓、運動心率、疾病風險預測等A算法必須運行在移動端（需要裝APP成為下一代移動要件終線演客戶實現了PPG實WTM2101芯片產品特點智能手表1基于存算一體技術，實現NNVAD和上百條語音命部分替代方案難以實現較傳統產品實現革命性突破，并且產品成功通過Fonlx、鹽霧等醫規測試，即

53、將批B令詞識別嚴黃的低功耗、低時量生產22超低功耗實現NN環境降噪算法、健康監測與分析和低成本，需要新的算法力方案提供人聲增強：同時實現8msNN人聲增強，而其他市場方案通常在數目毫秒到數秒之間3.典型應用場景下，工作功耗均在微瓦級別助聽器4.采用極小封裝尺寸年智車整巧46#page#甲子光年重點廠商產品及服務能力分析博云自主研發的一體化邊緣計算平臺，充分釋放物聯網場景下的AI算力公司簡介：博云成立于2012年，坐落于蘇州工業園區，是一家集科研創新于一體的國家高新技術企業公司。專注為企業級客戶提供自博云與技術服務，包括容器云產品族、云資源管理系統、開發支撐軟件DevOps三大系列產品與服務。公

54、司為企業的數字化轉型提供有力支撐包含傳統應用、新型云原生應用、邊緣計算應用和高性能計算應用等廣泛異構應用的運行承載與調度，同時通過開發支撐軟件DevOps大幅提升應用開發效率。通過多云資源管博云邊緣計算平臺架構邊緣計算技術優勢中心云端備的邊緣，實現實時的數據處理和決，可減少數據傳輸的延退和帶寬需求，提高系統的響應速度和效率。告警中心OTA管王邊緣監控網絡管理數據過濾和篩選：在設備的邊緣對數據進行過濾和篩選，只將有用的數據傳輸到云端進行進一步處理和算力調度安全管理日志中心分析，可減少數據傳輸的量，降低網絡帶寬的需求負載均衡配置管進輯放在設備的邊緣，減少對云端的依賴，可以提高系出據安全和隱私保護：

55、將一敏感的數據處理和存儲在設備的邊緣，減少對云端的數據傳輸。這樣可以邊緣端是高數據的安全性和隱私保護，降低數據泄露的風險設備管理邊緣計算解決傳統物聯網計算難題解決延退問題，提高數據處理實時性：實現近距離的數據處理，從而大大降低延退，可應用于實時性要求較高的應用場景減少網絡依賴解決帶寬問題：僅需重要價值的數據傳輸到云增，從而減少數據傳輸量，降低對網絡帶達物網絡寬的需求。注重教感數瓶解決數據安全隱患：將敏感的數據處理和存儲在設備的邊緣，提高數據的安全性和隱私保護，避免數據泄露和隱私問題控制輸出設備端正系統部分正常工作，工業設備調費電子專用設備歡據來源甲子汽年智庫整旺#page#甲子光年云邊協同解決

56、方案，實現大規模核心的調度、運維及管理項目簡介：某技術研究所仿真平臺項目需要完成干核規模級別的調度滿足算力需求，并且需要在windows環境下完成相應的算法選代、繁項博云運維，博云采用自身研發的云邊協同解決方案完成客戶需求執行亮點項目難點實踐效果項目初期完成對3套業務的7種作業類型支持，覆蓋200+計算節點（每臺cpu72C、性能難以滿足men1TB），超240塊GPU卡，驗證核心數規模在5000+原有高性能軟件調度極限僅300核無法滿足現有業務所需的成千上萬自動調度：實現自動化的任核調度能力務排序和度管理云邊協同AI應用協同管理解決方案說明圖簡化運維：自動對異常中止A算法平臺無法敏捷選代參數

57、聚合的任務和中間過程信息進行AI任務管理數據集管理AI任務協調模型管理清理由于每天都會調整算法，原有模式部醬需要一周完成，急需流水線提高部簡單管理：實現了任務可視署效率化狀態管理，降低新用戶使用成本終身學習服務協同推理服務增量訓練服務聯邦學習服務電數據安全：數據加密存儲在隔離差運維繁算法模型數據集狀態服務后端，保障了任務結果的數原有平臺經常遇到資源占用高、作業據安全缺之隔離、刪除作業需后臺手動操作邊緣集群算力調度與應用運行支撐說明圖信息可視：實現對用戶進行等問題資源和任務執行過程限定和分析大量indows應用系統兼容：實現了兼容Linux和windows計算節點博法參數管理客戶領域內的高性能應

