《IDC：2025年新質算力發展白皮書-生成式AI驅動算力基礎設施向縱深升級（39頁）.pdf》由會員分享，可在線閱讀，更多相關《IDC：2025年新質算力發展白皮書-生成式AI驅動算力基礎設施向縱深升級（39頁）.pdf（39頁珍藏版）》請在三個皮匠報告上搜索。

1、新質算力發展白皮書生成式AI驅動算力基礎設施向縱深升級前言報告主旨：為了推動新質生產力的發展，實現算力市場的高質量增長，IDC聯合寧暢共同提出了新質算力概念，旨在幫助企業突破傳統算力在成本、效率、靈活性和適用性等方面的瓶頸，加速以智能化場景為核心的業務融合創新進程。本白皮書在解讀新質算力的基礎上，為企業用戶制定出算力效率雷達、算力建設路徑圖和算力產品選型標準，指引企業更加科學地規劃、設計和建設面向未來的全棧AI算力基礎設施，實現AI應用場景的全面落地，持續推動企業智能化轉型升級和創新發展。內容框架：今年以來，DeepSeek的異軍突起引發了市場對生成式AI的新一輪關注，從模型結構、計算通信、訓

2、推流程、成本控制、開源生態等維度帶來一系列創新，為企業用戶帶來更低門檻、更多樣化的AI應用空間，基于其開源模型，只需要后續通過百卡結合客戶數據微調即可打造垂直化業務模型。行業大模型、行業智能體正在向深化場景持續邁進，算力的使用需求也將隨著垂直場景的爆發式發展呈現出多樣化、定制化、精細化特征。未來推理所需要的算力將來會成為主要需求，但高質量、綠色發展一定是長期趨勢，企業發展目標將從大算力轉向高算效。挑戰：傳統算力基礎設施在技術架構、投資回報、使用效率等方面正顯現出一些亟待解決的問題，大量的算力出現供需不匹配或脫節的現象。企業需要在駕馭算力使用效率、強化場景化算力匹配和管理調度能力、提升算力易用性

3、和敏捷性、推動綠色節能等方面破解一系列挑戰。思路：全新定義的新質算力，從客戶最為關注的算效提升、體系化管理、一體化調度以及應用落地優化等方面進行整體統籌，幫助企業突破傳統算力服務的瓶頸，推動從算力到算效的全面思維轉變。企業通過新質算力棧建設，還可以有效推動綠色計算理念的實踐落地，建立持續改進的局面，在橫向廣度和縱向深度上共同實現創新突破。行動：在算力中心建設和運行過程中，企業可圍繞軟硬協同、綠色節能、高效存儲、網絡互聯、智能運維五個維度，形成算力運營效率的聯合評估框架體系，并參考PEEIE算力設施產品選型標準，重點考評產品豐富度、關鍵性能指標、工程化落地支持、行業落地實踐、服務與生態建設等能力

4、指標。此外，企業還須重點關注面向智能化場景的算力需求，綜合考慮自身的規模、資金現狀、發展規劃、市場環境以及技術發展趨勢等因素，選擇適合當前和未來發展的架構和定制化特性。目錄第一章 新環境：生成式AI持續進化，企業算力場景加速爆發.生成式AI規?；涞卦诩?，算力市場進入高質量增長階段.算力場景需求持續深化第二章 新挑戰：傳統算力基礎設施效率低下，企業亟需升級服務.算力粗放建設帶來供需脫節.企業算力建設面臨五大挑戰第三章 新定義：新質算力幫助企業突破發展壁壘.全新定義新質算力.橫縱聯合，突破傳統算力服務瓶頸.從投入到產出全鏈條優化第四章 新路徑：算力效率雷達指引企業新質算力建設.算力效率雷達聯合評

5、估算力運營效率.企業新質算力建設路徑圖.算力產品選型標準第五章 新實踐：新質算力建設場景和案例分析.算力集群建設場景.算力建設的實踐案例及分析第六章 IDC建議與未來展望.機遇與挑戰.結語第七章 關于寧暢.綠色智能算力專家 開創全局智算.企業榮譽新環境：生成式AI持續進化，企業算力場景加速爆發.生成式AI規?；涞卦诩?，算力市場有望進入高質量增長階段.算力場景需求持續深化PART第一章.生成式AI規?；涞卦诩?，算力市場進入高質量增長階段 DeepSeek引發市場對生成式AI的新一輪關注，帶來了生態的繁榮以及對模型開發的進一步思考。從生成式AI生態來看，DeepSeek在短期內接連發布新的模型

6、并刷新榜單，以高質量、高可靠的推理過程和回答體驗快速積累了龐大的用戶群體。同時，低成本、開源特性也讓DeepSeek相比OpenAI更加友好，促使全球和中國的AI技術供應商、云廠商紛紛在自有平臺服務中上線支持DeepSeek模型，截止目前已有上百家技術供應商和企業宣布接入DeepSeek模型，這加速了AI對更廣泛用戶群體的覆蓋。從模型開發來看，DeepSeek在全球產生巨大影響的核心是高性價比的模型訓練和高質量的結果輸出，通過MLA多頭潛在注意力機制、MOE混合專家模型、GRPO組相對優化策略、MTP優化訓練成本與同等最優模型相比大幅度降低。但需要強調的是，高性能算力仍然是打造領先AI大模型的

7、基礎，另一方面對于模型訓練、優化、推理步驟的拆解，以及對算力資源的優化和全棧管理過程是實現工程化落地、突破技術壁壘的關鍵。AI智能體(AI Agent)的廣泛實踐落地進一步帶動了用戶端的巨大變革，深刻影響各行各業的創新格局。AI智能體作為承載技術、業務和人智能化融合形式，正逐漸滲透到各行各業從智能客服到虛擬業務助手，從智能家居到自動駕駛，應用場景愈發豐富多樣，技術邊界不斷拓展延伸。與此同時，市場對AI 智能體的認知與應用仍存在諸多盲點，技術選型、產品選型及具體實踐應用中的挑戰也亟待解決。多樣化的應用場景也讓用戶對算力基礎設施的質量、效率提出了更高要求。服務端和用戶端均涉及模型訓練優化以及推理流

8、程拆解時的算力資源全棧整合與持續優化問題。在智能化推動行業轉型升級的大背景下，生成式AI將持續成為算力規?；投鄻踊l展的有力推手。IDC認為在AI戰略的影響下，年將會有更多的企業致力于在算力資源軟硬件協同、算網協同、精細化/一體化管理、算子及編譯優化等方面開展創新實踐。IDC的數據顯示，中國智算服務市場規模增速顯著。年上半年，中國智算服務整體市場同比增長.%，市場規模達到.億元人民幣。其中，智算集成服務市場同比增長.%，市場規模達.億元人民幣；面向生成式AI的智算服務市場（GenAI IaaS）同比增長.%，市場規模達.億元人民幣；而其他AI IaaS市場則同比縮減.%，市場規模為.億元人民

