IDC&amp浪潮信息：2022-2023中國人工智能計算力發展評估報告（31頁）.pdf

1、2022-2023中國人工智能計算力發展評估報告目錄核心觀點第一章 人工智能發展概況1.1 放眼全球：各國持續加大布局，拓展人工智能創新應用1.2 聚焦中國：人工智能算力需求穩增，持續夯實算力底座第二章 人工智能算力及應用2.1 芯片：需求日益增長，發展空間廣闊2.2 服務器：中國市場領跑全球，綠色節能引領未來2.3 計算架構：以系統創新為基礎，支持多元算力發展2.4 云服務：市場規模穩步提升，算力設施提供強力支撐2.5 算法模型：加速大模型行業落地，助力實體經濟發展2.6 生態：推進產業化布局，發揮平臺價值2.7 應用：場景化落地縱深發展，加速智算力向創新力轉化第三章 中國人工智能計算力發展

2、評估3.1 行業排名3.2 地域排名第四章 行動建議4.1 對行業用戶的建議4.2 對技術提供商的建議4.3 對產業發展的建議01 030405 0809101112121314 171822 26272727核心觀點01通過aaS服務提供AI平臺和AI服務正越來越被用戶接受，AI平臺和服務的快速迭代能力和豐富的場景化人工智能能力，正在為行業的智能化發展提供有力支撐。IDC調研顯示，目前排名前三的人工智能云服務是:搜索、人臉識別和推薦引擎，預計未來18個月，排名前三的人工智能云服務將為：自然語言處理、圖像識別和視頻識別。人工智能算法模型呈現出多樣化、巨量化、專業化等顯著特征，算法基建化發展對于

3、實現普惠人工智能具有重要作用，綠色高效、可應用性強等成為主要訴求。市場積極探索面向專業場景的輕量化模型以加速落地運作，并通過集中式的數據和算力開發模式為企業提供預訓練平臺，提供分布式加速計算集群解決方案，合理匹配計算任務與計算資源，提升整體利用率和訓練效率，加速實現人工智能普惠化目標。從計算架構發展來看，基于 DSA（Domain-Specific Architec-tures）思想設計的人工智能芯片正在成為主導，推動了人工智能芯片多元化發展。多元算力從“能用”到“好用”并且為企業創造業務價值，離不開通用性強、綠色高效、安全可靠的計算系統的支持。業內正在推動多元算力系統架構創新，基于計算節點內

4、和節點間的互聯技術破局現有計算架構的瓶頸，通過充分調動起多芯片、多板卡、多節點的系統級能力，實現各種加速單元以及跨節點系統的高效協同，提升計算性能。2022年，人工智能在各個行業的滲透度均有提升，應用滲透度排名前五的行業依次為：互聯網、金融、政府、電信和制造?？傮w來看，人工智能在各個行業的應用程度都呈現不斷加深的趨勢，應用場景也越來越廣泛，人工智能已經成為企業尋求新的業務增長點、提升用戶體驗、保持核心競爭力的重要能力。在2022年中國人工智能城市排行榜中，北京、杭州、深圳繼續保持前三名，上海和廣州分列第四、五名，天津進入前十名。除了 TOP10 城市之外，諸如合肥、武漢、長沙等多個城市在自身產

5、業優勢及各種因素推動下，人工智能應用取得了較大進展，未來將會出現越來越多具有城市特點的人工智能示范區，為產業發展樹立標桿。算力是數字經濟時代的核心生產力，智算力則是數字化創新的源動力。人工智能已在國家經濟建設、科技實力提升、推動生產力發展等方面呈現出舉足輕重的作用。人工智能算力正在為國家創造力的發展帶來實質性推進，為企業帶來切實的創新成效，加速驅動新業態的形成。我國進一步明確了人工智能對于提升國家核心競爭力的重要支撐作用，隨著新基建、數字經濟等持續利好政策的推動，中國人工智能市場將保持平穩增長。IDC預測，2022年中國人工智能市場相關支出將達到130.3億美元，有望在2026年達到266.9

6、億美元，2022至2026年年復合增長率達19.6%。中國算力規模，尤其是智能算力規模，正在高速增長。2021年中國智能算力規模達155.2每秒百億億次浮點運算（EFLOPS），2022年智能算力規模將達到268.0EFLOPS，預計到2026年智能算力規模將進入每秒十萬億億次浮點計算（ZFLOPS）級別，達到1,271.4EFLOPS。2021年中國通用算力規模達47.7EFLOPS，預計到2026年通用算力規模將達到111.3 EFLOPS。2021-2026年期間，預計中國智能算力規模年復合增長率為52.3%，同期通用算力規模的年復合增長率為18.5%。伴隨人工智能算力需求的高速增長，建

7、立健全助商惠民的數字基礎設施服務體系、推進算力基建化發展勢在必行。人工智能服務器仍是人工智能市場增長的主力軍。IDC數據顯示，2021年全球人工智能服務器市場的同比增速為39.1%，超過全球整體人工智能市場增速（20.9%），是整體人工智能市場增長的推動力。在中國，人工智能應用的加速落地很大程度推動了中國人工智能服務器市場的高速增長。2021年人工智能服務器市場規模59.2億美元，與2020年相比增長68.2%，預計到2026年，中國人工智能服務器市場將達到123.4億美元。目前，中國仍以GPU為主實現數據中心計算加速，市場占有率近90%，但ASIC、FPGA、NPU等非GPU芯片市場也在加速

8、發展。近年來，在政策、資本等多重因素驅動之下，中國人工智能芯片專利數量不斷增長，產業鏈和應用場景不斷完善擴充，市場規模不斷擴大，產業正向好發展。6*1*7*8*9*10*2*3*4*5*2022-2023 中國人工智能計算力發展評估報告02人工智能發展概況03 全球企業持續增加對人工智能的投資伴隨數字經濟的持續發展，以及諸如新冠肺炎疫情等突發事件的影響，企業積極打造敏捷反應機制，推進精益化管理，提升組織創新能力，以期在變革中發現新的賽道甚至實現彎道超車，實現數字時代中的自身發展。為滿足企業內部發展需求和外部市場需求，企業一直大力投資數字化轉型相關技術，特別是在人工智能領域。人工智能支出已經成為

9、支持企業數字化轉型支出的主力之一。IDC數據統計，全球范圍內，企業在包括硬件、軟件和服務在內的人工智能（AI）市場的技術投資從2019年的612.4億美元增長至2021年的924.0億美元，預計將在2022年（同比）增長 26.6%至1,170.0億美元，并有望到2025年突破2,000億美元，增幅高于企業數字化轉型（DX）支出整體增幅。全球各國人工智能發展特征對于國家而言，人工智能在國家經濟建設、科技實力提升、社會生產力發展等方面表現出舉足輕重的作用。世界諸多國家，尤其是領先的大國正在競相開發和部署人工智能技術，以改善人民生活、工作、科研條件和方式，進而在未來智能世界中保持科技競爭力和優勢，

10、同時對經濟發展帶來促進作用。2022-2023 中國人工智能計算力發展評估報告041.1放眼全球：各國持續加大布局，拓展人工智能創新應用縱觀各國，人工智能發展呈現如下特征：各國持續布局人工智能發展戰略：諸如美國、英國、歐盟、日本等全球主要經濟體進一步推進人工智能戰略的制定，在國家戰略領域的引導下，持續推進技術的產業化發展：在2022財年美國研發類項目預算中，人工智能、量子計算等領域被列為優先投資項目；英國采取全行業、大投入策略，從基礎設施建設到人工智能企業進行全方位扶持建設，一批人工智能創業企業嶄露頭角，得到市場認可；歐盟、日本等嘗試結合產業優勢，成為細分領域“領頭羊”，比如，德國結合工業行業

11、積累，積極打造人工智能工業制造品牌；日本從可持續發展、災難預警治理等方面入手，希望構建具有國家特色的人工智能產業。在政府推動下，各國科技企業積極跟進，進一步提升人工智能領域投資。這些人工智能發展戰略對應用水平的提高起到了促進作用，同時也推動了各國對人工智能的投入，根據IDC數據，各個國家的人工智能投入在其本國GDP總量的占比均出現不同程度提升，從2015年-2022年，美國人工智能投入占比提高了3倍，德國提高了5倍，而中國人工智能投入占比則提高了13倍之多。全球領先超大規模企業引領了這一發展，微軟支出數十億美元投資AI創業公司OpenAI構建智能計算系統；Stability AI公司在 AWS

12、 云上部署了4,000多個節點的集群用于人工智能訓練工作負載等。加強政策支持和引導，探索監管與創新之間的平衡：各國越來越重視公共政策的出臺，以期規范和引導人工智能的良性發展：諸多國家和地區相繼出臺不同的人工智能監管法規，例如，美國國防部2022年出臺的負責任的人工智能策略報告，指出政府應主動思考并提出應對策略，解決人工智能可能帶來的數據安全、道德倫理等問題；日本政府發布的人工智能戰略2022摘要指出產業發展對數字化、人工智能等基礎設施具有迫切需求，在發展的前提下，政府也會配套關注人工智能安全策略；2022年，歐洲議會決議通過歐洲機器人技術民事法律規則，填補機器人和人工智能民事立法空白，加強對機

13、器人市場的監管和引導。各國一方面鼓勵區域性的人工智能解決方案的提出，降低在數據獲取、數據偏見、隱私和道德倫理等方面存在的潛在風險，另一方面也在思索如何在監管、創新和人工智能商業化之間取得平衡。發揮人工智能在社會與民生問題方面的價值：各國政府面臨的重要民生問題也有望通過人工智能技術制定更優的預防和管理方案。在醫藥研發領域，人工智能模型對基因組結構預測提供數萬倍計算效率提升，同時精度并未有明顯損失，有效助力新冠疫苗研發；在公共衛生事務管理領域，基于人臉識別的自動健康碼掃描、身份證識別等服務，為突發公共事件的治理和預防提供新的有效方案；在 AI支出增幅 DX支出增幅 GDP增幅 圖1 全球人工智能支

14、出、數字化轉型支出及GDP增長趨勢預測，2020-202435.0%25.0%30.0%20.0%15.0%10.0%5.0%0.0%-5.0%2020202120222023202429.0%16.9%16.9%10.6%26.6%27.9%26.3%17.6%17.0%16.2%3.0%3.0%2.9%5.7%-3.3%來源：IDC，世界銀行，2022氣象災害預測領域，越來越多組織以神經網絡為基礎進行智能化風險識別，比如，日本將“利用人工智能應對緊迫危機”作為2022年首要人工智能戰略，希望通過利用人工智能技術，實現大規模災害的精準預測，提升國家災害抗壓力；在農業領域，各國也加強人工智能賦

15、能，以美國為例，美國國家科學基金會（NFS）聯合各政府機構以及科技巨頭，共同合作新建國家人工智能研究所，以期提供可持續發展的作物生產解決方案，對抗日益凸顯的糧食危機。人工智能的快速發展，極大拉動了算力的發展。如同生物大腦是“人智”的核心，人工智能也同樣非常依賴一個高質量的“大腦”，即人工智能基礎設施，包含計算、存儲和網絡。面對數據攀升、算法和模型領域的突破，“大腦”需要盡可能快速、精準地處理大量數據或執行復雜的指令，這對人工智能計算力提出更高的需求。當前，全球人工智能算力基礎設施產業加速發展，為人工智能技術更廣泛的場景落地帶來可能。釋放算力的價值，對國家整體的經濟發展將起到推動作用。根據202

16、1-2022全球計算力指數評估報告的研究結果，計算力指數平均每提高1點，數字經濟和GDP將分別增長3.5和1.8。國家計算力指數越高，對經濟的拉動作用越強。元宇宙迎來快速發展風口期，算力基礎設施重要性凸顯2021年元宇宙（Metaverse）成為全球科技領域備受矚目的重要概念之一，它作為混合現實類先進解決方案可推進實現數實融合：一方面實現虛擬數字世界對現實物理世界的映射，另一方面也在虛擬數字世界里創造可以與現實世界交互的新體驗，進而打造共情化的卓越體驗，實現高效有序的韌性運營。在這個過程中，人工智能技術將對元宇宙的建設起到至關重要的作用，計算機視覺、機器學習、自然語言處理等人工智能技術為創造廣