58、用大量采用windows計算環境膠起焦管理作業白動化KICD48#page#甲子光年重點廠商產品及服務能力分析億鑄科技技術創新+學術實力，致力于打造新一代AI大算力芯片公司簡介：億鑄科技成立于2020年6月，是全球首家基于存算一體這一創新架構，面向數據中心、云計算、中心側服務器、自動駕駛及邊緣計算等場景的AI大算力芯片公司。億鑄科技首次將新型存儲器ReRAM及存算一體計算架構相結合，通過全數字1Z鑄科技化的芯片設計思路，致力于實現數倍性價比、更高能效比、更大算力發展空間的新一代AI大算力芯片。初代產品基于傳統工藝制程，可實現1000T（1P）以上的單卡算力。億鑄科技具備“四新一強”的優勢，并且

59、基于長遠市場考慮及技術戰略定力，專注國產存算一體大算力研發“新”：技術全方面創新強”：團隊陣容實力強勁存算一體架構創新消除存儲境減少能耗墻降低編譯墻非易失性讀寫速度快穩定性強創始人，董事長及CEO熊大鵬博士在中美有近30年的芯片行業經驗，涉及從研發、產品定義、產品銷售，到企業的整體管理層面的多方面經歷，對中國市場的客戶需求與產品有著ReRAM新型憶阻器應用創新功耗低CMOS工藝兼容密度極大深刻的理解。高低陽值差異大成本優勢微縮化發展大鶴力團隊具備豐富的研級工程落地能力工藝成熟，可量產出貨其核心研發團隊成員均為來自國內芯片大廠的資深專家，畢業于斯坦福大學、德克薩斯大學奧斯汀分校、哈佛大學、上海交

60、通大學、復旦大學和中國科學技術大學等。研發能力覆全數字化技術路徑應用創新超高能效比高精度大算力蓋從ReRAM器件、全數字存算一體計算架構、AI芯片設計、編譯器、算子庫、應用開發貨得存將存算一體架構在大算力真正落地位世界知名院校博士及以上學位顆SoC芯片的設計、量產及銷售經驗20+10-存算一體超異構系統級創新的專家教授有效算力更大放置參數更多能效比更高北大尊力軟件兼容性好發展天花板更高年高端集成電路設計和量產經驗篇頂會論文發表（研究團隊合計）40+（工程團隊成員平均）49#page#page#甲子光年Part 01產業基石，算力是AIGC產業的催化劑Part 02軟硬兼得，AI新世代呼喚工程化

61、導向的算力支撐目錄CONTENTSPart 03層見疊出，商業浪潮下的算力選擇思考W e 早了完1甲子光年Part 04實踐真知，AIGC產業算力實踐的新范式Part 05來日正長，AI技術的翻涌帶來無限可能#page#甲子光年基于模型的復雜技術棧將形成產業更多生態組合，推動算力層能力下移AIGC的時代仍在快速發展，短期內算力服務商、AI技術服務商、AI應用企業將相互合作，探索可能場景及模式模型仍需要進化及送代，并且訓練模型的工程化暫無唯一確定的答案，模型的工程化能力還需要探索“MaaS模式形成“算力結合模型更多的生態合作模式或待解鎖，尤其的服務理念層次復雜的技術棧是算力層5邊螺或精健應用層網

62、絡平臺應用應用品中間層MaaS模型層(ModelasaService）框架層浸度學習框架與中間件等D云計等平臺資源層las萬上海社國導第士服務器片以上為示保023.0#page#一甲子光年AIGC會出現大量的長尾場景，算力層需要根據應用尋找細分賽道隨著大模型技術的出現，并且多個開源模型進入市場，AIGC的商業價值更多來自于“長尾”而非“頭部”場景。在大模型出現之前，AI技術在長尾場景中的落地困難在于AI技術實現效果所需要的成本，大量專業細分的場景可以實現小成本實現，即來自于大模型基礎上進行模型能力遷移而生成的中小模型大量長尾場景可以重新被AI技術實現AI算力層并非去追求大算力，而是關注大量未發