9、幣。生成式AI的發展是帶動算力市場快速增長的主要動力源。與傳統AI領域的圖像識別、語音識別和自然語言處理等相比，深度學習模型和通用AI旨在構建更加廣泛的理解能力，面向復雜的行業業務，持續提升感知、認知和決策水平，推動更大范圍的流程自動化、智能化。這意味著需要提供遠超傳統時代的大規模算力，用以支撐大模型的訓練、精調、推理部署以及優化迭代。生成式AI向行業縱深快速挺進，也會進一步對算力服務提出更加全面、更具效能、更精細化的要求。一方面，在算力需求旺盛的泛互聯網、自動駕駛、智能制造以及科研教育等領域，大模型正在加速融入業務流程，大幅提升智能化服務水平和效率。在泛互聯網領域，大量AI應用被快速開發和推

10、廣，通過交互式軟件形態持續改變B端、C端用戶的使用習慣。在自動駕駛領域，端到端大模型已經成為主流應用形態，讓智駕系統快速適應更多、更復雜的路況；在智能制造領域，AI通過分析海量數據，優化生產工藝流程，預測設備故障，全面檢測產品質量并持續提升生產效率。另一方面，生成式AI也在傳統行業轉型升級的過程體現出極大的應用價值。在農業領域，AI被越來越多的用于農情監測、病蟲害防治以及作物生長周期管理；在醫療健康領域，AI持續學習海量醫學影像資料，用于輔助診斷和治療方案設計等。隨著行業應用的不斷深入，用戶需要快速增強大模型的行業深度，通過模型精調、RLHF、Prompt等手段，強化大模型的專業理解力和決策力

11、，因此，在未來一段時間里，各行業的算力需求仍會持續加速。圖.中國智算服務市場規模及增長來源：IDC中國，H H H H H,單位：百萬人民幣中國智算服務市場規模，H-H,智算集成服務Other AI laaSGenAI laaS.算力場景需求持續深化為了應對行業發展的需要，一大批行業大模型、行業智能體正在不斷邁向深化場景。IDC與寧暢聯合研究發現，伴隨垂直場景的發展，算力的使用需求日益呈現出多樣化、定制化、精細化特征，如圖所示。算力需求的多樣化首先是類型需求多樣化，例如生成式AI的大模型訓練和推理工作需要足夠的計算密度，同時支持高效的內存訪問和數據傳輸；科研、氣象等領域的高性能計算（HPC）更

12、關注強大的并行計算能力和高精度浮點運算；而交通、應急等行業在構建中心化算力的同時，還需要大量使用邊緣算力設備。其次是性能需求多樣化，例如互聯網行業普遍看重算力設施的高效數據吞吐能力和低延遲響應，金融行業更關注算力的穩定性和實時性，而傳統行業則更加需要算力設施具備自動化運維監控能力，以及對IoT、邊緣算力設備的一體化集成能力。此外，一些行業對算力的成本、能效方面還有特殊要求。圖 算力場景的持續深化來源：IDC中國，多樣化定制化精細化邊緣計算并行計算內存訪問實時性自動化高精度計算密度數據傳輸高性能持續優化靈活配置業務適配場景創新軟件耦合使用效率實時監控算網協同用戶體驗綜合成本動態回收算力需求的定制

13、化各行業應用場景將越來越復雜，傳統的標準化算力服務模式愈發顯得簡單和粗放，無法滿足企業用戶的個性化需求。為了保證足夠的經濟性和適配能力，用戶需具備對算力的靈活定制和優化能力。在定制化算力模式下，用戶可以按照具體需求，靈活配置軟硬件資源，搭建更加高效、經濟的算力服務。例如，影像分析場景，可以增加高性能的數據并行存儲和處理設備；行業推理場景，可以通過算力和網絡的協同優化，使算力服務更加高可靠、低延遲。算力需求的精細化行業場景的持續深化過程，需要對算力資源進行更細致、更精準的管理和調度。例如多場景融合應用使算力規模和復雜度成倍增加，資源的使用效率和協同水平將顯著影響綜合成本和用戶體驗。算力的精細化管

14、理包含了對算力資源的實時監控、算網協同以及動態優化回收機制等，保障算力資源在不同的業務場景下都能夠得到合理的分配和高效的利用，從而幫助企業提升整體運營效益。新挑戰：傳統算力基礎設施效率低下，企業亟需升級服務.算力粗放建設帶來供需脫節.企業算力建設面臨五大挑戰 PART第二章.算力粗放建設帶來供需脫節IDC的調研數據顯示：全球幾乎所有地區、行業和企業的生成式AI資源投入都在快速增長。至年月，已經有.%的企業將若干生成式AI應用引入到生產中，并致力于持續進行擴展，這一數字比年初增長了一倍多。值得注意的是，規模中小型的企業對于生成式AI的投資增幅更大，這也印證了大模型應用門檻降低所帶來的加速滲透效應

15、。已經在生產中引入了幾個生成式AI的應用/服務，并在著力拓展中對生成式AI進行規?；耐顿Y，并對相關的培訓、獲取生成式AI助力的軟件等方面進行了預算規劃已經開展了初期的模型測試和驗證，目前還沒有相關的購買計劃目前尚無明確投資計劃.%.%.%.%.%.%.%.%年月年月圖 全球企業對生成式AI投資顯著增加來源：IDC中國，生成式AI的需求高漲引發了企業對算力服務市場的高度關注，但過去幾年間建設的大量算力中心卻常常無法與企業需求順利對接，從而出現大量的供需脫節現象。目前，傳統算力基礎設施在技術架構、投資回報、使用效率等方面正在陸續顯現出問題，隨著規模和需求復雜度的增長，這些問題所帶來的影響還將持續

16、放大，阻滯行業發展和企業智能化升級過程。年月年月圖 全球中小企業加速對生成式AI的投資企業未來兩年計劃對生成式AI的投資規模（百萬美元）$.$.$.$.$.$.$.$.$.$.$.$.$.$.$.$.%-人,-,人,-,人,-,人,以上（百萬美元）來源：IDC中國，圖 企業算力建設所面臨的挑戰低產出粗放規劃使用低效機房建設長期運維人力成本軟硬件采購來源：IDC中國，盲目高投入推升算力投資風險：算力建設中的機房建設、軟硬件采購和長期運維都涉及到大量資金的投入。在算力投資熱潮中，很多算力中心單純追求規模和性能參數，盲目做大設備規模。隨著技術的快速進步和需求的頻繁變化，算力基礎設施的更新換代速度也會

17、加快，使后續投入居高不下，一些地方已經出現過度投資和設施閑置的情況。規劃和設計能力不足導致供需對接不暢：很多算力中心在規劃和建設時，沒有進行相關的需求調研，盲目采購熱門算力設備，并隨意確定規模和技術指標，導致資源布局不合理、組件規模不匹配、內容缺項等嚴重問題。事實上，傳統模式下建設的大量算力中心往往以采購硬件設備為主，大量的算力只能以裸金屬形式交付給用戶，使很多中小企業無法有效得到算力賦能。算力中心綜合運營效率亟待提升：由于算力資源管理和調度方面的技術能力嚴重不足，算力設施整體利用率和使用效率不高，設備閑置比例過大。很多算力基于整機進行分配，算力浪費現象十分嚴重，給用戶帶來額外的經濟負擔。更值