17、闊復雜的虛擬空間、優化交互體驗提供底層支持，元宇宙的實現將營造一個全新的數字環境。在這個環境里，諸如3D場景構建、實時渲染、高仿真交互等場景的實現需要大規模算力支持。當下，盡管全球各大互聯網巨頭已加入元宇宙戰略布局，但元宇宙的發展仍處于萌芽階段，打造趨于終極形態的元宇宙世界需要大量數字化內容的創建和分發、資產的數字化建設以及可落地場景的探索，這對算力基礎設施將提出更高的要求，也在計算成本等維度給企業帶來更多的挑戰。目前元宇宙對云計算、邊緣計算、人工智能芯片等領域的上 政策驅動下，中國人工智能發展迎來黃金時期中國始終強調科技興國的重要性。數字經濟時代，技術的力量更為凸顯。近年來，中國政府相關部門

18、相繼發布一系列政策，更加明確了人工智能對于提升中國核心競爭力的重要支撐作用，加上新基建、數字經濟等持續利好政策的推動，中國人工智能市場保持平穩增長。IDC預測，2022年中國人工智能市場相關支出將達到130.3億美元，有望在2026年達到266.9億美元，2022至2026年年復合增長率達19.6%。加速技術行業落地、推進優化治理是中國人工智能相關政策的核心目標方向：加速技術的行業落地：中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要（簡稱“十四五”綱要）指出要推動互聯網、大數據、人工智能等同各產業的深度融合?；诖?，各省市紛紛布局打造示范應用行業和場景，推進人工智能與

19、產業融合。2022年關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見（簡稱意見）發布，意見為各地方和各主體加速人工智能行業和場景化落地提供指引，指出制造、農業、物流、金融、商務、家居等重點行業可深入挖掘，“促進智能經濟高端高效發展，以更智能的城市、更貼心的社會為導向，在城市管理、交通治理、生態環保、醫療健康、教育、養老等領域持續挖掘人工智能應用場景機會，開展智能社會場景應用示范”，并鼓勵科研機構及高等院校加大對于人工智能技術研究、開發及應用的投入力度。2022-2023 中國人工智能計算力發展評估報告051.2聚焦中國：人工智能算力需求穩增，持續夯實算力底座下游生態圈已經產生推

20、動作用，IDC預計在2022年，以運營商、基礎架構供應商、互聯網大廠為主的元宇宙基礎設施建設參與者會領銜發力，加快相關產品的研發、操作平臺的創新和內容的升級，除在游戲、媒體和娛樂等行業內的諸多場景外，培訓和遠程辦公有望成為最先落地的元宇宙商用場景。此外，元宇宙也將在教育、金融、零售、文化旅游、智慧城市等領域實現滲透，為人工智能的發展帶來更多創新空間。企業應提前布局底層算力支持平臺，為更多元宇宙場景的落地和運行提供算力支持。06推進優化治理：伴隨人工智能應用逐步廣泛落地，國家相關機構通過制定一系列規范和政策，例如要求醫療人工智能影像公司“持證上崗”，制定智能網聯汽車道路測試與示范應用，完善無人駕

21、駛領域相關監管框架和法規等，旨在一方面監管和把控人工智能發展過程中存在的潛在風險和問題，另一方面基于規范化管理促進人工智能的規?；?、可持續化發展。此外，數據安全及個人隱私也成為新一代人工智能治理的重要組成部分，基于聯邦學習、隱私計算等技術創新，法律法規約束和社會監督，旨在降低安全隱患，避免亂用濫用，促進企業重新審視自身數據及人工智能戰略，調整和優化管理流程，以符合政策法規，促進科技向善。中國智能算力規模持續擴大，推進算力、算法基建化發展勢在必行數據海量增加，算法模型愈加復雜，應用場景的深入和發展，帶來了對算力需求的快速提升。為定量評估算力規模的大小，本報告基于IDC中國加速計算服務器市場半年度

22、跟蹤報告及智能加速卡半精度（FP16）相當運算能力數據，測算了中國智能算力規模。結果顯示，中國智能算力規模正在高速增長。2021年中國智能算力規模達155.2 每秒百億億次浮點運算（EFLOPS），2022年智能算力規模將達到268.0 EFLOPS，預計到2026年智能算力規模將進入每秒十萬億億次浮點計算（ZFLOPS）級別，達到1,271.4EFLOPS。作為參考，本報告基于IDC中國服務器市場季度跟蹤報告及CPU雙精度（FP64）運算能力數據，測算了中國通用算力規模。2021年中國通用算力規模達47.7EFLOPS，預計到2026年通用算力規模將達到111.3 EFLOPS。2021-2

23、026年期間，預計中國智能算力規模年復合增長率達52.3%，同期通用算力規模年復合增長率為18.5%。隨著數字基礎設施在政務服務、經濟建設、民生保障、社會治理等方面的支持作用加大，以及伴隨人工智能算力需求的高增長，中國政府鼓勵推進數字公共服務的普惠化發展，建立健全助商惠民的數字基礎設施服務體系，推進算力基建化發展。2022年2月，國家發展改革委會同中央網信辦、工業和信息化部、國家能源局等部門，啟動實施了“東數西算”工程?！皷|數西算”工程的啟動以及智能計算中心的建設從國家層面實現有效的資源結構整合，助力產業結構調整，通過算力基礎設施從點到網的升級，構建更為健全的基礎設施結構。目前，國家在京津冀、

24、長三角、粵港澳大灣區、成渝、內蒙古、貴州、甘肅、寧夏等8地啟動建設國家算力樞紐節點，并規劃了10個國家數據中心集群，協調區域平衡化發展，推進集約化、綠色節能、安全穩定的算力基礎設施的建設。2022年發布的企業技術創新能力提升行動方案（2022-2023年）也提及將加速智能計算中心的發展，以期面向企業提供低成本算力服務，推進算力的基建化發展。IDC調研發現，中國企業對人工智能算力基礎設施平臺的關注點依次為：豐富的應用場景配置、加速性能和計算能力、規模效應下的價格成本因素、訓練的數據支持、人工智能配套政策吸引。IDC認為，就現階段而言，由于中國市場傾向于首先投資硬件，中國人工智能支出中硬件占比將保

25、持最大，未來5年將一直保持65%左右的份額。2022-2023 中國人工智能計算力發展評估報告圖2 中國智能算力規模及預測，2019-20262021202020192022202320242025202602004006008001,0001,2001,400百億億次浮點運算/秒（EFLOPS）31.775.0155.2268.0427.0640.7922.81,271.4來源：IDC，2022百億億次浮點運算/秒（EFLOPS）圖3 中國通用算力規模及預測，2019-20262021202020192022202320242025202602040608010012014030.139.6

26、47.756.567.980.395.5111.3來源：IDC，2022100%80%60%40%20%90%70%50%30%10%0%202120222023202420252026 硬件 軟件 服務 圖4 中國人工智能支出中硬件、軟件、服務占比及趨勢，2021-2026來源：IDC，2022企業在模型研發和落地過程中往往存在高投入、高風險等挑戰，算法基建化可有效幫助企業實現破局。借助智能計算中心，企業可部署訓練和推理系統，推進模型研發和創新，尤其有利于自然語言處理大模型、視覺大模型和多模態大模型等高算力消耗模型的構建。除了大模型研發和創新，對于眾多企業而言，他們還面臨如何將大模型落地行業

27、，解決現實復雜、瑣碎場景中的應用問題。IDC調研顯示，未來超過80%的組織表示會考慮購買預先訓練好的人工智能模型，而不是自己進行訓練。但是預先訓練的模型在可用性和適應性、運行模型的基礎設施，以及內部專業知識等方面還存在提升的空間，企業亟需行業的解決方案商的支持，縮小技術創新和落地應用之間的鴻溝。2022-2023 中國人工智能計算力發展評估報告0708人工智能算力及應用IDC研究發現，2021年中國仍以GPU為主實現數據中心計算加速，市場占有率近90%，GPU芯片多用于圖形圖像處理、復雜的數學計算等場景，可較好支持高度并行的工作負載，常用于數據中心的模型訓練，也可以用于邊緣側和端側的推理工作負

28、載。ASIC，FPGA，NPU等非GPU芯片市場占有率超過10%，其中，NPU較以往具有明顯增長，NPU芯片設計邏輯更為簡單，常用于邊側和端側的模型推理，并生成結果，在處理推理工作負載時，具有顯著的能耗節約優勢。算力是實現AI產業化的核心力量，它的發展將對人工智能技術的進步和行業應用起到決定性的作用。隨著人工智能向多場景化、規?；?、融合化等高應用階段方向發展，數據體量呈現出急劇增長態勢，算法模型的參數量呈指數級增加，以加速計算為核心的算力中心規模將不斷擴大。本報告將從算力基礎架構層面，對人工智能芯片、服務器、計算架構、算法及應用等方面的發展近況逐一進行分析。0123456788未知1%2%12

29、%12%8%19%7%7%12%12%12%11%3%2%3%9%2%5%16%16%14%15%3%3%2%2%9%13%10%6%7%15%12%14%11%11%5%3%8%4%17%16%15%14%ASIC 當前 ASIC 未來18個月圖5 全球人工智能服務器GPU、ASIC和FPGA芯片搭載率全球人工智能技術發展逐漸成熟，數字化基礎設施不斷建設完善，人工智能產業技術不斷提升，產業商業化應用加速落地，推動全球人工智能芯片市場高速增長，IDC預計，到2025年人工智能芯片市場規模將達726億美元。IDC全球范圍調研顯示，人工智能芯片搭載率（attach rate）將持續增高，目前每臺人

30、工智能服務器上普遍多配置2個GPU，未來18個月，GPU、ASIC和FPGA的搭載率均會上升。2.1芯片：需求日益增長，發展空間廣闊0123456788未知3%3%2%2%14%10%10%6%10%13%10%13%15%10%6%3%10%7%16%13%14%11%FPGA 當前 FPGA 未來18個月0123456788未知來源：IDC，2022 GPU 當前 GPU 未來18個月072022-2023 中國人工智能計算力發展評估報告09人工智能算力規模的快速增長將刺激更大的人工智能芯片需求。隨著疫情、供應鏈及政治環境的影響，芯片領域的供需關系產生了很大變化，很多企業開始從“國際采購”

31、轉向“本地采購”，這對國產芯片廠商來說迎來了較好的發展機會，但整體來說，目前中國大部分基礎芯片主要依靠國外廠商的供應，國產芯片廠商在全球產業鏈中不具有明顯優勢。本報告認為，中國芯片產業主要面臨兩方面的挑戰：技術與國際先進水平相比相對落后，產業生態建設同樣不夠完善。中國將持續優化芯片產業發展環境，不斷促進設計、封裝等環節發展，對流片制造環節實現攻堅，加大對高通用性、高性能、高效率芯片的研發力度，以更好地支持如圖像渲染、機器學習等重要人工智能應用場景。此外，中國還需構建健全完整的產業鏈，打通行業應用、芯片研發、系統開發、高校研究之間的壁壘，形成跨企業、跨領域、跨行業的合作，推進芯片行業全維度發展。