63、掘場景的可能性項目體量產業各層商業泛輯應用層多點開花，在典型/行業場景內出現集中長尾中間層多點開花，在典型行業/場景內出現集中四子龍模型層模型數量及參數量不斷升級，支持上層應用煙吧云服務廠商不斷向上拓寬AIGC服務能力，實現盡量去適配多云服務場景的能力短頭算力層滿足多行業的硬件選型實現芯片算力的最大適配及利用率暫算硬件與網絡適面推理端的機會可能更多，針對成本有限的中小客戶及細分賽北銷道進行專業性優化大企業/政府個人中小企業 甲了光氣#page#一甲子光年AIGC的應用落地是一次演化過程，技術及垂直應用尚無定勢AIGC的大量應用還未落地，商業模式尚未穩定，目前大量的資源及企業在進行路線探索。算力

64、企業將面臨一次場景豐富選擇的機遇，國產算力服務廠商有望在國內應用探索期實現突破。用甲子光氣AIGC熱度及應用豐富性分析，AIGC時代才剛剛開啟部分應用垂類應用已經引發用戶長期關注瘋狂生長冷靜對待理性繁榮Similarweb數據：周（2023年7月9日-2023年）7月15日訪問量同比增長18.73%Tome（教育輔助5.58%Shopify（商家客服咨詢）16.00%NovelAl（小說生成工具）應用豐富性5.58%CharacterAl（互動聊天）5.60%AIGC的熱度CodeWhisperer（編程輔助）當下階段示意10.24%Midjjoumey（圖像生成）#page#一甲子光年終端算

65、力的可能性，智能駕駛與AIGC的結合建立算力新賽道與格局輔助駕駛是重要的AI應用場景，也是AI云端算力及終端算力的結合點，隨著AI需求的增加，AI算力需求增加，如AI芯片廠商需要擔起研發和整合的責任其角色不斷向整車廠靠近，將逐步整合Tier1和Tier2廠商的能力，和整車廠合作去打造整體的智能駕駛解決方案，重塑傳統供應鏈的界限。2017-2050E分智能輔助駕駛滲透率AIGC在智能駕駛中的作用示例自動駕駛場景的重建和數據生成合并用于檢測不同任務的小模型數據自動標注車道拓撲預測測車端模型的性能上限物體檢測數據挖福自動駕駛仿真2025E分價格段智能駕駛分級別滲透率預測100%80320.095.2

66、4.0300%350%400%25.0910.0%10-15萬元25-35萬元35萬元以上10萬元以下15-20萬元20-25萬元2017201820120202022L1L2L2=L2+L3LOL1#page#一甲子光年大模型可推動現有機器人智能程度的突破，同時需要機器人端側的算力支撐機器人應用場景逐漸泛化，“自動”向真正地“智能”演進能力突破是關鍵。未來的智能機器人可擁有更豐富的傳感器，不僅能獲取并處理外部綜合信息，甚至能據此自己制定行動目標，其智能主要體現在感知交互、獨立決策、自我優化三個方面。其自主性的技術能力突破是當下關鍵，AIGC技術可成為當下機器人智能的突破關鍵點。機器人的智能程

67、度分級，L3-L4需要大模型的突破機器人的應用場景3L4LOL125不零體焊接、裝配，噴涂，搬運、麻據等機器人監餐者雙聯者任務設計、材料配送、鋼防高面境面裝飾裝修，構部件安建筑路人類智價能能源基礎設施建設、驗、操作、維護、應急處置等機器人非結構化環場自動引導車、自土移動機器人、配送機器人。自動碼圾機、智能分練機早下光商貿物執行復雜任務Ba高業社區H關節班動、急救、生命支持、康復、檢驗采手術、輔助檢查、轉功檢、重醫療健康結構驅動殘障錢助、助浴、康復訓練，養客服務關節層運動層感知層認知層結構層全自主教育交丘、教學、競賽等教育機器人產品機編程系統，分類建設機器人自動自主安全應急礦山，民爆，社會安全、應急救援、極限環境等機器人人類作用機器人作用甲子光年智庫總結熱理，2023.001客品#page#年THAIKG謝謝北京甲子光年科技服務有限公司是一家科技智庫，包含智庫、媒體、社群、企業服務版塊，立足于中國科技創新前沿陣地，動態跟蹤頭部科技企業發展和傳統產業技術升級案例，致力于推動人工智能、大數據、物聯網、云計算、AR/VR交互技術、信息安全、金融科技、大健康等科技創新在產業之中的應用與落地分析師智庫院長劉瑤微信宋濤微信18401669467stgg_6406關注甲子光年公眾號掃碼聯系商務合作#page#