18、得關注的是，算力市場的整體服務機制不健全，應用推廣力度普遍不足，導致算力方面的投資沒有給企業帶來降本增效的成果，不能充分體現出智能化升級帶來的效益提升。此外，在算力使用過程中還可能存在惡意入侵、數據泄露、應用中斷等安全風險，進一步帶來直接和間接經濟損失。.企業算力建設面臨五大挑戰隨著行業算力場景的深化和日趨復雜，大量傳統算力基礎設施逐漸難以滿足業務轉型升級和創新的需求，亟需提升綜合服務能力。因此，企業需要在駕馭算力使用效率、強化場景化算力匹配和管理調度能力、提升算力易用性和敏捷性、推動綠色節能等方面破解挑戰：挑戰一：駕馭算力效率問題：企業在規?；褂盟懔Y源時，首先要具備動態評估算力效率的技術

19、手段，例如構建多算力管理和監控工具，讓用戶能夠實時、細粒度地跟蹤和評估算力、網絡的整體協同運行狀態，并配合智能化手段動態調整資源配置，從而提升算力的整體利用率和有效性。挑戰二：讓算力精準匹配場景：行業里將出現更多場景化、個性化的算力需求，涉及行業模型訓練、大數據分析、高性能計算、邊緣分析等。提供場景化算力服務的難點在于深入理解業務需求，精準評估算力需求架構，并能夠非常靈活地調配算力資源。同時，為應對企業業務的變化，算力架構的可擴展性也十分重要。挑戰三：持續強化管理調度能力：隨著算力規模的快速增長以及算力架構的日趨復雜，保障算力服務的持續高效輸出將變得越來越困難。算力的整體管理調度能力包含了多元

20、算力融合管理、算網協同以及良好的動態分配、負載均衡以及故障恢復等機制。先進的算力管理和調度系統可以幫助企業大幅提升資源利用效率，顯著降低運營成本。挑戰四：讓算力更易用：隨著AI向傳統行業的持續滲透，大量的傳統企業需要借助算力資源來推動智能化業務創新，但傳統算力設施的高門檻讓很多用戶望而生畏。新一代算力基礎設施需要具備更為友好的操作界面和良好的可交互性，利用智能化工具簡化算力資源的操作和運營流程，讓更多用戶能夠輕松使用算力。挑戰五：滿足日趨嚴格的綠色節能指標要求：隨著國內生態環境壓力的持續加大以及能源結構轉型需求的日益迫切，企業算力中心的綠色節能建設已成為必然選擇。算力設施需要采用引入更加體系化

21、的節能技術，并建立完善的能源監測和分析機制，以持續優化算力資源的能耗結構，顯著降低能耗和碳排放。新定義：新質算力幫助企業突破發展壁壘.全新定義新質算力.橫縱聯合，突破傳統算力服務瓶頸.從投入到產出全鏈條優化PART第三章DeepSeek廣受關注的核心因素之一，是其可以基于更加豐富的算力類型，通過可調控、可優化的訓練和推理資源管理手段，形成更具想象力的應用形態。這有助于改變傳統算力基礎設施存在的各項瓶頸問題，幫助企業全面突破智能化發展的壁壘。在更低門檻、更多樣化的算力需求背景下，新質算力的理念正在快速推向市場。新質算力旨在集合從底層硬件到上層應用的一體化算力技術，將算力芯片、板卡、服務器、軟件算

22、法、網絡架構等進行綜合統籌，支撐用戶開展更高效率、更便捷的計算、存儲、傳輸、分析和應用活動。.全新定義新質算力IDC與寧暢合作，全新定義了新質算力概念模型，從客戶最為關注的算效提升、體系化管理、一體化調度以及應用落地優化等方面進行整體統籌，構建豐富、高效、易用的企業級算力服務。圖 新質算力的特性全新定義新質算力大幅提升算效體系化管理一體化調度應用落地優化來源：IDC中國，大幅提升算效：隨著企業AI應用進程的深入，用戶的關注點將從粗放的算力規模、算力類型轉變為更加量化的算力效率等指標。算效概念可理解為數據中心算力與功率的比值，即利用算力設施的計算性能和功率指標，綜合衡量整體工作效率。多種技術方法

23、都可被用于提升算效，例如在訓練時引入多精度平衡、網絡平衡、內存平衡、IO平衡等多種設計手段，提升算力任務的并發和協同處理能力；動態預測算力變化趨勢并引入彈性伸縮技術手段；強化故障監測和容災機制確保業務連續性等。在軟件平臺層面充分實施動態優化手段的同時，在服務器硬件和數據中心層面的整體優化更具挑戰性但意義也更為重要。體系化管理：針對算力設施的管理目標將從單一的集群硬件資源管控，轉變為專業化、體系化的運行保障和資源優化，從而為用戶提供更加高效穩定的計算服務。算力中心的體系化管理涉及整體規劃、建設、運營和安全等多個方面內容，相關的行動包括以計算架構為核心的技術創新，以及與軟硬件應用相關的生態支撐能力

24、等。其中，規劃階段關注算力的供需匹配和技術先進性；建設階段需確保計算、網絡、存儲、安全資源的統籌與協同，同時通過標準化手段的實施，強化平臺的開放性和可擴展性；運營階段注重構建高效的算力資源調度能力，以及細粒度的運行監測能力，能夠根據業務需求動態調度、調整和優化資源配置；在安全方面，通過安全保障體系和持續更新的技術手段，確保所有資源能夠安全合規運行。實踐參考：當前較為先進的液冷服務器實質上仍為“風液混合”，在實現初步降低數據中心PUE的目標后，無法進一步突破能效與成本的桎梏。如何平衡不同硬件規格之間的差異性，實現覆蓋處理器、內存模塊、存儲設備等多類組建的整體“全液冷”方案，成為重要的研究方向之一

25、。實踐參考：在很多AI訓練中，不僅要考慮半精度運算性能，還需要綜合分配FP、FP、TP、FP、BF、Int、Int的多精度能力，滿足多種訓練場景的需求。因此，實現多精度平衡設計具有十分重要的意義。如金融量化的場景中對雙精能力較高，可以在虛擬化基礎上適當提升該類算力的資源配比。一體化調度：軟硬一體化調度能力是衡量未來算力中心運營水平的核心標準之一。隨著智能化應用規模的快速增大，資源調度的復雜性顯著提升，實時性保障的難度也在持續增大。此外，規?；焖僭黾訋淼哪芎暮统杀締栴}也成為企業必須面對的關鍵挑戰。為解決上述問題，一系列先進的調度算法和技術將被用于增強調度和優化過程的智能化水平，一體化的資源管