32、在中國當前人工智能發展局勢下，人工智能芯片產業發展體現出以下趨勢：人工智能芯片發展驅動力增強，未來發展前景廣闊：芯片產業不僅是信息產業的核心部分，同時也是國家信息安全的硬件保障，近年來中國高度重視芯片產業發展。隨著政策支持以及資本推動等多重驅動，人工智能芯片不僅專利數量不斷增加，產業鏈和應用場景持續完善擴充，人工智能芯片產業發展前景廣闊。不同類型人工智能芯片發展進度參差不齊：在面向人工智能領域的芯片中，用于終端產品的應用層芯片發展較快，而用于云計算等領域的通用基礎層芯片發展則較為滯后，有較大發展潛力。在近幾年的熱門領域如智慧城市建設、無人駕駛載具、智慧醫療系統構建、智能家居等應用中，ASIC、

33、GPU、FPGA、NPU四大類芯片，受到了絕大多數中國人工智能產業鏈企業的青睞。人工智能芯片低能耗為大勢所趨：低功耗人工智能芯片是時代之需，這對實現數據中心的總功耗降低具有重要價值，此外，低功耗人工智能芯片也是實現邊緣智能的重要環節，能滿足更多復雜、極端的邊緣側應用場景需求。但研發出能夠滿足性能需求，兼顧制造可行性、成本可控性、性能可靠性等要求的低功耗芯片仍頗具挑戰。產業分工成雛形，逐步完善生態建設：企業面對多元化的算力和海量的數據，期待技術創新可以為企業帶來活力。但由于芯片架構繁雜，開發工具匱乏，系統軟件、應用開發平臺配套少，應用難以遷移，資源不能復用和共享等問題使得生態復雜離散。面對這樣的

34、現狀，芯片技術廠商（含設計、制造、應用等流程）應聯合上下游廠商，建立技術生態系鏈條，加速人工智能場景的落地。GPU NPU ASIC FPGA圖6 中國人工智能芯片市場規模占比人工智能服務器仍是人工智能市場增長的主力軍。IDC數據顯示，2021年全球人工智能服務器市場的同比增速超過全球整體人工智能市場的增速，是整體人工智能市場增長的推動力。IDC發布的全球人工智能市場半年度追蹤報告顯示，2021年全球人工智能服務器市場規模達156.3億美元，約合人民幣1,045億元，這是全球年度人工智能服務器市場首次突破千億元人民幣，同比2020年增速達39.1%。其中，浪潮信息、戴爾、HPE分別以20.9%

35、、13.0%、9.2%的市占率位列前三，三家廠商總市場份額占比達43.1%。未來五年，人工智能服務器市場將繼續高速增長，預計2026年全球人工智能服務器市場規模將達到347.1億美元，五年復合增長率為17.3%。在中國，人工智能應用的加速落地很大程度推動了中國人工智能服務器的高增長。根據IDC數據，2021年中國人工智能服務器市場規模達到59.2億美元，與2020年相比增長68.2%，其中，浪潮信息、新華三、寧暢、安擎、華為等諸多中國廠商正加速推動人工智能基礎設施產品的優化更新，探索賦能技術升級，為人工智能技術的用戶帶來價值。IDC調研顯示，超過80%的中國企業將在未來一年持續增加人工智能服務

36、器的投資規模，中國人工智能服務器市場將在未來五年保持穩定增長，預計到2026年，中國人工智能服務器市場規模將達到123.4億美元。2.2服務器：中國市場領跑全球，綠色節能引領未來1.0%0.4%2022-2023 中國人工智能計算力發展評估報告109.6%89.0%來源：IDC，2022深度學習是典型的多迭代計算類工作負載，龐大的計算力是催生業務價值的必要條件。在通用算力技術演進節奏放緩的大背景下，針對特定問題或特定領域來定義計算架構成為市場的普遍訴求，基于DSA（Domain-Specific Architectures）思想設計的人工智能芯片，在特定人工智能工作負載上表現出遠超通用芯片的處

37、理能力，大大推動了人工智能芯片的多元化發展，并為產業AI化的加速提供了重要的產業基礎和更加豐富的選擇。然而，多元算力從“能用”到“好用”并且為企業創造業務價值，還有比較長的路要走，尤其是以百花齊放的AI算力芯片為核心，打造出一個通用性強、綠色高效、安全可靠的計算系統，對于推動人工智能技術普及應用至關重要。一般來講，從芯片到計算系統，需要完成體系結構、信號完整性、散熱、可靠性等大量系統性設計工作，涉及到材料、熱力學、電池技術、流體力學、化學等眾多學科。由于人工智能基礎架構往往是高密度集成的大算力系統，系統功耗、總線速率、電流密度等指標隨業務需求持續攀升，給人工智能計算系統設計帶來嚴峻挑戰。業內從

38、多個層面推動多元算力系統架構創新，充分發揮出多元化算力的體系創新優勢，讓算力好用、易用。在系統層面，由于人工智能芯片發展呈現多元化趨勢，各廠商采用不同技術路線，產業面臨硬件體系孤島和生態割裂問題。加速人工智能技術產業發展，系統級產品創新是關鍵在基礎硬件、基礎軟件、核心應用、上層生態間建立起統一的技術路線及標準API接口，將加速器模塊標準化，簡化人工智能基礎架構設計，縮短硬件開發和產業賦能周期。浪潮信息開放加速人工智能服務器NF5498，支持UBB v1.0 OAM基板，OAM兼容性高、擴展性好，支持多品牌異構加速芯片，已經在眾多客戶場景里面實現了落地，有效支撐國內外多元算力芯片發展。在異構協議

39、層面，為了提高CPU與多元算力芯片間的數據傳輸效率，業內在互聯技術方面展開了新的探索，近年涌現了一系列新興的互連協議標準，包括QPI/UPI、CXL、GenZ、CCIX等，其中浪潮信息研發了支持CXL高速總線的智能加速器F26A，與傳統的PCIe、DMA方式相比，CPU與加速器之間的平均數據訪問延遲降低80%，同時可擴展2倍的內存容量。從部署位置而言：產業側對于低時延人工智能服務應用需求遞增。相較于科研、重型產業能夠通過大模型、高密度人工智能計算滿足需求的場景，便捷、低時延的人工智能應用場景愈發普遍。越來越多的數據將在邊緣位置進行收集、分析等操作，并可被移動到數據中心以進行進一步價值挖掘。越來

40、越多的企業將構建跨本地數據中心、云、邊緣的全鏈路人工智能基礎設施，形成一個包括數據收集、分析、匯總和存儲等所有環節的人工智能戰略。綠色節能化發展：人工智能服務器將朝著綠色節能的方向發展，實現低功耗、高效率的計算?！皷|數西算”工程在全國啟動，通過建設國家算力樞紐，規劃設立10個國家數據中心集群，朝著全國一體化大數據中心體系邁進了一步。此外，國家對節能減排也提出了更高的要求，在發布的貫徹落實碳達峰碳中和目標要求推動數據中心和5G等新型基礎設施綠色高質量發展實施方案中提到，到2025年，國家樞紐節點的PUE要進一步降到1.25以下，對建設綠色、低碳的數據中心提出了新的要求。企業開始將重點轉移到液冷技

41、術的探索和應用，液冷技術不但有更高的散熱效率，還能節約大量電能，目前已經有大量成功案例。不論是從政策角度，還是市場需求角度，抑或技術成熟角度，液冷都將成為數據中心的發展方向。2.3計算架構：以系統創新為基礎，支持多元算力發展從工作負載角度而言：IDC認為企業將更多地使用人工智能服務器處理推理工作負載。伴隨企業人工智能應用成熟度逐步遞增，企業將把精力更多從人工智能訓練轉移到人工智能推理工作負載上，這意味著人工智能模型將逐步進入廣泛投產模式，這將對企業的人工智能基礎設施規劃帶來影響，企業需要更好地制定運營支出規劃，提升服務器利用率。據IDC數據，2021年中國數據中心用于推理的服務器的市場份額占比

42、已經過半，達到57.6%，預計到2026年，用于推理的工作負載將達到62.2%。圖7 中國人工智能服務器工作負載預測，2020-2026 訓練 推理0%10%20%30%40%50%60%70%80%90%100%202020212022202320242025202648.542.441.540.539.338.237.851.557.658.559.560.761.862.2來源：IDC，2022112022-2023 中國人工智能計算力發展評估報告2.4云服務：市場規模穩步提升，算力設施提供強力支撐云計算的出現為企業提供更豐富的算力支持。通過aaS（as a Service）服務提供AI

43、平臺和AI服務，因其快速的產品迭代能力和豐富的場景化人工智能能力，越來越被用戶接受。2021年全年，人工智能公有云服務市場規模達到44.1億元人民幣，占整體人工智能軟件市場的13.4%。從年增長率來看，人工智能公有云服務市場的增長速度仍然遠遠超過人工智能軟件整體市場的增長速度。而在未來2-3年內，IDC還觀察到私有化部署仍將是整個人工智能市場的主流。IDC調研顯示，排名前三的人工智能云服務是:搜索、人臉識別和推薦引擎，預計未來18個月，排名前三的人工智能云服務將為：自然語言處理、圖像識別和視頻識別。近幾年，人臉與人體識別已經達到一定的市場規模，相比2020年，2021年人臉人體公有云服務市場規

44、模實現80.1%的增長，應用場景的擴展，市場產品形態不斷豐富，以及疫情防控等因素是重要驅動力。在圖像視頻領域，視頻結構化、多模態人工智能等技術的創新促進了該領域市場增長。公有云廠商一方面通過視覺開放平臺輸出圖像視頻領域的人工智能能力，另一方面則專注于開發基于場景的解決方案。在自然語言處理方面，2021年NLP市場較2020年實現了126.9%的增長，在技術方面，得益于大型模型的推廣；在市場方面，與應用場景的發展（如機器翻譯、文檔處理、智能寫作等）息息相關。同時，智能語音公有云服務市場已經實現了高增長，2021年市場規模較2020年增長52.3%，目前已進入應用場景深化階段。智能客服、客服質量控

45、制、客服數據分析、智能營銷等應用推動了對話式人工智能的市場增長，2021年較2020年增長109.6%。大模型是在智算算力驅動下最為典型的重大創新。得益于模型泛化能力強、長尾數據的低依賴性以及下游模型使用效率的提升，大模型被認為具備了“通用智能”的雛形，并成為業內探索實現普惠人工智能的重要途徑之一。大模型的技術基礎是 transformer 架構、遷移學習和自監督學習，transformer架構應用于NLP領域并取得了突破性進展，其在視覺任務上也同樣證明了有效性。從算力的視角看，語言類、視覺類模型容量和相應的算力需求都在快速擴大，大模型發展的背后是龐大的算力支撐。如果用“算力當量”（PetaF

46、lops/s-day，PD），即每秒千萬億次的計算機完整運行一天消耗的算力總量，來對人工智能任務所需算力總量進行度量，AI+Science領域的AlphaFold2、自動駕駛系統、GPT-3等模型訓練需要幾百甚至幾千PD的算力支持，如GPT-3訓練需要3,640PD的算力。2022年，大模型正在成為AIGC領域發展的算法引擎。在大模型的能力加持下，包括以文生圖以及虛擬數字人等AIGC類應用將快速進入到商業化階段，并為元宇宙內容生產帶來巨大的變革。大模型正在讓人工智能技術從五年前的“能聽會看”，走到今天的“能思考、會創作”，未來有望實現“會推理、能決策”的重大進步。大模型的發展同樣給算力帶來巨大

47、的挑戰。大模型訓練的計算和存儲資源開銷之大，對加速計算系統和人工智能軟件棧都有很高的要求，訓練千億、萬億模型動輒需要上千塊加速卡，對大模型的推廣和普惠帶來了很大的挑戰。同時，受限于邊際遞減效應，模型復雜度與精度的進一步提升將會需要更大比例的計算資源開銷，對計算效率問題的顧慮會限制大模型參數規模的持續擴張。盡管目前的大模型參數數量還沒有達到人腦神經系統的突觸規模，但市場對于大模型的認知趨于理性。業內逐漸認識到，大模型的發展更要注重綠色低碳、服務能力下沉以及商業模式的實踐，為大模型在各行各業的規模落地鋪平道路。在學術界，除了對預訓練大模型進行性能優化，有大量研究集中在提升大模型的落地能力上，包括降

48、低模型在預訓練、適配下游任務和推理過程中的算力開銷，通過模型壓縮、剪枝、蒸餾等方法加快模型部署效率。2.5算法模型：加速大模型行業落地，助力實體經濟發展2022-2023 中國人工智能計算力發展評估報告12在跨節點層面，節點之間的網絡通信所產生的RPC、協議處理、內存拷貝、壓縮會占用30%左右的CPU資源，成為數據中心級的“通信稅”。業內嘗試通過智能網卡卸載計算密集型業務，將NVMe-oF、無損網絡能力等功能轉移到智能網卡上由專有硬件負責處理，能夠提升通信性能并降低CPU占用率。通過智能數據處理單元和高速網絡形成分布式互連交換，可實現CPU與各種加速芯片的算力協同以及內存池化、新型存儲池化，節

49、點間的數據訪問延遲可低至亞微秒級別。技術創新的價值是提升效率，產業AI化的目標就是通過人工智能技術的應用來提升垂直行業研發、生產、運營等環節的效率，并產生更大范圍的經濟價值和社會價值。不過，人工智能目前還是新興技術，技術供應商在實施產業AI化時仍面臨諸多挑戰，包括市場對人工智能技術的理解程度、供應商技術和商業能力是否成熟、如何在精細化落地的基礎上實現快捷高效的部署，都會影響人工智能技術在產業內的實際落地效果。通常來講，推動某一類新興技術應用走向成熟的基本路徑和邏輯，是在產業發展初期，通過協同平臺對多元市場主體的標準化是技術規?；瘧玫谋匾疤?，但對于目前的人工智能技術及基礎架構來說，定制化的工

50、作量依然很大，主要集中在包括多元人工智能芯片適配、人工智能算力資源管理和調度、數據整合及加速、深度學習開發環境部署等各個方面。以人工智能芯片為例，市場上存在各種類型人工智能芯片，互聯標準各不相同，用戶在使用這些人工智能芯片系統時會遇到系統適配、芯片驅動、互聯互通、功耗管理、安全傳輸、易用性等各類問題，給用戶在部署多元人工智能芯片算力系統時帶來巨大挑戰。這些非標準的工作無法快速復用，限制了人工智能算力的使用效率，不利于人工智能在各行各業的推廣和應用。圍繞人工智能算力產品市場呈現出的這些突出問題，AI算力和算法的基建化和標準化，是新時期人工智能產業發展和企業戰略布局重點。近年來，包括公有云廠商和服

51、務器廠商，都在推出具有標準服務能力的人工智能異構計算平臺和算2.6生態：推進產業化布局，發揮平臺價值在工業界，互聯網企業推動自研大模型在電子商務、社交網絡、搜索引擎、廣告推薦等重點業務場景落地，并將內部大模型部署的成功經驗固化為預訓練平臺，以標準化服務的形式將預訓練模型的能力下沉到各行各業，通過集中式的數據和算力開發模式提供平臺粘性，以期實現人工智能普惠化目標。加速硬件供應商提供分布式加速計算集群解決方案，通過并行算法與計算資源的合理匹配，提升加速計算集群整體利用率和大模型的訓練效率，并優化推理加速庫，以最少的計算資源達到最好的推理服務速度。同時，業內對大模型的使用和選擇也更加靈活多樣，尤其在

52、產業實際落地階段，不再追求模型參數和算力的堆砌。業內通過知識蒸餾、模型裁剪、模型壓縮等技術，基于通用大模型生成具備該行業或場景所需特定技能的專業模型，在保留通用大模型的知識、認知推理能力及泛化能力基礎上，實現了針對該領域的技能專業化、模型輕載化和調用標準化。例如浪潮信息發布的四個技能模型知識增強的對話模型、知識檢索問答模型、中英文翻譯模型、古文理解模型，在繼承“源1.0”大模型通用的知識與能力基礎上，面向特定領域的場景進行針對性的技能優化，模型精度和訓練效率均處于業界領先：在十分之一參數量的情況下，即可在相同任務上復現98%的通用大模型效果，推理速度最高提升9倍。百度文心大模型覆蓋各類AI應用

53、場景和垂直行業，不僅包括NLP、CV和跨模態大模型，還包括生物計算和行業知識增強大模型，為醫藥、電力、金融和航天等各行各業智能化轉型提供支持。產業AI化鐵路、電力、交通、金融、石油石化、社區管理、智慧城市數據集開發組件模型算法方案整合商品圖片場景圖片語言文字監控視頻工業圖像醫療圖像數據標注工具訓練框架數據處理組件機器學習組件數據庫工具autoML工具智能語音聲紋識別智能對話平臺客服機器人機器視覺認證對比高效實施整體化交付私有化部署計算平臺資源平臺算法平臺圖8 人工智能產業生態協同平臺架構來源：IDC，202213技術、產品、方案和服務等創新要素進行有機融合，并基于創新要素間的自由流動和非線性相

54、互作用，激發出市場主體的創新動能，最終達到最優生產效率并產出符合目標需求的規?；瘧卯a品。對于人工智能產業，快速將創新要素轉化為物質或知識資本，并形成規模效應和范圍效應，關鍵在于協同創新平臺的搭建。近年來，包括政府、企業、科研機構都在嘗試構建人工智能協同創新平臺，聚焦當前階段產業AI化的落地應用需求，平臺的存在可以更快實現人工智能生態伙伴的業務聚合、資源聚合和戰略聚合，平臺內的各方主體以人工智能算力輸出、服務能力優化及人才培養等層面的要素供給，達成產業鏈上下游的通力合作形態，以生態聚合成就行業用戶。2022-2023 中國人工智能計算力發展評估報告報告中國在2021年提交了全球一半以上的人工智

55、能專利申請，2021年全球約三分之一的人工智能期刊論文和人工智能引用是由中國研究人員所貢獻的。對于企業而言，人工智能算力可為企業帶來切實的創新成效：根據IDC針對企業應用人工智能現狀調研發現，企業利用人工智能應用獲得了顯著收益，尤其是在研發速度和流程的創新，產品和服務的創新，以及決策制定的創新等維度：研發速度和流程：根據 IDC 針對企業應用人工智能及算力現狀調研發現，目前借助人工智能資源利用率平均提升12%，員工生產和研發效率增加8%。產品和服務：人工智能為企業開發更多定制化和精細化產品與服務方面帶來顯著支撐，未來三年，有望在提高資產利用率，降低人力需求等方面更顯著獲益。決策制定：人工智能為

56、企業帶來更豐富、及時的信息，為企業決策者提供敏銳洞察，可顯著提升決策的速度和質量，輔助企業處理復雜的不確定性，占領市場先機，創造價值。根據IDC調研，盡管在過去一年，人工智能未在降低成本方面帶來顯著成效，但可以預計，伴隨人工智能能力普惠化、規?；涞?，未來企業有望實現降本增效創收的目標。2.7應用：場景化落地縱深發展，加速智算力向創新力轉化中國人工智能算力為人工智能的持續創新發展提供支撐。對于宏觀層面而言，人工智能算力為國家創造力的發展帶來實質性推進：創新環境：如“十四五規劃”所講，人工智能已然成為“事關國家安全和發展全局的基礎核心領域”，所以中國將持續瞄準前沿領域的發展，補足自身在人工智能基

57、礎理論研究和算法研究、芯片研發、原創性模型和框架的研發和迭代等方面存在的短板和劣勢，加速人工智能單點技術的研究和創新，以政策支持、行業落地和企業推進為支撐點，加速相關產業的發展和人才培養。創新科研：作為創新的源動力，科學研究是人類發展和社會變革最主要的推動力量。隨著人工智能技術的快速發展，人工智能不僅在應用科學的突破上發揮了重要作用，也開始滲透到基礎科學領域，極大提高了科學研究的效率并加速科學發展的進程，包括生命科學、數學、化學等多個領域。這其中，人工智能算力的重要性不言而喻。與行業應用不同的是，人工智能在科研領域所需要的數據精準度更高、模型更復雜，對于算力需求也更大。因此，人工智能算力、算法

58、、數據和平臺的結合能夠為科研創新發揮更大的作用。創新產業：據工業和信息化部數據顯示，目前，中國人工智能核心產業規模超過4,000億元，企業數量超過3,000家，領軍龍頭企業覆蓋無人機、語音識別、圖像識別、智能機器人、智能汽車、可穿戴設備、虛擬現實等諸多領域，已經在智能芯片、開源框架等關鍵核心技術取得重要突破。根據美國斯坦福大學2021年人工智能（AI）指數創新給企業帶來了深遠的影響，不管是超大規模企業還是中小企業，都在尋找適合自己的人工智能應用方式，并從中受2022-2023 中國人工智能計算力發展評估報告14力、算法一體化的新型基礎設施，一方面布局建設智算中心，統籌算力的生產、聚合、調度和釋

59、放，為傳統行業數字化轉型、區域產業升級和基礎科學研究等需求提供算力服務、數據服務和算法服務；另一方面從定制化DSA芯片、人工智能計算系統、高速互聯網絡、大吞吐低時延并行文件系統、人工智能增強容器調度等層面，輸出多年技術沉淀和實踐經驗，為多樣化人工智能場景提供軟硬一體解決方案。圖9 人工智能目前及未來三年對企業產生的價值降低成本提升決策速度產生更多定制化、精細化產品與服務增加收入提高員工生產、研發效率提高資產利用率降低人力需求22.611.630.223.18.77.218.113.58.62.90.32.2-1.819.65.517.34.96.3縮短流程所需時間提升洞察力 目前 未來三年來源

60、：IDC，2022目前來看，視頻分析、AR與VR以及知識圖譜等需要基于強大的算力來滿足諸如渲染、實時視頻流分析、復雜計算等場景的需求，是目前企業主要的三個高算力消耗單點技術。從技術的行業應用而言，創新應用場景逐步增多。過去一年，中國人工智能應用保持快速發展的勢頭，行業應用場景相較去年也更加深入和細化。除了相對成熟的應用場景之外，物流、制造、能源、公共事業和農業等在人工智能的應用方面得到快速發展，創新應用場景逐步增多。物流業具有巨大的體量和較單一的運作模式，正在積極發展智慧物流。近年來，隨著“造車熱”的興起，無人駕駛技術有了較大提升，目前技術可應用于短途或封閉環境下的物品配送。未來，隨著無人駕駛

61、技術的成熟和物聯網帶來的數據積累量的增加，人工智能將實現更廣泛的應用，包括以移動機器人作為承載平臺的無人倉儲物流和實現產品生命周期全過程的高效協同的智慧供應鏈。制造業在過去幾年對人工智能的投入增長相對緩慢，主要原因在于很多制造企業對投資回報率的把控嚴格，即使大部分制造企業認可人工智能所能帶來的長期收益，但往往又妥協于企業的短期投資回報率。未來人工智能得以更多地滲透在制造企業的生產和設計流程中，制造企業中的人工智能的應用場景也會更加豐富，更加成熟，包括產品分揀、QC自動化、設備維護自動化、物流和供應鏈管理自動化等，IDC認為這些用例會促進越來越多的制造企業采用人工智能，制造業未來具有較大的人工智

62、能發展潛力，更多的制造企業將利用人工智能提高自動化水平以及核心競爭力。能源和公共事業主要應用場景包括質檢/巡檢、流程運營自動化、預測性維護、供應鏈管理等，行業改革加速了智能化改造。以電力為例，在發電環節，與人工智能密切相關的智慧電廠的建設正在加速，對內通過智能化手段提升運營管理、內控效率，優化改造全生命周期；對外借助人工智能技術，對整個電力系統進行預測，匹配發電量，并對碳排放情況做估量，提升碳資產的管理效率。在電網層面的輸電環節，虛擬機器人和無人機開始被廣泛使用，針對所采集數據進行智能化診斷，利用人工智能應用不斷提高故障診斷的準確性和反應速度。農業在過去幾年對人工智能的投入增長較快，主要原因在