26、理平臺在對軟硬件資源實施集中統籌管理的前提下，通過技術與管理機制的結合，解決軟硬件之間的兼容性問題，持續提升軟件平臺和不同硬件之間的協同效率，控制整體能耗和運營成本。應用落地優化：算力設施的優化手段將從傳統的單一性能指標優化，發展為真正面向應用落地的整體效果和體驗優化。這包含三個方面的創新：從企業業務整體投入產出的視角，降低算力資源的運營成本，例如采用液冷、風能、太陽能等節能和綠色能源技術，實現綠色、低碳和可持續發展從應用需求出發增加平臺層面的優化技術手段，例如根據大模型訓練的性能、可用性需求，合理選擇計算、網絡和存儲資源，并利用監測、分析、調度技術提高訓練過程中的算力有效利用率以及單機故障遷

27、移/恢復能力采用標準統一的算力服務接口和協議，實現跨平臺的算力資源共享利用，進一步增強算力對應用的適配能力。實踐參考：面向深度學習場景的高性能云平臺，可基于TensorFlow、PyTorch 和 Jupyter 框架滿足用戶的任務管理、數據管理、共享中心、文件管理等功能需求。用戶可通過 Web 端提交深度學習訓練任務，并通過任務管理頁面可以實時查看深度學習訓練任務的運行狀態、模型詳細信息、數據集詳細信息、使用的深度學習框架鏡像版本、訓練曲線和硬件資源使用情況等，實現自上而下的全棧協同保障。實踐參考：面向AI模型開發管理的容器化人工智能訓練平臺，包含PyTorch和TensorFlow等主流深

28、度學習框架，靈活支持單機和分布式訓練，并提供容器生命周期管理、權限管理、鏡像倉庫等功能。通過SLURM和Kubernetes子系統滿足不同的計算環境需求，其中SLURM適用于高端計算環境，Kubernetes適用于容器化應用。平臺同時支持兩大調度框架的納管，更好的滿足不同客戶群體的選擇。.橫縱聯合，突破傳統算力服務瓶頸新質算力解決方案能夠幫助企業突破傳統算力服務的瓶頸，推動從算力到算效的全面思維轉變。企業將面對可持續發展的更高維度目標，依托先進的技術和算法，保障算力資源持續工作在高效狀態，并通過新的算力棧建設推動綠色計算理念的實踐落地，建立持續改進的新局面，在橫向廣度和縱向深度上共同實現創新和

29、拓展。從橫向來看：新質算力有助于企業將AI能力拓展到更多業務范疇。通過技術創新構建多層次的算力調度和服務能力，提供貼近應用場景的算力服務。目前，規?；懔φ谕苿踊A大模型的高效進化，強大的自然語言處理能力和預測、優化能力，能夠在企業數據挖掘、流程創新、內容創作、智能服務以及定制化應用等方面創造出更具想象力的成果。AI向行業的滲透也體現在MaaS服務市場和大模型tokens調用量的增長率數據上。IDC數據顯示，上半億元人民.億元人民幣，中國AI大模型解決方案市場的規模為.年中國MaaS的規模已達幣。年月，中國生成式AI日均tokens處理規模達億，一年之間有望暴漲數百倍。從縱向看：更具定制化特

30、性和協同效率的算力服務，正在幫助生成式AI從一些簡單場景服務和功能呈現，發展為可以應對多模態場景下的復雜業務理解。例如，在醫療領域，生成式AI可以用于讀取影像資料、病歷記錄和趨勢數據，輔助醫生快速、精準地確定病情，制定更具針對性的方案。在互聯網媒體領域，生成式AI廣泛用于多樣化的內容生成，在新聞制作、文化傳播、圖文創意等方面，不斷推出蘊含獨特價值的作品，增強影響力和吸引力。通過引入一系列效率管理手段，企業在從簡單計算需求過渡到大量的高端/高密度計算需求時，可以將精細化的算力服務快速提供至更廣和更深度的應用中，從新質算力中切實獲取到預期的收益，包括但不限于運行效率、經營效益以及創新收益等。實踐參

31、考：目前，寧暢已為國內多家一線互聯網廠商提供了高效的算力基礎設施產品及服務，包括AI服務器產品和面向全棧的定制化方案設計。通過引入新的算力棧，這些企業可以實現更高效的數據處理和計算任務執行，同時大幅降低能源消耗和運營成本。伴隨寧暢推出的AI算力棧，提供了從底層硬件到頂層應用平臺的系統化方案，可幫助企業快速構建全棧AI環境，滿足大模型落地所需的計算、存儲、網絡、建設、管理、應用及液冷等需求，支持機器學習、AI推理、云計算等多種應用場景。.從投入到產出全鏈條優化從企業用戶的角度看，新質算力在建設投入、運營、產出的全鏈條上均施行了區別于傳統算力的優化手段。在建設投入環節，一體化的規劃設計保證了算力資

32、源在供需兩端的充分匹配，能夠按照用戶智能化轉型升級的要求，組合形成細粒度的定制化服務。在運營環節，豐富的自動化、智能化工具可以減少很多不必要的操作，減少資源消耗、人力開發成本、持續運維成本以及故障風險。在產出方面，與傳統算力服務對比，新質算力在成本、效率、業務成果等方面都能夠體現出相當明顯的優勢：集約化效應更顯著：新質算力通常采用集中統籌部署和管理模式，具有多種資源優化手段。相較于傳統算力服務，在同等服務能力要求下，一體化算力中心對硬件資源的限制更少，總體投入更低，資源利用率更高。服務體驗更佳：新質算力擁有更加先進的軟硬件技術，有高效的管理和調度能力，可以為用戶提供定制化的解決方案，用戶體驗更

33、好。運行維護更簡捷：新質算力具備更豐富的自動運行維護手段，能夠大幅減輕運維的復雜度，提升管理和運維效率，顯著降低后期運維成本。更貼近行業需求：新質算力更加貼近行業場景需求，能夠支持大規模的數據分析和多種類型的人工智能應用，支撐企業用戶實現決策支持和業務創新，促進地方產業升級和經濟發展。新質算力也改變和優化了傳統算力設施復雜的建設流程。以往的算力中心建設通常需要經歷需求分析、架構設計、硬件采購、場地準備、硬件與軟件安裝調試、運維管理等過程。相比之下，新質算力建設通常會采用標準化與定制相結合的方案，通過良好的算力棧設計，快速搭建一體化的算力環境，無需從零開始進行硬件采購和系統配置。相關企業可以提供

34、從硬件選型、系統配置、軟件部署到運維管理的全方位服務，并在技術支持、數據保障、應急管理等方面提供豐富的增值服務，切實滿足企業用戶的多維度需求。新路徑：算力效率雷達指引企業新質算力建設.算力效率雷達聯合評估算力運營效率.企業新質算力建設路徑圖.算力產品選型標準PART第四章.算力效率雷達聯合評估算力運營效率當前，算力的簡單堆砌已越來越難以帶動AI的規?；l展和垂直落地，企業和用戶應進入追求高算效、高效能、精細化、智能化的新階段。針對企業最為關心的算力中心運營效率問題，IDC與寧暢聯合對算力市場開展了觀察和研究，并圍繞企業算力中心建設和運營過程中重點關注的軟硬協同、綠色節能、高效存儲、網絡互聯、智