63、于勞動力成本逐漸提高，農業種植逐漸規?；?、集中化，且農業本身復雜度和危險系數較低，對于人工智能的要求并不高，目前人工智能已能勝任農業生產領域的大部分工作。未來，隨著農業集中化的進一步發展和物聯網積累數據量的增加，人工智能在農業中的應用將更加普及、場景也將更加豐富，包括農場種植采摘的無人化作業、養殖種植的氣象土壤數據收集、作物的健康狀況管理等，IDC認為這些用例會促進農業企業采用人工智能，因此，農業在未來具有較大的人工智能發展潛力。1567%33%67%32%56%40%圖10 企業已部署及未來三年計劃部署的人工智能單點技術，2022圖像技術（圖像識別、圖像搜索、圖像審核、文字識別）生物識別（人

64、臉識別、聲紋識別、步態識別、虹膜識別）語音技術（語音識別、語音合成、語音喚醒）34%60%自然語言處理（文本分析、機器翻譯、情感分析、問答處理、對話交互）21%62%12%65%62%8%目前已經部署 未來三年計劃部署視頻分析（視頻內容分析、視頻對比檢索、視頻內容審核、視頻智能生產）AR與VR（AR技術平臺、AR內容平臺、全景圖譜SDK、VR視頻SDK）知識圖譜（知識圖譜、知識理解）來源：IDC，20222022-2023 中國人工智能計算力發展評估報告益。這也是全球企業在人工智能支出上持續快速增長的原因。IDC預測，2022年，全球企業將在人工智能解決方案上投資1,180億美元。2021至2

65、026年間，預計該支出將以26.5%的復合年增長率增長至3,010億美元，這是同期全球IT總支出五年復合年增長率6.3%的四倍多。從人工智能單點技術應用來看，根據 2022 年 IDC 針對企業對于人工智能技術的應用現狀調研的結果來看，計算機視覺目前仍為最主要的應用技術類型，圖像識別、生物識別、語音技術是目前較為廣泛采用的技術，未來三年，AR與VR、視頻分析、知識圖譜和自然語言處理將成為主要發力點。圖11 單點技術場景對服務器資源的占用情況視頻分析AR與VR知識圖譜圖像技術語音技術生物識別自然語言處理來源：IDC，2022智能化場景在行業的落地呈現出更加深入、更加廣泛的趨勢：人工智能持續為提升

66、用戶體驗做出貢獻，諸如智能客服、智能推薦、精準營銷等場景深入落地到各行各業；企業有意在數字人、虛擬NFT等數字化營銷內容創作領域布局，以創造差異化的營銷體驗，升級品牌形象；此外，人工智能也在實現精準科學防疫，加強公共衛生安全體系建設中承擔重要角色，在防疫信息匯總、病毒演變預測、疫苗藥物研發、輔助診斷等維度實現廣泛應用；人工智能正在加深對實體經濟的支持，產生一批成熟應用的場景，包括但不限于人員設備管理、行為預測、供需銷售預測等。另外，科學家們越來越多地利用人工智能技術和方法，從數據中建立模型，重點圍繞新藥創制、基因研究、新材料研發、深空深海等領域加速對前沿科學問題的探究。例如，在材料領域，科學家

67、基于人工智能網絡模型和大規模分子數據集，提升分子動力學模擬的極限，以快速、準確的方式預測新材料的特征，諸如預測高熵合金聲子熱導率隨溫度的變化關系、探究金屬鋰的自修復機理等；在數學領域，以往諸多定理的出現往往依靠求解者的直覺，而人工智能在數學中的應用可以加深數學研究者對于數學問題與現實應用中的關系，為提出新的數學定理并進行驗證提供支持，以矩陣乘法為例，DeepMind利用強化學習的智能體AlphaTensor發現了超過2階的高效的矩陣乘法，且比已知算法更快，推動新矩陣乘法算法的自動發現；在生物醫藥領域，科學家可利用人工智能高效預測蛋白質分子結構，提升預測速度和精度，對基礎研究、生物制藥和疾病診療

68、具有重要意義，以某AI醫藥研發初創企業為例，它建立圖12 中國人工智能應用場景發展，2022市場潛力不同階段示例時間20252030互動娛樂智能客服自然語言處理語音識別人臉識別公共安全與應急處理智慧園區樓宇客戶行為分析精準營銷反欺詐智能投顧輔助診斷與篩查智能理賠風險評估智能保顧電力巡檢智能路燈智能停車管理智能交管車輛識別智能路網成熟度曲線語言能力管理自適應學習智能勘測與開發智慧工地蛋白質結構預測天文發現高分子材料研發氣象預報碳資產管理智慧基站節能農作物監測智慧電網智能調度智慧環境監測智慧營業廳智能網絡智能工廠智能質檢實時監控與操控智能供應鏈藥物研發醫療知識庫智能導診智能診斷用藥提醒視覺感知高級

69、輔助駕駛點云處理仿真測試車路協同三維重建智能工業3D設計智能選題和寫作數字人智能配音智能視頻/圖像創作自動駕駛AIGC智慧醫療智能制造生物識別智慧科研智能教育智慧電信智慧金融智慧交通智慧能源來源：IDC，20222022-2023 中國人工智能計算力發展評估報告16了藥物發現平臺，包括靶點發現和多組學數據分析、AI分子生成、設計和臨床試驗結果預測等功能，通過在并行計算機集群上開展AI輔助藥物發現，僅用18個月和260萬美元的投入便研發出特發性肺纖維化疾病治療新靶點，而傳統靶點藥物研發一般需要4年以上時間。未來五年，隨著人機交互、機器學習、計算機視覺、語音識別技術達到更為成熟階段，人工智能應用將

70、呈現出如下發展趨勢：從單點技術應用邁向多種人工智能能力融合、從事后分析邁向事前預判和主動執行、從計算智能和感知智能邁向認知智能和決策智能，以知識為主要生產工具的創作型工作（如文字、視頻、圖像和音頻創作，軟件開發，IP孵化等）將實現更大程度的智能化；行業企業也將持續創新，拓展數字孿生與人工智能技術的融合應用，推進在能源電力、制造、建筑等行業發展，構建虛擬工廠、數字孿生電網、數字孿生城市，加強數字與現實世界的連接，優化流程，實現全域管理，決策智能。伴隨技術進步對于人工智能在企業市場中的應用與落地帶來促進作用，用于支撐應用的智算力已成為未來創新的核心保障。算力是數字經濟時代的核心生產力，以人工智能為

71、首的新興技術應用在數字經濟發展中起到了重要的作用，用于支撐人工智能應用的智算力決定了創新力的實現。不管是新型場景還是成熟場景，對算力都提出了極大的挑戰，率先布局智算力的企業將在未來競爭中獲得優勢。2022-2023 中國人工智能計算力發展評估報告中國人工智能計算力發展評估17 互聯網：人工智能技術研發和應用的排頭兵雖然在經歷過去幾年快速發展后，互聯網在人工智能投入的增速有所放緩，但在中國，互聯網行業依然是人工智能應用滲透度和投資最高的行業?；ヂ摼W企業普遍重視人工智能技術的研究和價值，并加速商業化落地。泛娛樂被公認為是互聯網發展的重點領域，以IP價值挖掘為核心，電影、電視、動漫、游戲、音樂、網文

72、等多領域逐漸打通，不僅行業的運作模式逐漸趨于成熟，對數字技術的接受和應用程度也處于領先地位?；ヂ摼W企業在人工智能領域較早布局，隨著互聯網的深入發展和業務的多元化，在自然語言處理、知識圖譜、用戶理解、計算機視覺、語音語義、深度學習等技術領域都有較大的投資和積累，除了將人工智能應用到自身的產品服務和運營職能等方面，還將人工智能通過云服務平臺對外提供人工智能服務。16總體來看，人工智能在各個行業的應用程度都呈現不斷加深的趨勢，應用場景也越來越廣泛，人工智能已經成為了企業尋求業務增長點、提升用戶體驗、保持核心競爭力的重要途徑。人工智能行業應用滲透度排名TOP5的行業依次為互聯網、金融、政府、電信和制造

73、。其中金融和電信行業人工智能應用增長速度較為明顯，對人工智能基礎架構的投入增長也較為突出。2022年中國人工智能行業應用滲透度分布如下圖所示：3.1行業排名在企業自身應用層面，互聯網企業將人工智能應用在身份驗證、自動化客服、營銷互動、精準營銷、輿情管理、內容審核等多個應用場景。例如，阿里巴巴已將各種人工智能技術廣泛應用于諸多業務模塊，以優化消費者體驗，提升商業運營效率，包括基于深度學習和數據分析的個性化搜索結果和購物推薦、在搜索功能中采用語音識別和圖像/視頻分析技術以及智能客服，此外還將人工智能能力應用到人工智能音箱天貓精靈產品中。人工智能作為百度的戰略核心之一，已被運行于百度的服務和應用中，

74、包括語音助理平臺DuerOS、自動駕駛平臺Apollo、百度云人工智能解決方案和云服務、百度搜索和百度Feed等；通過百度人工智能開發平臺，百度向第三方開發者開放了百度人工智能功能并提供了百度云上的工具包。除了超大規?；ヂ摼W企業之外，其他互聯網企業也不斷加速人工智能應用，例如視頻類互聯網公司將人工智能技術廣泛應用于大數據推薦等場景，并加速機器學習平臺的構建，基于基礎架構和算法投入，以及人員成本的綜合考量，在諸多場景通過機器學習平臺，可極大提升效率并節約成本。金融：持續優化用戶服務和風險把控能力人工智能在金融行業的應用增長迅速，位于第二位。人工智能和金融行業的緊密結合，為客戶帶來更好的體驗感，為

75、客戶提供更大程度的便利。智能客服、實體機器人、智慧網點、云上網點等是目前人工智能在金融行業的應用典型。此外，欺詐一直是長期困擾金融業的問題。人工智能的出現讓信用卡公司可以在欺詐檢測工作流程中實現預測性分析，人工智能可以驅動一系列分析工具，通過學習和監控用戶的行為模式來收集和分析數據，以此判斷是否存在欺詐風險，并顯著減少誤報情況。在貸款信用評級方面，目前許多金融科技公司和金融機構已經開始向客戶在線發放貸款。雖然這種方法為客戶提供了便利，但在批準任何交易之前，檢查客戶的財務背景及風險狀況至關重要。人工智能可以在優化在線貸款方面發揮關鍵作用。金融科技公司可以利用人工智能，根據機器學習算法提供的預設的

76、數據分析和相關模式來檢查客戶的金融背景，根據客戶的風險狀況準確地分析客戶。人工智能可以幫助實現在線貸款審批流程的自動化，還可以幫助金融科技公司批準預先確定的貸款金額。除此之外，金融科技應用程序的研發人員可以在人工智能和機器學習技術的基礎上，加入更多的功能，如EMI計算器和貸款資格的自我評估。通過簡化流程和提高服務質量，人工智能和金融科技的融合將給企業帶來新增長。8283556250524551404538403538313530332527互聯網金融政府電信制造服務交通醫療能源教育圖13 中國人工智能行業滲透度，2022 vs 2021 2021 2022 來源：IDC，20222022-20

77、23 中國人工智能計算力發展評估報告18最佳實踐招商銀行：推進云原生時代的智能化發展1987年，招商銀行成立于中國改革開放的最前沿深圳蛇口，是中國境內第一家完全由企業法人持股的股份制商業銀行，也是國家從體制外推動改革的第一家試點銀行，現已發展成為滬港兩地上市，擁有商業銀行、金融租賃、基金管理、人壽保險、境外投行等金融牌照的銀行集團。招商銀行一直走在數字化轉型的前沿，高度重視數字化轉型工作，并不斷對外輸出，為社會賦能。為積極應對行業發展過程中面臨的挑戰，招商銀行加快推進金融科技轉型，推出了體系化的線上服務，一舉覆蓋客戶多種經常性業務需求；重視發揮大數據和人工智能等新興ICT技術的價值，以科技敏捷