35、能運維五個目標維度，形成聯合評估算力運營效率的框架體系，為企業規劃、建設和運營工作提供前置參考。整個評估框架以生成式AI時代的大模型訓練和推理需求為核心，圍繞五維目標，將企業各類算力需求從五個維度分給出個不同的評估優先級，從而構建算力效率雷達方法論和指標體系。算法數據應用模型圖 算力效率雷達高速互聯 全周期監管 資源調度 液冷動態管理多路徑負載均衡 任務自動化故障處理 算子優化可編譯 AI優化推薦碳足跡點對點通信效率優化 自動優化 輔助決策分析 彈性可擴展 可視化分析運力：網絡互聯 智力：智能運維 算力：軟硬協同 碳力：綠色節能 存力：高效存儲自定義 本地/云冷熱數據 動態緩存分布式存儲AI大

36、模型評估維度優先級一級 二級 三級來源：IDC中國，算力-軟硬協同通過軟硬件一體化協同提升算力使用效率。其第優先級是評估基礎算力資源的一體化調度能力，涉及軟件管理調度平臺在算力虛擬化、算力分配機制、網絡協同等方面所具備的技術水平和測試結果。第優先級是評估算子層面的優化能力，包括對不同算子的統一封裝以及編譯轉換等。第優先級是關注算力的彈性可擴展，這與算力的云化管理能力密切相關。碳力-綠色節能目標是持續提升綠色節能水平。其第優先級是基于全液冷等先進技術，評估對相關能耗的動態監測、分析、管理手段是否健全。第優先級是引入AI手段持續優化能耗方案，并從碳足跡層面評估整個運營周期的能耗變化趨勢。第優先級是

37、基于可視化分析手段，引入更多評估要素，實現能效的度全景評價。存力-高效存儲圍繞數據使用效能提升AI應用效率。其第優先級是評估底層的分布式存儲吞吐率、時延、一致性、安全性、兼容性等指標。第優先級是評估冷熱數據的分級、分類方案和響應的數據緩存機制。第優先級是評估通過混合云實現本地、云上存儲的協同效率、安全性等。運力-網絡互聯即通過高性能的網絡互聯保障算力集群持續高效運行。其第優先級是評估網絡的物理性能、穩定性等指標，確保底層網絡暢通。第優先級關注算力調度過程中對于流量的多路徑負載均衡方案，提供更多流量調度手段。第優先級評估點對點的通信效率優化，保證算網間的充分協同。智力-智能運維關注算力中心長期運

38、營過程中的人力投入。其第優先級是評估算力中心的全周期監管技術手段和體制機制，體現運營的規范有序。第優先級評估對運維任務和運維故障的自動化干預能力，這關系到運維工作的人力投入規模和工作成效。第優先級是進一步關注運維和運營中的自動優化和輔助決策分析能力，這將在企業經營戰略層面產生長期影響。.企業新質算力建設路徑圖企業建設新的算力棧是一個復雜的系統工程，涉及多個方面的戰略考量、資源投入、組織與人力、部門協作、技術路徑選擇以及安全、監管等環節。戰略考量：企業首先應結合自身的業務發展方向，確定算力棧的建設目標、規模以及運營模式等。了解重點行業對于算力的具體應用模式，特別是本行業的龍頭企業對于算力棧的技術

39、路線、架構以及產品選型，評估差異化發展路徑等。投入規劃：根據需求規模和性能要求，制定合理的資金預算，保證建設資金充足且風險可控。同時評估企業現有的計算、網絡、存儲和安全資源，考慮發展路徑的延續性，并確定如何引入建設和服務商等。組織與人力：為了更好的支撐智能化業務創新，企業在建設算力棧時應考慮建立良好的跨部門溝通和協作機制，明確部門和人員職責。企業應根據自身情況，通過培養、外聘等方式組建專業化的團隊，確保在軟件、硬件、集成和運營方面都具備專業的工程技術人才。技術路徑：根據企業當前算力資源情況和未來需求評估結果，全新建設算力?；蚧诋斍八懔υO施進行升級擴容。并對IDC、服務器、算力卡、算力管理調度

40、平臺等關鍵產品進行技術選型，確定部署、集成以及測試、優化方法，確定運營管理模式等。安全與監管：建設安全保障體系，制定算力棧的安全策略，包括訪問控制、數據加密、防火墻設置等。建立安全監控機制和應急響應計劃，隨時掌握算力資源運行動態，有能力對安全事件進行快速響應和處理。此外，深入了解國家和地方關于算力棧建設的監管要求，確保算力棧的建設和運營符合相關法律法規和行業標準。因此，企業應重點將算力效率的全生命周期管理納入能力體系設計中，以確保算力服務能夠持續、高效、穩定地向外輸出。在對關鍵環節進行考察評估的基礎上，企業可參考IDC與寧暢共同發布的新質算力建設路徑圖，科學合理地規劃、設計、構建新一代算力中心

41、，分階段完成重點工作。圖 企業階段化推進新質算力建設路徑圖第一階段 建設規劃第二階段 集群部署第三階段 追蹤優化戰略儲備業務升級需求補齊戰略 管理 研發 運維 運營 財務跨部門協同集群設計下一代管理效果預測安全監管場景功能預算確定性能評測服務商確定POC測試軟件升級性能優化數據接入方案設計集群搭建效果評估算力運營集群運維需求改進模型適配合作篩選集群部署持續運營業務上線需求反推動底座升級資源-開發-業務全鏈條可溯業務經驗賦能全環節算力資源調度管理開發軟件適配優化AI模型及算子開發跨場景服務應用智算五力評估雷達：實現算力效率全周期管理與升級算力軟硬協同碳力綠色節能存力高效存儲運力網絡互聯智力智能運

42、維來源：IDC中國，第一階段：建設規劃從確定戰略目標、規劃業務升級實施路徑以及全面確認需求三個方面，適時開展前期準備工作。面向算力中心的戰略、管理體系以及研發、運維、運營、財務等關鍵過程，確定方法和執行路徑，細化任務指標，形成可執行的項目計劃和驗收標準。戰略設計：明確算力建設所要達成的遠期目標和分期建設路徑，梳理算力需求，對內部已有資產進行調研，完成整體和分項規劃，完成主要算力集群設計并形成清晰的發展路線圖。管理體系：構建與算力建設相適配的組織和管理體系，建立相關的組織機構并協調各專業崗位人員。通過引入新的管理方法、機構設置以及跨部門的協同機制，保證整個算力建設和運營周期的執行力。研發過程：明

43、確相關場景功能需求，形成與算力棧建設內容相匹配的資源定制化策略，確定智能化業務的技術路線和開發流程。運維過程：結合算力棧建設成果和智能化的運維工具，建立運維團隊和運維流程機制，覆蓋日常巡檢、故障診斷、應急響應等重點工作。運營過程：結合智能化運營平臺，對資源運行狀態進行細粒度監控，對使用效果進行預測，對算力使用性能進行評測，對算力使用過程進行安全監管，動態調整資源分配和調度策略等。財務管理：根據預算規模和企業的實際經營情況，提前制定好分階段資金使用計劃，對建設、運維、運營過程中的資金使用情況進行嚴格監管和審計，通過有效的財務管理措施提升資金使用效率。第二階段：集群部署推動算力集群的部署和交付工作

44、，從合作篩選、集群部署、業務上線、持續運營四個階段分別落實相關實踐活動。合作篩選：對相關廠商進行考察，圈定潛在合作伙伴范圍，實施POC測試，對各項測試指標進行綜合評估。按照規范化流程選定服務商，并與服務商合作建立項目組織，推動概要設計、詳細設計等方案設計工作。集群部署：與服務商合作搭建算力集群，部署計算、網絡、存儲、安全等硬件設備和操作系統、中間件、分布式計算框架等軟件平臺，并通過集成、調試、效果評估和性能優化等措施，確保算力集群的穩定與可靠。業務上線：將相關業務數據接入算力集群，并根據智能化業務對模型參數、速度等指標的要求，選擇合適的大模型進行適配和精調，以支持業務智能體開發等應用開發活動。

45、在此基礎上，可根據業務發展目標、模型技術趨勢以及使用反饋等，對智能化業務需求進行持續優化。持續運營：當算力集群進入正式運行階段后，需遵循第一階段（建設規劃）面向運維、運營需求所設計的方法、體制和機制，保證算力資源能夠高效、持續釋放價值。第三階段：追蹤優化算力系統依照運營流程向各需求方提供長期服務后，可從兩個發展方向關注算力體系的提升和優化，一是持續推動智能化業務經驗賦能算力使用全環節能力提升，二是確保算力資源、算力開發、算力應用全鏈條過程可溯。此外，新的業務需求也會反向推動算力底座的升級。在追蹤優化階段，可特別關注在行業深度場景和跨場景使用時，系統的資源調度、持續優化能力以及相關實踐體驗。根據

46、使用情況沉淀問題和改進需求，并聯合服務商進行持續優化，特別是在AI模型和算子開發層面不斷進行創新，使算力資源支撐的智能化能力體系獲得長期進步。算力效率雷達：實現算力效率全周期管理與升級圍繞評估雷達中的算力、碳力、存力、運力、智力五個方面，企業在建設新質算力底座后，需要進行持續的升級迭代，并針對模型開發以及整體資源管理的深層邏輯和優化路徑，實現正循環反饋，結合實際工程化問題和經驗進一步提升AI在企業內部和外部的應用性能，加速業務、產品、決策、運營等多方面創新，提升市場影響力和競爭力。.算力產品選型標準為幫助市場用戶選型，IDC還與寧暢合作制定了PEEIE（Product,Efficiency,E

47、ngineering,Indus-try,Ecology）算力設施產品選型標準，即在選擇技術供應商時重點考評產品豐富度、關鍵性能指標、工程化落地支持、行業落地實踐、服務與生態建設等能力指標。產品豐富度：主要關注技術供應商算力產品的可選類型范圍、定制化能力和靈活配置能力等，以考察其在滿足場景多樣化需求時的適配性和便捷性。其中，可選類型除能覆蓋常見的AI計算、高端計算需求外，還應配備相關優化、加速、管控平臺軟件以及其他邊緣設備等，以滿足不同領域的需求。在操作層面應通過友好的交互界面支持用戶多樣化定制需求，支持細粒度的資源調度等，能夠推薦多種配置選項，如處理器規格、存儲容量等，方便用戶根據實際業務需

48、求進行靈活選擇。關鍵性能指標：用于衡量算力產品的整體性能，包括處理器的定點/浮點運算能力、緩存大小、內部網絡帶寬，以及相關的內存資源、存儲資源的容量、訪問速率、并發量等，以判斷產品能否支撐更多、更復雜的數據和模型。此外，在綠色低碳和可持續發展的背景下，算力設施的能效也將作為重要指標納入評估范圍，以保證算力中心整體的能耗符合未來預期。工程化落地支撐：主要評估算力產品的穩定性、易用性和可維護性。包括產品自身是否能夠長期穩定運行，故障恢復機制是否健全，產品是否具備友好的交互界面，是否提供豐富的操作和運行維護工具，是否有清晰、簡捷的部署和配置管理流程等。此外，服務商的產品相關文檔應健全完善，盡量減少用

49、戶使用過程中的不確定因素。行業落地實踐：考察算力產品是否在政務、金融、教育、醫療等重點行業獲得過成功的落地實踐案例，綜合評估其典型案例中的應用成效，特別是關注行業用戶對產品的真實評價，以全面深入了解產品的特性和優劣勢。此外，還應特別注意算力產品在行業中的應用深度，例如是否實際對AI大模型的訓練和推理提供關鍵支撐，是否有大型互聯網公司的服務案例，是否曾根據行業場景進行過定制與優化，以及定制過程的投入情況等。服務與生態建設：評估算力產品服務商能夠提供完善的售前、售后服務，包括設計咨詢、產品集成、技術支持、維修巡檢等，是否提供符合預期的故障應急響應服務。在生態方面，主要關注潛在的產品能否與其他的云服

50、務、大數據、應用平臺產品進行良好的集成與被集成，相關的系統接口能否便捷的互通，形成完整體系下的互操作能力。推理模型帶動的用戶需求爆發，再次證明了AI市場的巨大潛力和多變特性。因此，企業圍繞上述標準篩選技術供應商時，還應特別關注其定制化和快速適配能力，以及是否能夠結合企業業務環境采取高水平的深度優化和升級措施，以進一步借助AI賦能推動企業長期戰略目標的實現。實踐參考：為加速人工智能大模型技術在企業級場景中的規?；涞?，寧暢推出新一代企業級AI端到端建設服務。面對推理模型激發的企業AI部署需求，為解決不同功能、版本、場景下的并行處理、成本、安全、開發問題，寧暢全新打造全系列軟硬件一體方案，覆蓋從數

51、B級輕量版、十B級&百B級推理到千億級訓練的全場景產品，可支持金融、工業、文本等全場景和類型的模型全棧開發和優化，并配合AI Manager和Ncentre智能平臺，實現算子級別的性能提升和資源管理。此外，該方案還支持模型蒸餾、微調和工作流編排，集成多款行業知識庫與模板，快速滿足自動駕駛、金融風控、醫療影像分析和工業質檢等垂直場景需求。通過端到端全生命周期服務，覆蓋從前期咨詢到彈性擴縮容、智能運維及模型調優訂閱等關鍵環節，全面助力企業智能化進化。新實踐：新質算力建設場景和案例分析.算力集群建設場景.算力建設的實踐案例及分析PART第五章.算力集群建設場景算力效率雷達為企業算力底座的建設和長期高