78、帶動業務敏捷，深度融合科技與業務，快速迭代、持續交付產品和服務，優化客戶體驗。目前人工智能已經在諸如智能客服、智能風控等維度發揮重要作用。浪潮AI服務器作為底層基礎設施，為提升AI算法復雜度和精度提供有力支持，建立高性能可擴展的事中實時風控架構，為智能化場景的落地奠定良好的基礎。招商銀行在加速自身數智化轉型的過程中非常重視利用云原生的技術優勢。目前，招商銀行的數據中心基本已經實現云化改造。云化的過程中，人工智能技術的應用對架構提出諸多新的挑戰。傳統業務下，一般應用在拆分為數個微服務后，服務間的調度、通訊時，參數和通訊量并不大。而在智能時代，數據呈現出海量增長態勢，諸如圖片或者視頻等非結構化數據

79、增長，大模型、大參數也對架構提出了更高的要求。招商銀行在構建人工智能架構時重視不同集群的聚合性需求，探索出既不影響拆分層級的邏輯、又能保持彈性伸縮的架構方案，搭建出異構兼容，支持靈活調度算力資源，更好構建云原生時代下的智能基礎設施。伴隨人工智能的逐步深入落地，招商銀行認為實現算法模型規模和實際業務價值之間的平衡十分必要。在大模型訓練后，企業需要考慮應用上線時的規模、業務價值創造和成本、資源消耗的平衡。根據實際模型的具體參數，進行一系列的壓縮。隨著規模下降，性能也會逐漸下降，但在此過程中，模型的真實業務價值和成本消耗也會發生變化，招商銀行持續探索不同場景、不同算法模型、不同業務規模下的收益與投入

80、平衡，與此同時，希望以最優的資源消耗方式獲得更具效益、更加綠色的算力。最佳實踐某國有大行：夯實基礎能力，持續推進智能化發展2022年1月，中國人民銀行印發金融科技發展規劃(2022-2025年)，其中提出要高質量推進金融數字化轉型。人工智能業務創新發展需要有強大的算力基礎設施支撐。近年來人工智能算法規模高速增長，傳統人工智能集群1-2周的訓練周期已經難以滿足人工智能業務發展訴求。但僅僅提升服務器GPU性能，并不能帶來算力水平的顯著增加，單卡訓練的性能瓶頸、算力資源的優化調度水平也亟待突破。積極探索人工智能大規模并行訓練創新實踐某國有大型商業銀行為滿足大規模智能化應用需求，進一步提升智能化算力水

81、平，與浪潮信息合作打造“中高算力GPU并行運算集群”，構建領先的AI計算系統與智能業務生產創新平臺，助力金融新業務新場景創新。算力基礎設施方面：引入高能效GPU算力，采用單節點8-16張GPU卡的中高密度算力節點。網絡基礎設施方面：采用了100G高性能以太網絡技術，較傳統以太網絡提升20%以上GPU集群訓練性能。相較業界典型InfiniBand組網方案，具備更好的延展性，滿足了人工智能集群訓練大規模部署需求。人工智能調度平臺方面：依托浪潮AIStation智能業務生產創新平臺，構建具備高性能、高可靠、可擴展的大規模GPU算力資源統一管理和人工智能作業調度平臺，可實現對任意數量GPU資源組合的自

82、動化調度，精確匹配不同規模人工智能分布式訓練作業對資源的需求，提升集群算力的整體利用率。同時采用故障容錯和斷點續訓技術，提升異常情況下人工智能訓練的可持續性。加速賦能金融業務數字化轉型夯實的基礎設施建設為人工智能算力模型訓練和智慧應用規?；ㄔO打下了堅實的技術基礎，帶來的轉變包含：提升了性能和算力：中高算力GPU并行運算集群場景下采用高密度算力服務器及基于RoCE的高性能網絡技術，相比傳統算力提升8倍，相比傳統以太網性能提升20%以上，相比其他高性能網絡互連技術標192022-2023 中國人工智能計算力發展評估報告 電信：優化網絡構建，提升用戶服務體驗人工智能技術已經成為電信行業不可缺少的部

83、分，運營商憑借龐大的用戶基數獲取海量的數據，來源豐富、覆蓋行業廣泛、真實性高，形成了高價值的訓練數據集，為人工智能在電信行業的未來發展奠定了基礎。電信行業人工智能應用主要體現在兩個方面：一方面，電信網絡的構建及優化智能需要多項人工智能技術的融合，包括GPU加速、深度學習和分析技術等；另一方面，下一代智慧網絡的打造，對云化網絡的智能編排、調度、運營等也需要人工智能技術的支撐。另外，對運營商自身而言，越來越多的電信運營商著手于智慧營業廳的建設，捕捉消費者數據，比如停留時間、行為習慣等，然后利用人工智能技術對獲取的信息進行分析并及時作出反應，如增加柜臺客服人員或引導客戶使用自助服務系統。電信行業的人

84、工智能應用不僅優化和維護了基礎設施、給客戶創造了更好的體驗感，還能提高業務營收、降低成本以及提高效率。除了自身應用之外，用于云服務的投入在電信運營商所占比重也逐漸增加，并利用多樣化架構實現更加優化的運行，運營商人工智能相關投入有望在未來幾年保持高速增長。醫療：賦能診斷治療，加速科研探索醫療行業雖然在人工智能應用層面起步較晚，但在最近一年有了顯著提升。人工智能已經被中國的醫療機構和生命科學組織廣泛接受，但因相關標準和規范還不完善，只有少量醫療人員參與人工智能開發和應用。在未來五年，隨著中國政府對人工智能開發和應用相關法規的完善，人工智能在醫療行業的應用將會快速拓展。在醫療數字化轉型的過程中，傳統

85、醫療向互聯網醫療模式的轉型趨勢愈加明顯，而人工智能、大數據等新技術的發展則使得疾病診斷和治療的模式發生轉變，從單點開始逐步擴展到各個領域，帶動了醫療信息化的全面升級。當前，醫療人工智能系統主要采用的技術包括計算機視覺、自然語言處理、機器學習等，目前應用場景主要分為三個方向：文字方向：醫院沉淀了大量電子病歷，不管是電子健康檔案還是電子病歷，都是以文字方式積累。人工智能技術能夠幫助醫院自動識別文字含義及上下文關系，建立對應的醫療知識圖譜，用于輔助診斷、用藥提示、科研挖掘等。圖像方向：通過圖像識別方式輔助醫師檢查，準確率已經達到較高程度。在抗擊新冠疫情中，人工智能在疾病救治和疫情防控中發揮了巨大作用

86、。例如，對患者的肺部放射影像診斷需要醫生檢查大量的放射影像，耗費大量的精力和時間，醫學影像人工智能輔助診斷系統的應用極大提高了診斷的效率。生物方向：基因數據、基因組的數據非常龐大，大量醫藥企業正通過臨床經驗結合標志屬性去挖掘發現更多的腫瘤標注，加速新藥研發過程。相對文字和圖像方向，生物方向類人工智能應用場景還處在相對初期階段，在政策支持和市場需求的推動下，未來具有極大的發展潛力。制造：加速應用場景落地，賦能企業降本增效人工智能是制造業邁向工業 4.0 和工業互聯網時代的重要新興技術能力。制造業對于人工智能技術的使用正在穩步上升。在制造業中人工智能不斷豐富和迭代自身的分析和決策能力，以適應不斷變

87、化的工業環境，幫助企業在產生大量結構化和非結構化數據的復雜生產環境中更為快速、準確地梳理參數之間的相關性，提高生產效率，優化設備產品性能，具有自感知、自學習、自執行、自決策、自適應等特征。制造162022-2023 中國人工智能計算力發展評估報告20準具備更好的兼容性，能夠更好地支撐中高算力GPU并行運算集群跨節點高速轉發。實現基礎資源降本增效：相同模型訓練，中高算力GPU集群不僅可以有效降低總能耗，同時可以減少機柜占用，提高集群算力密度，實現基礎資源降本增效，為銀行業務創新提供了有力的基礎技術支撐。此外，依托國內大規?？蛻羧杭爱a生的應用場景、數據和模型等，中高算力GPU并行運算集群場景下采用

88、高密度算力服務器及基于RoCE的高性能網絡技術有利于其研究金融高性能人工智能算力平臺的關鍵技術，規?；ㄔO不同型號的中高算力GPU服務器異構集群，并形成銀行GPU算力共享資源池，尋找更契合銀行發展的人工智能業務模型，進一步提升計算效率，支撐銀行風控、營銷、投顧等智慧銀行場景。通過開展中高算力GPU并行運算集群創新實踐，該行模型訓練效率顯著提升。在金融憑證識別場景超大規模圖片訓練周期由數周縮短為1天，進一步縮減更新迭代時間，保持智能運營領域的技術領先。該行憑借企業級人工智能平臺的先進技術能力及規?；瘧们闆r，順利完成數據處理、模型構建、模型部署、支撐與服務等評測任務，首批通過人工智能平臺全能力域

89、領先級評測，體現出該行在人工智能領域的領先優勢和標桿示范作用。最佳實踐青田元宇宙智算中心：數實共生，探索創新青田元宇宙智算中心坐落于浙江省東南部的青田縣，是國內首個元宇宙智算中心，同時也是首個算力、算法、開發平臺一體化的新型元宇宙基礎設施，通過協同創建、高精仿真、實時渲染、智能交互四大作業環節，將為多產業的元宇宙場景提供算力的技術支撐，在實體數字化方面逐步突破多維度和多場景的屏障。青田元宇宙智算中心以建立國家級產業標桿為目標，匯集1000+生態開發者資源，引導十萬級AI、元宇宙產業精英和科技人才匯集，共同實現元宇宙與邊緣計算戰略落地，同時開展5G應用創新研究，在娛樂、工業等領域打造相關行業標準

90、。青田元宇宙智算中心的啟動，將為包括青田縣乃至浙江、長三角地區等多個地區的元宇宙產業提供技術支持，同時，青田元宇宙智算中心也會驅動地區經濟發展，為產業數字化融合提供新的動力。圍繞新需求，構建新能力元宇宙概念強調自制、共制、共享，在高度擬真的數字世界里實現海量用戶的實時交互，這些目標的實現依賴協同創建、高精仿真、實時渲染、智能交互等多個重要環節。每個環節都需要巨量的人工智能算力作為支撐，這對人工智能算力基礎設施提出更高的要求，除構建高性能、低延遲、易擴展的硬件平臺外，還需要有端到端、生態豐富的軟件棧的支持。以協同創建為例，大規模、高復雜的數字孿生空間、數字人和其他實體角色的建模需要眾多設計師協同

91、創作完成，較好的底層平臺虛擬化和云端協同能力可很大程度助力效率的提升。在產業維度，更高效的建模技術依賴TB級的數據運算、精簡3D模型所需數據量，以及物理維度算法的設計。為了更好地為元宇宙世界輸入模型，可以針對垂直應用場景打造更優化的建模技術，從而節約虛擬建模的時間。同時，進階的算法可以精簡3D模型所需的數據量，從而提升軟件處理的效率。通過運用基于現實物體物理材質建模的算法，以及元宇宙數字協同綜合產業平臺可以為產業提供高效的3D工具，實現開發者生態、軟件生態以及垂直應用場景的正循環發展，拉動底層算力的使用效率。青田元宇宙智算中心作為浙江省青田縣人民政府與浪潮信息、谷梵科技三方共建項目，建成后每秒