52、效運營提供了基礎引導，但在面對細分場景和具體落地需求時，由于不同企業的戰略目標、組織架構和發展空間不盡相同，因此還需要將方法論和指標體系與具體的業務內容相結合，形成場景化的關鍵舉措。在推進算力集群建設時，通常要基于場景目標，綜合考慮自身的規模、資金現狀、發展規劃、市場環境以及技術發展趨勢等因素，選擇適合當前和未來發展的架構和定制化特性。目前，企業算力集群的典型場景化需求如下：傳統計算重點關注軟硬協同與AI提質增效：傳統計算通過計算、網絡、存儲、安全以及數據庫、大數據等資源，為企業業務系統的運行和管控提供集約、彈性、可擴展的服務能力，滿足企業數據分析、業務管理、工程計算、科學計算、圖形計算等多種

53、需求。面向傳統計算需求，應持續關注軟硬件協同能力的提升，并引入AI技術提高傳統計算的效率和精度，例如在氣象預報場景中，通過AI分析和歸納歷史數據，更高效地構建預報模型，大幅增強模型計算的效率和精準度。在企業數據分析場景中，AI依托高性能存儲和強大的算力支撐，可以加速處理和分析過程，幫助企業更加快速、精準地觸達用戶，及時調整企業內部運營出現的卡點問題。此外，AI還能推動跨學科知識融合，探索新的研究方法，讓傳統計算獲得超預期的收益。AI計算重點強化訓練和推理效率：大模型推動的智能化轉型為AI計算帶來快速增長的需求空間。企業在規?；肴斯ぶ悄芗夹g成果時，應通過IaaS和PaaS平臺的優化和加速能力

54、，強化AI大模型的訓練和推理效率。目前，大模型已經在許多行業開展不同程度的應用融合工作，不但包括泛互聯網、自動駕駛、金融、生物醫藥等先行行業，也正在快速滲透至交通、制造、能源、電力等傳統領域。一些大型企業自建算力集群用于大模型的預訓練、精調、強化學習、prompt工程等，并將大模型用于實際的分析、預測和決策過程，進而又產生大量的推理需求。未來，推理需求將逐漸超過訓練需求，成為企業算力棧升級的重點目標。物聯網與邊緣計算重點提升適配、協同和融合能力：工業制造、自動駕駛、智能交通等行業引入了大量傳感器和邊緣設備，使邊緣處的算力適配、協同和融合變得愈發重要。一些算力集群的建設需求將變得更加靈活多樣，如

55、何實現與邊緣設備深度結合的定制化設計，大幅提升邊緣算效和能效，將成為亟需解決的重要問題之一。面對上述場景，新質算力能夠顯著體現出一體化、全流程的服務優勢，在強化IDC能耗優化、算力精細化調度、數據存儲和訪問加速、高性能網絡集群、AI場景適配、智能化運維、算力統籌運營等多個環節能力的基礎上，幫助企業用戶搭建出更具定制化特性的算力服務。通過對高效能服務器、集群管理平臺和大模型平臺的高效整合，以及軟硬件一體一站式交付，可以助力不同行業用戶在大模型場景下全局加速，推動規模效應和飛輪效應的發揮，協助用戶突破生成式AI工業紅線。圖 新質算力棧特征來源：IDC中國，集群搭建業務接入訓推任務集群運維算力運營用

56、戶算力數據計費資源運維場景數據算力計算資源池分布式存儲資源池AI開發全流程AI算力棧專業的性能調優團隊通用大模型文件資源GPU服務器存儲服務器網絡設備性能型節點 容量型節點對象資源虛擬化資源 大數據資源垂類大模型減少模型幻覺提高模型專業度注入垂域知識遷移學習微調持續監控運維功能物理機任務AI開發通用側場景大模型開發場景計算隊列服務交互式容器任務式容器推理服務管理模型管理數據管理鏡像管理容器服務調整中間件SLURMKBS鏡像服務AI服務計算服務中心分布式數據分布式調度統一運維統一管理分布式應用算存網高可用.算力建設的實踐案例及分析案例一：某車企客戶-支撐自動駕駛、智能座艙開發中的復雜仿真模擬和設

57、計優化項目背景某車企客戶擁有多款汽車子品牌和熱門車型，面對當前激烈的市場競爭，客戶希望在智能駕駛、智能座艙、車輛運營等領域強化AI能力的融合，通過高強度的研發投入，形成持續競爭優勢。為滿足汽車研發中的復雜仿真模擬和設計優化需求，推動自動駕駛技術的模型訓練、算法優化及實時數據處理決策，提升智能座艙體驗和車輛遠程監控管理水平，客戶希望建設集超算、智算、通用算力為一體的融合算力中心。解決方案寧暢與客戶密切合作，采用高端AI計算平臺X G，形成算力中心的核心智算基礎設施，通過NVLink高速互聯，滿足深度學習訓練開發應用場景。Gb高速網絡組網，能夠顯著加速客戶海量數據的并發處理能力，為自動駕駛、智能座

58、艙開發時的模型訓練、模型優化和應用融合等過程提供全面服務保障?？蛻羰找婵蛻粢劳兄撬阒行臉嫿酥悄芊抡嫫脚_，基于強大的計算性能加速汽車研發過程。平臺支持開展大量復雜的計算任務，例如全場景虛擬碰撞試驗、虛擬道路耐久測試等，為汽車的安全性和耐久性研發提供有力的數據支持。同時，平臺有力支撐了自動駕駛模型的訓練和優化工作，持續提高自動駕駛系統的準確性和可靠性。此外，平臺還顯著推動了整車智能化服務能力的提升，讓智能座艙能夠提供更加快速的響應速度和更加流暢的用戶體驗，進一步滿足消費者對智能化汽車的更高期望。案例二：某互聯網企業客戶-全面滿足自研大模型體系的訓練、推理和應用需求項目背景某互聯網企業客戶擁有短視

59、頻、直播、電商等多類功能平臺和運營業態。面對當前AI領域的飛速發展態勢，客戶希望抓住AI大模型的時代機遇，找到業務創新突破口。一方面，通過對語言大模型、推薦大模型、視覺生成大模型的訓練、精調，形成核心AI能力矩陣，覆蓋內容理解、分發、生成等多個層面。同時，利用大模型實現文/圖生視頻、視頻續寫、復雜運動場景模擬、角色互動等能力，深度服務商業生態場景。解決方案為滿足客戶的規?；柧毢屯评硇枨?，寧暢提供了軟硬一體化組合保障方案，并構建出能夠覆蓋多類應用需求的豐富算力服務體系。超高算力的X G機型，通過高速互聯加速客戶的大模型訓練進度。X G機型則更加側重于均衡算力服務，為客戶提供更具性價比的推理方案