92、算力性能將超過10億億次。硬件方面，青田元宇宙智算中心采用浪潮領先的異構加速服務器的旗艦系統，具有強大的RDMA通信和數據存儲能力，可提供強大的渲染和AI計算能力。軟件方面，青田元宇宙中心，依托谷梵在AI數據中心和“行業+AI”創新賦能平臺的架構設計、流程設計、功能組件開發和接口API開發上的能力，構建AI項目任務發布市場，實現車路協同、數字人、工業制造的供需對接，同時建立對3D設計協同、增強數字孿生和世界仿真、3D工具低代碼開發等核心應用的支持，讓設計師實現更大程度的自由創作。將元宇宙協同平臺的強大的功能與浪潮元宇宙服務器的性能優勢有機融合，聯合打造強大的軟硬件生態。與此同時，發揮浪潮AIS

93、tation資源平臺、算法平臺和應用優化服務，以及“源”大模型的能力，為全行業全場景的元宇宙應用提供能力支撐，為用戶打造高效的元宇宙協同創新體驗。為當地經濟發展帶來強勁動力未來，青田元宇宙智算中心將：成為成熟的數字資產交易平臺，通過合作伙伴幫助搭建數字孿生場景，可以為如物流、服裝業等生產212022-2023 中國人工智能計算力發展評估報告業中的人工智能的本質是實現復雜工業技術、經驗、知識的模型化和在線化，從而實現各類創新的工業智能應用。制造業在人工智能的主要應用場景包括：交互界面智能化、質量管理及推薦系統、維修及生產檢測自動化、供應鏈管理自動化、產品分揀等。IDC預計，到2023年年底，中國

94、50%的制造業供應鏈環節將采用人工智能，從而可以提高15%的效率。這將使企業能夠更好地預測市場變化、消費趨勢和習慣的變化，甚至是氣候變化，進而將預測結果與庫存管理相聯系，幫助企業努力使庫存水平貼近市場需求，促進銷售，同時降低成本，把控風險。此外，諸如媒體和娛樂、游戲、建筑等行業也在加速元宇宙技術的落地和應用，基于人工智能、物聯網、智能邊緣等技術，滿足市場對于多元化、定制化、共情化的體驗，改善運營流程，加速學習、分享、創造，產生更大的經濟和社會價值。實現元宇宙構想以及物理與數字世界間的互聯，需要創建更多的數字資產/數字人，這對計算性能與計算資源提出新的要求。目前元宇宙基礎設施的搭建已經開始起步，

95、通過構建能夠支持應用落地的人工智能算力基礎設施，提升基礎平臺的支撐力度，為將來滿足企業和用戶在虛擬環境中的應用需求夯實基礎。本報告針對不同城市在人工智能投資規模（包括人工智能算力投資規模，人工智能其他投資規模，未來投資計劃）、人工智能相關政策支持力度（包括人工智能相關政策扶持力度、政策落地情況和實施進展）、人工智能技術成熟度（包括人工智能技術應用成熟度、第三平臺技術應用成熟度、數據平臺成熟度），以及勞動供給（包括人工智能相關技術人員數量和水平、AI企業人數/企業數量、未來人才儲備）等維度的情況，并基于持續研究和最新用戶調研，進行綜合評估。在2022年中國人工智能城市排行榜中，北京位居首位，杭州

96、位居第二，天津進入前十名。除了TOP10城市之外，多個城市在自身產業優勢及各種因素推動下，人工智能應用取得了較大進展，例如合肥、長沙和武漢等，中國人工智能城市發展正遍地開花，未來將會出現越來越多結合城市特點的人工智能示范區，為產業發展樹立標桿。3.2地域排名TOP 10 城市：Tier 1：北京 杭州 深圳 上海 廣州 Tier2：成都 蘇州 南京 天津 濟南 圖14 中國AI計算力發展評估城市排行，2022來源：IDC，20221.北京5.廣州成都天津濟南南京蘇州2.杭州3.深圳4.上海的數字孿生資產提供超高價值的參考借鑒用途，幫助這些產業快速降低同類型場景的搭建時間、搭建成本以及升級完善，

97、最終推動行業類數字孿生場景發展，形成下一時代的跨行業和場景的工業元宇宙雛形。將視覺產品代入市場，為視頻內容創作（如短視頻）提供更高的技術支持。通過打造元宇宙數字協同綜合產業平臺，可以將影視級產品所需的硬件平臺共享給原本無法承擔成本的創作者，可以大幅提升創作者的制作水平，幫助其推出影視級視覺產品的同時又符合市場高速迭代的需求。青田元宇宙智算中心的建設，將為元宇宙初級階段的落地提供普惠、安全的算力支持，創建跨越地理距離的虛擬世界，讓藝術家、設計師、工程師和科學家實現實時3D仿真、設計協作，在此過程中探索出新的發展模式，促進青田人創新創業，同時在對應硬件的支持下，促使元宇宙從軟件平臺轉變為工業集群，

98、提供更優質專業的公共服務。2022-2023 中國人工智能計算力發展評估報告22 北京北京在人工智能領域的政策、人才、技術、企業等方面的優勢有助于自身在人工智能領域取得領先地位，并將繼續吸引新的企業和投資資金進入。北京作為我國首個國家新一代人工智能創新發展試驗區，人工智能產業規?？焖僭鲩L，據悉，截止2022年11月，北京已經聚集了約1500家人工智能領域的相關企業，在17個人工智能相關領域領跑全國，突破多項核心技術。加快新型基礎設施建設行動方案（2020-2022年），北京市促進數字人產業創新發展行動計劃（2022-2025年），關于支持中關村科學城智能網聯汽車產業創新引領發展的十五條措施等多

99、項針對人工智能發展的政策發布，推動人工智能技術在前沿領域的探索，在重點領域的突破。除了政策的支持以外，北京還擁有優質學術資源和人才資源的加持，與人工智能相關的人才占全國總量的一半以上；北京大學、清華大學、北京航空航天大學、中科院自動化所、中科院計算所等全國過半數人工智能主要研究單位都聚集在北京。杭州2022年初浙江省政府發布了建設杭州國家人工智能創新應用先導區行動計劃（2022-2024年），指出到2024年，全市人工智能應用水平全國領先、國際先進；推動科研院所與龍頭企業雙擎聯動創新，在人工智能基礎理論與核心技術攻關上取得重要進展，形成10項以上人工智能重大科技成果，獲得1000項以上核心發明

100、專利；打造34個千億級人工智能產業集群，產業營業收入年均增長15%以上，產業綜合競爭力位居全國前列。在知識產權方面，人工智能學科建設在杭州歷史悠久，早在1987年便設立了人工智能研究所，是國內最早的人工智能研究所之一。如今，在阿里巴巴集團和浙江大學、杭州電子科技大學、浙江工業大學等高校的加持下，杭州人工智能產業發展迅猛，人工智能專利授權數已超過千件，位居國內人工智能第一梯隊。深圳作為全國最年輕的一線城市，深圳位于珠三角、毗鄰港澳，地理位置十分優越。此外，深圳是我國改革開放的重要窗口城市、是我國首個國家創新型城市。在國家政策的支持下，深圳吸引了眾多外資和企業前來投資，落地了大量發達國家的高端產業

101、；同時雖然本地高校資源不足，但每年吸引了大量人才前來就業，為深圳的發展提供了人才保障。目前深圳人工智能企業已超過一千四百家，更有華為、騰訊、平安等一眾超大型公司加持，在智能語音技術、計算機視覺、自然語言處理等方面具有顯著優勢。上海上海地處長三角城市群，是中國的經濟中心，擁有豐厚的歷史底蘊、開放的市場環境和完備的產業體系，在智能制造和智能交通等領域構建了豐富的應用場景。2021年，上海發布上海市人工智能產業發展“十四五”規劃（簡稱規劃），指出要深化人工智能在城市數字化轉型中的重要驅動和賦能作用，加快建設更具國際影響力的人工智能“上海高地”，預計到2025年，上海將形成10大類100個人工智能深度

102、應用案例，培育500家智能化示范企業。同時，上海市作為國內的“教育高地”，擁有復旦大學、上海交通大學等一眾一流高校資源，為人工智能的發展提供了人才保障，目前上海市人工智能專利授權數仍處于全國領先地位，根據規劃，到2025年上海人工智能人才規模將達到30萬人。廣州廣州作為我國的一線城市，2021年發布了廣州市人工智能產業鏈高質量發展三年行動計劃（2021-2023年），指出構建廣州市人工智能產業“鏈長制”，通過開展“十百千”戰略發展計劃，建設 10 個人工智能產業園，開展 100 個人工智能典型場景應用示范，培育 1000 家左右人工智能企業，創新協同良好的產業鏈體系。實施“2+4+N”產業培育

103、工程，遴選先進制造、車輛交通、健康醫療、城市治理四條人工智能優勢賽道，重點培育龍頭企業和高成長性企業，賦能人工智能產業的發展。成都作為一座歷史悠久而獨特、文化積淀深厚的城市，成都不僅物產豐富、農業發達，更是中國重要的電子信息產業基地。成都有國家級科研機構30家，國家級研發平臺67個，高校65所。據2019年統計，世界500強企業落戶成都的已超過300家。從2021年開始，成都開始建設國家新一代人工智能創新發展試驗區，注重把握人工智能發展戰略機遇。蘇州2021年，蘇州發布了蘇州市促進新一代人工智能產業發展的若干措施，開展具有行業引領性的人工智能“頭雁”企業遴選，鼓勵各地區加大對“頭雁”企業及“頭

104、雁”培育企業的政策獎勵。同時支持人工智能企業總部從外地遷入蘇州，國內外人工智能知名企業在蘇州設立子公司。鼓勵企業、科研院所主動參與承接國家、省新一代人工智能產業創新重大項目。推動建立重點支持領域創新項目庫，對技術水平先進、商業模式領先的項目給予項目扶持。232022-2023 中國人工智能計算力發展評估報告除以上城市外，還有些城市深耕特定的人工智能應用并取得了明顯成果，成為城市的智能化新標簽。合肥、武漢、長沙這三座城市也同樣值得關注。合肥作為安徽省的省會城市，人工智能產業起點高，起步早，打造的“中國聲谷”是中國首家定位于語音和人工智能領域的國家級產業基地，依托中科大、中科院、科大訊飛等平臺，在

105、“互聯網+、智能終端、智慧城市、移動健康”四大產業方向進行布局，建設產業高地、完善產業鏈、形成產業化集中效應、打造千億園區。近年來，合肥市也出臺了多項支持人工智能創新發展的政策措施，在產業環境、技術創新、資金支持、人才服務等方面對人工智能產業給予了更多保障。武漢作為全國高校最多的城市，是孕育人才的寶地、中國四大科教中心城市之一、全國三大智力密集區之一，同時也是全面創新改革試驗區。在2022年二十大同期，武漢獲得支持創建國家人工智能創新應用先導區，將在未來大幅提升人工智能與實體經濟的深度融合，為武漢進一步培育新的經濟增長點，從而實現特色化發展。長沙地處華中地帶，地理位置優越，四通八達。未來長沙發

106、展潛力巨大，其經濟增速在全國范圍內十分醒目，這得益于長沙發達的媒體行業、完備的重工產業、知識教育產業，以及快速發展的高科技領域。因而，長沙在華中地帶乃至全國內都有很大的影響力。中國人工智能發展的城市覆蓋面正從核心的地區和城市向外擴展，未來將會出現越來越多具備城市特色的人工智能示范區，為產業發展樹立標桿。各地區將結合自身發展需求，在提升城市人工智能計算力基礎設施水平的同時推動城市產業智能化發展，提升對外賦能能力，在相關政策的不斷引導和企業的大力投入下，更多城市將深度參與人工智能創新應用，推進數字經濟與實體經濟的融合創新，加速產業集群轉型。來源：IDC，2022排名12345678910北京杭州深