60、。為了更好的基于客戶自研大模型體系開展應用場景開發和推廣工作，寧暢還根據不同的算力使用場景，對多種算力設備進行組合搭建。其中，現象級AI應用的首選推理平臺采用了X G機型，支持卡PCle GPU，并以此為核心實現了應用級推理解決方案。行業大模型訓推一體算力底座采用X G機型，支持卡PCle GPU，形成全方位推理訓練集群。此外，更高性能的X G機型，支持NVLink GPU，構建極致性能的框架性算力基礎平臺，是基礎大模型訓練的首選解決方案?？蛻羰找鎸帟碁橛脩魳嫿税瑯藴史掌?、GPU服務器、存儲服務器等在內的全棧算力基礎設施，實現了豐富、強大的算力基礎服務，全面滿足客戶對計算、AI、視頻編解

61、碼、存儲等方面的使用需求，并以此支撐大模型時代的快速業務創新。其中，視頻生成大模型自面世以來，憑借其無與倫比的視頻生成效果，贏得了國內外用戶的熱烈追捧和高度評價，也為公司的核心業務體系帶來新的增長空間。IDC建議與未來展望.機遇與挑戰.結語PART第六章.機遇與挑戰隨著人工智能、大數據等技術的快速發展，算力需求增長仍將保持迅猛態勢。國家層面通過“東數西算”戰略持續推動算力基礎設施布局，并愈來愈關注算力供需協同以及算力效率提升問題。地方政府也在積極發布相關規劃，布局省級、市級算力節點建設工作。算力市場將在國家政策和主動需求雙向驅動下持續快速發展。DeepSeek所引發的蝴蝶效應仍將持續，加速產業

62、界主動擁抱生成式AI技術，快速提升用戶使用規模，驅動更多企業部署AI應用。但隨著用戶技術和市場認知的持續深入，整個算力生態系統將在效率目標的導向下，向硬件與軟件協同創新的模式轉型，從根本上避免過度建設和浪費。在算力平臺層面，多模型選擇、高效且可靠地部署方式將成為大模型商業化的基石。部署過程需同時滿足高并發與低延遲的嚴苛要求，并全面考量數據安全、隱私保障、資源彈性擴展以及系統維護等多重因素。目前，DeepSeek推出了多種部署模式許可也挑戰了全球大模型技術提供商的主要商業化方法。在規?；懔Φ挠辛χ蜗?，多個行業都制定了雄心勃勃的AI發展計劃，能源、制造、農業等一大批傳統行業都在快速推進智能化轉

63、型升級進程，其對算力的需求將呈現加速上漲的趨勢。國內算力產業鏈水平也在持續進步，涉及芯片、服務器、網絡、存儲、安全、IDC等領域的廠商正在快速發展壯大，算力集群的性能和效率也在不斷提升。在行業快速發展的大背景下，大規模算力集群建設也會遇到能源、環境、產業鏈協同、安全保障等一系列挑戰。特別是在產業發展過程中，如何面對細粒度的場景需求，推動百花齊放的芯片、服務器等廠商協同發展，快速拓展行業場景，進而形成整個行業的良性發展格局，值得全體從業者深度思考。.結語算力集群建設正處于高速發展的時期，且仍將持續相當長的時間。未來，算力集群將更加關注資源整合、應用創新和生態協同，通過場景的拓展與深化，帶動全棧技

64、術、市場、產業的可持續發展，在規?；粩嗵嵘耐瑫r，為企業用戶帶來更先進、更高效、更普惠的AI新體驗。關于寧暢.綠色智能算力專家 開創全局智算.企業榮譽PART第七章綠色智能算力專家 開創全局智算寧暢公司簡介 寧暢信息產業（北京）有限公司，是一家深耕服務器領域的創新企業，憑借在AI產品和液冷技術方案上的卓越表現，已成為業界領先的服務器廠商與IT系統解決方案提供商。寧暢專注于硬件的研發與制造，同時也致力于軟件能力的提升，為客戶提供從服務器設計到部署運維的一站式服務。領先技術能力公司依托分布在全國多地的研發中心，以及桐鄉等生產基地，構建了強大的本地化服務體系，用戶廣泛覆蓋互聯網、汽車、電信、能源、

65、教育等數十個行業。領先市場規模作為綠色智能算力專家，寧暢在市場中的影響力持續增強。根據IDC此前發布的中國液冷服務器市場報告，寧暢在液冷服務器（包括多節點及標準機型）領域斬獲雙項第一；在中國加速計算服務器市場報告中，寧暢穩居中國區前二。開創全局智算在對產業趨勢的精準預判和深入洞察下，寧暢于年發布“全局智算”戰略，旨在通過全棧智能計算能力，以及涵蓋硬件、軟件、算法、液冷和服務質量等多個維度的系統性AI計算方案，為更多行業發展帶來堅實的支持和動力。寧暢推出國內首個AI算力棧NEX AI Lab（Nettrix AI Open Lab）以底層硬件到頂層應用平臺的系統化方案，構建全棧AI環境，滿足大模

66、型落地所需的計算、存儲、網絡、建設、管理、應用及液冷等需求。企業榮譽高新技術企業，CDCC常務委員，OCTC、ODCC等成員單位開放數據中心峰會“優秀合作伙伴”中國最具成長性新基建創業公司TOP、Kr新基建創業榜TOPAI算力棧入選“中國智算產業綠色科技大會-綠色智算標桿案例”服務器產品分別榮獲：CSDN年度創新產品與解決方案、通信世界ICT產業龍虎榜-最佳液冷服務器寧暢獲得鈦媒體EDGE AWARDS年度智能產業場景與年度企業服務創新品牌兩項大獎寧暢入圍氪WISE商業之王年度最具商業價值企業寧暢E G邊緣計算服務器獲得IT 技術卓越獎年度創新產品獎項。寧暢全液冷服務器獲得中國IDC產業年度評

67、選創新技術產品獎寧暢算力棧入選中國智算產業綠色科技大會-綠色智算典型案例關于 IDC國際數據公司（IDC）是在信息技術、電信行業和消費科技領域，全球領先的專業的市場調查、咨詢服務及會展活動提供商。IDC幫助IT專業人士、業務主管和投資機構制定以事實為基礎的技術采購決策和業務發展戰略。IDC在全球擁有超過名分析師，他們針對多個國家的技術和行業發展機遇和趨勢，提供全球化、區域性和本地化的專業意見。在IDC超過年的發展歷史中，眾多企業客戶借助IDC的戰略分析實現了其關鍵業務目標。IDC是IDG旗下子公司，IDG是全球領先的媒體出版、會展服務及研究咨詢公司。IDC ChinaIDC中國（北京）：中國北京市東城區北三環東路號環球貿易中心E座室郵編：+.Twitter:IDC版權聲明凡是在廣告、新聞發布稿或促銷材料中使用IDC信息或提及IDC都需要預先獲得IDC的書面許可。如需獲取許可，請致信。翻譯或本地化本文檔需要IDC額外的許可。獲取更多信息請訪問，更多有關IDCGMS信息，請訪問https:/ IDC。未經許可，不得復制。保留所有權利。