107、圳上海廣州成都蘇州南京天津濟南北京杭州深圳南京上海蘇州廣州濟南成都合肥北京深圳杭州上海重慶廣州合肥蘇州西安南京北京杭州深圳上海廣州合肥蘇州重慶南京西安杭州北京深圳上海合肥成都重慶武漢廣州貴陽20222021202020192018表1 近五年TOP10城市排名變化 南京目前南京在擴大人工智能產業規模、培育優質企業、改善城市技術布局，以及提升應用平臺支撐等多個方面正在實現跳躍式發展，著重于人工智能產業的基礎層、技術層、應用層三大層級，匯集了人工智能企業近300家，其核心產業規模超過60億元，同時，帶動相關產業規模近800億元。南京積極開展人工智能生態圈和產業鏈建設，發揮在圖像識別和智能傳感等領域

108、的優勢，基于智算中心的集群效應，促進諸如車聯網、智能制造、自動駕駛、智慧醫療等領域的發展。天津近年來，天津市緊抓人工智能產業發展機遇，通過舉行三屆世界智能大會，推動一大批人工智能項目落地。同時在政策方面，2020年天津市政府推出天津市建設國家新一代人工智能創新發展試驗區行動計劃，指出要加速重大應用場景落地，提升綜合支撐力；加快培育人工智能產業，提升產業聚集力；加大人才引進培養力度，提升創新創業活力；力爭到2024年，天津人工智能試驗區建設取得顯著階段性成效，成為引領全市人工智能產業發展的核心載體。目前天津的人工智能產業鏈主要集中在上游的芯片行業以及下游的人工智能應用場景。全市累計支持八批299

109、8個項目，帶動投資超過1200億元。建成200個智能工廠和數字化車間；打造了涵蓋智能制造裝備及產品、工業軟件及控制系統、智能制造專業服務等領域的產業體系，成為支撐制造業立市的“新動能”。未來天津還將通過典型示范應用，吸引聚集上下游優勢企業，形成國產基礎軟硬件產品群，打造完整產業鏈條。濟南濟南是中國軟件名城，軟件與信息技術服務業規?？偭空既”戎爻^百分之五十；以服務器、超級計算和量子信息為代表的算力產業在國內外保持領先，浪潮信息人工智能服務器連續五年保持國內市場占有率第一。豐富的應用場景是濟南人工智能發展的重要力量，在能源、醫療、智能制造等領域均有眾多企業布局。知識產權方面，濟南人工智能軟件著

110、作權共4500余件，平均每家企業擁有16件軟件著作權；人工智能企業擁有發明專利1500余件，平均每家企業擁有5件發明專利；平臺載體不斷壯大，全市擁有人工智能產業創新平臺53個，華為、百度的創新中心落地濟南，加速構建人工智能產業發展新生態。2022-2023 中國人工智能計算力發展評估報告2425最佳實踐淮海智算中心：長期布局，打造全國智算樞紐安徽省宿州市毗鄰長三角和環渤海經濟區，長期布局云計算產業的發展，現已在宿州市高新區建成長三角區域建設標準最高、單體規模最大的大數據存儲和處理中心，規模達十萬平，被譽為“中國云都”。推進普惠算力服務落地為更好地推進普惠的人工智能算力服務，解決企業自己建數據中

111、心成本高、難度大、周期長等挑戰，宿州市與浪潮簽署戰略合作協議，共同推進淮海智算中心建設，推進人工智能產業本地的集群化發展?；春Ｖ撬阒行脑O計采用全球領先的“E級AI元腦”智算架構，部署浪潮AI服務器算力機組，通過開放多元的系統架構，支持當前先進的GPU和國產人工智能算力芯片?；春Ｖ撬阒行膶⒊蔀閲鴥仁讉€算力、算法一體化的新型基礎設施，運行中文智能語言算法大模型“源1.0”，通過算力的生產、聚合、調度和釋放四大關鍵作業環節，為社會經濟、產業發展和研究創新等各界提供人工智能所需算力服務、數據服務和算法服務?；春Ｖ撬阒行膶㈤_放支持國際國內主流的AI框架、數據集和工具，無縫對接當前國際國內成熟完善的人工智

112、能開發和軟件生態，可運行智能圖像、智能語音、語言智能、機器人、自動駕駛、AI+Science等眾多豐富領先的行業應用，并滿足政產學研多元化人工智能場景創新的關鍵需求。持續促進人工智能產業發展淮海智算中心總體建設規模達300PFLOPS，總體投資10億元，全面建成后智能算力性能將達30億億次每秒。未來，淮海智算中心將作為智算樞紐，通過領先的算力、算法基礎設施，開放的技術架構，成熟豐富的生態應用，面向全國和省內提供智能算力、數據和算法服務，承接長三角、環渤海經濟區、京津冀等地區的智算服務需求，加速智算產業生態在宿州落地集聚，為宿州市加速融入長三角一體化發展贏得先機，極大促進宿州市乃至安徽省的人工智

113、能產業和數字經濟的新發展。2022-2023 中國人工智能計算力發展評估報告26行動建議272022-2023 中國人工智能計算力發展評估報告根據IDC全球針對人工智能調查結果顯示，雖然人工智能應用正在穩步發展，大部分受訪者表示他們已經將人工智能應用在業務中，但一些應用仍處在實驗、評估和測試階段，只有三分之一企業聲稱已達到成熟階段，對于投資人工智能的企業來說，提高客戶滿意度、自動化決策和利用AI完成重復性工作是企業最主要的收益。IDC看到，為人工智能專門構建的IT基礎設施的缺乏往往是人工智能應用無法進一步深入的原因，這一點需要行業企業、解決方案提供商以及整個人工智能產業的各個組成部分共同努力。

114、針對以上問題，本報告提出以下建議。人工智能基礎設施應為企業可持續發展提供長久支撐力：AI算力基礎設施應成為企業IT基礎設施建設重點。目前，大部分企業的人工智能基礎設施尚未達到成熟水平，企業需要衡量的因素包括初始投資，如何實現投資收益和回報，以及如何確?；A設施能夠滿足業務需求和綠色低碳的要求。本報告認為，在未來幾年，最值得重視的是如何提高計算能效。數據中心發展到現今的規模和體量，能耗將成為未來制約其發展的重要因素。企業可利用異構計算，提高單位能耗帶來的算力，同時可積極嘗試液冷技術，雖然較高的初期成本仍然是投資的最大障礙，但企業應制定更長遠的目標，綜合考核基礎設施的性能、靈活性、易用性、成本和能

115、效這五個方面，設立指標并考慮其影響，以選擇最匹配的組合。廣泛合作，充分借鑒，合力促發展：數據處理是企業投資人工智能基礎設施的另一大障礙，行業用戶通常缺乏構建、培訓和部署人工智能模型的時間和相關知識或能力，這為預訓練的人工智能模型帶來了一個新的市場。然而，與任何現成的模型一樣，預訓練模型也有局限性，包括模型可用性和適應性、運行模型的基礎設施局限性以及內部專業知識不足。模型規模也在不斷增長，這使得它們在通用基礎設施上運行具有挑戰性。通常，行業用戶不具備進行模型二次開發的技術能力，因為這需要投入大量時間和人員成本，因此，行業用戶需要更積極地參與到人工智能生態建設中，借助合作伙伴和技術供應商的能力，進

116、一步完善人工智能在企業的應用。降低行業用戶獲得人工智能能力的門檻：在基礎設施層面，解決方案供應商必須采取一致但多管齊下的方法來應對人工智能給行業用戶帶來的挑戰，包括廣泛的成本選擇以及更加完整、靈活的解決方案。技術供應商需要有能力提供一個創新、完整的解決方案，并具有足夠的靈活性，允許在本地和云上集成異構、混合的計算和存儲環境，并提供預測性分析，將系統健康檢測標準化，最大限度減少用戶在系統運維上的復雜度，降低用戶應用AI的門檻。推進構建和部署模型的自動化進程：在軟件層面，目前大多數企業才剛剛開始應用機器學習，需要大量工具和能力，使他們能夠輕松、快速地管理機器學習模型的實驗、開發和部署。對于大多數用

117、戶來說，MLOps是一個新生的過程，它們將嘗試不同的方法，以最好地處理機器學習模型的創建、維護和操作。解決方案供應商有機會在這一過程中影響和幫助其客戶，隨著容器化模型部署成為標準，機器學習操作的重點正轉向工作流協作、模型部署和模型監控。人工智能模型的運作，主要圍繞模型治理和模型生命周期管理，也越來越受到關注，解決方案提供商應關注使MLOPs可擴展的功能，包括但不限于模型部署、模型監控、模型檢測和評估，以便讓用戶更快速地獲取AI能力。4.1對行業用戶的建議4.2對技術提供商的建議 加速自身研發能力的提升：人工智能作為一個完整的產業，其生態建設至關重要。技術提供商和行業用戶應該堅持更加開放和深入的

118、合作，共同推進人工智能應用的發展。除此之外，在學習全球先進技術的同時，需要加速自主研發的進程，無論在算法模型方面，還是算力層面，拉近與全球領先者的差距。作為算力的核心，芯片的自主研發已迫在眉睫。未來算力的需求將變得越來越多樣化，聚焦在芯片研發的技術供應商應利用人工智能在中國應用多樣化發展的特點，聯合生態合作伙伴，提供更貼近本地用戶需求的解決方案。4.3對產業發展的建議23 加速自身研發能力的提升：人工智能作為一個完整的產業，其生態建設至關重要。技術提供商和行業用戶應該堅持更加開放和深入的合作，共同推進人工智能應用的發展。除此之外，在學習全球先進技術的同時，需要加速自主研發的進程，無論在算法模型

119、方面，還是算力層面，拉近與全球領先者的差距。作為算力的核心，芯片的自主研發已迫在眉睫。未來算力的需求將變得越來越多樣化，聚焦在芯片研發的技術供應商應利用人工智能在中國應用多樣化發展的特點，聯合生態合作伙伴，提供更貼近本地用戶需求的解決方案。28 各地區應挖掘自身特點和優勢，因勢利導：從地區分布角度來看，中國人工智能應用同樣具有多樣化的發展趨勢。各個城市和區域具有不同的環境、地理位置，以及各自的產業優勢，可以此為基礎，探索具有自身特色的發展路徑，并給其他城市提供借鑒，共同推動人工智能產業在中國的發展。各方協作推進綠色發展：為滿足人工智能應用可持續性發展的需求，綠色低碳的AI算力基礎設施是未來發展

120、方向，例如液冷數據中心正逐漸被采用。但整體來看，其發展仍處在初期階段，在實際建設過程中，用戶面臨諸多挑戰，例如成本因素、數據中心改造復雜度等。產業需要進一步完善綠色數據中心基準，給用戶實施提供參考，并從中受益。2022-2023 中國人工智能計算力發展評估報告關于浪潮信息浪潮信息是全球領先的IT基礎設施產品、方案和服務提供商，業務涵蓋服務器、存儲和網絡三大領域，有8個研發中心、10個生產基地、26個分支機構，業務遍及全球120多個國家和地區。人工智能是浪潮信息戰略重點業務之一，浪潮信息是全球第二大服務器供應商，也是全球第一的 AI 服務器提供商。在中國 AI 加速計算市場占有率連續第六年超過

121、50%，可提供從計算平臺、算法模型、管理套件、框架優化到應用加速的完整方案。浪潮信息推動 AI 領域開放計算的發展，參與制定了 OCP社區的 OAM 規范以及 ODCC 社區的 GPU 服務器規范，為不同的 AI 技術提供統一的技術標準。浪潮信息堅持“伙伴第一”的原則，不斷發展元腦生態，聚合具備AI開發核心能力的左手伙伴和具備行業AI整體方案交付能力的右手伙伴，加速行業智能的構建，最終幫助用戶完成業務智能轉型升級。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

122、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 1100 名分析師，他們針對 110 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 50 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36號環球貿易中心E座901室郵編：100013+86.10.5889.1666 Twitter:IDCidc-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，獲取更多有關IDC GMS信息，請訪問https:/ 2022 IDC。未經許可，不得復制。保留所有權利。全文下載