2023-2024年中国人工智能计算力发展评估报告_48页_852kb

2023-2024年中国人工智能计算力发展评估报告总结

核心内容

2023年是中国人工智能发展的重要转折点，生成式人工智能和大模型的兴起推动了人工智能从感知智能向生成式智能的转变，标志着人工智能迈入全面应用阶段。随着技术的不断突破和应用场景的扩展，人工智能的算力需求快速增长，同时对算力服务模式、绿色数据中心建设以及AI软件基础设施提出了更高要求。

主要观点

• 生成式AI引领算力变革：生成式人工智能和大模型的发展，正在引发计算范式、产业动量和算力服务格局的深刻变化。企业不再仅关注“智能化能力”，而是更关注“产品/流程的革新”。
• 算力基础设施升级：市场对高性能、高互联、高能效、多元化算力基础设施的需求日益增长，尤其是在大模型训练和推理场景中，GPU服务器和异构计算成为关键支撑。
• 算力服务模式转型：传统算力资源虚拟化共享模式难以满足大模型时代对高性能集群式算力的需求，算力服务将向定制化、高可用性、易部署和成本优化方向发展。
• 绿色数据中心建设：随着算力需求的增长，数据中心能耗问题日益突出，液冷服务器成为构建可持续发展数据中心的重要手段，预计2027年中国液冷服务器市场规模将达89亿美元。
• AI软件基础设施重要性提升：AI软件基础设施成为连接算力与应用的关键环节，涵盖数据处理、模型训练、部署和优化等多个层面，支持大模型的快速落地。
• 边缘智能加速发展：边缘智能通过本地化数据处理和推理，提升了实时性和数据隐私保护，成为推动人工智能在工业、交通、医疗等领域落地的重要方式。
• 行业应用加速渗透：互联网、电信、政府、金融和制造行业是当前人工智能应用渗透度最高的行业，而医疗、教育、交通等领域的应用也在逐步拓展。

关键信息

1. 人工智能算力市场预测

• 全球人工智能服务器市场规模预计从2022年的195亿美元增长到2026年的347亿美元，年复合增长率达17.3%。
• 中国人工智能服务器市场规模预计2023年达到91亿美元，同比增长82.5%，2027年将达到134亿美元，年复合增长率达21.8%。
• 中国智能算力规模预计从2022年的259.9 EFLOPS增长至2027年的1117.4 EFLOPS，年复合增长率达33.9%。
• 中国通用算力规模预计从2022年的54.5 EFLOPS增长至2027年的117.3 EFLOPS，年复合增长率达16.6%。

2. 算力供给能力评估标准变化

• 用户对算力供给能力的评估指标从硬件性能向应用效果转移，关注点包括单位时间处理Token数量、可靠性、时延、训练时间、资金成本和数据集质量。
• 以应用为导向、系统为核心的算力基础设施建设成为主流趋势。

3. 中国人工智能发展现状

• 中国人工智能产业在生成式人工智能背景下展现出高活力，67%的企业已开始探索生成式AI的应用或投入资金。
• 中国在基础大模型研发、算力基础设施建设、数据资源积累等方面具备一定优势，但仍需加强原创性技术突破和行业适配能力。

4. 政策支持与生态建设

• 中国政策持续支持人工智能发展，如《数字中国建设整体布局规划》和《生成式人工智能服务管理暂行办法》等。
• 人工智能产业生态正逐步完善，形成包括基础设施、模型、平台和应用在内的完整链条。

5. 绿色算力与液冷技术

• 随着人工智能算力需求增长，数据中心能耗问题突出，液冷技术成为解决能耗问题的关键。
• 中国液冷服务器市场预计2022-2027年年复合增长率达54.7%，2027年市场规模将达89亿美元。

6. 行业应用情况

• 互联网：仍是AI技术应用和研发的主力军，涵盖自然语言处理、图像识别、智能客服、大数据分析等多个领域。
• 电信：云上AI能力加速发展，优化服务并推动网络智能化。
• 政府：AI在城市治理、公共安全等方面发挥重要作用。
• 金融：AI在风控、自动化客服、智能投顾等场景中广泛应用，但面临数据安全和隐私保护的挑战。
• 制造：AI助力生产流程优化、预测性维护、供应链管理等，提升效率和创新能力。
• 医疗：AI在医学影像分析、个性化治疗、新药研发等方面展现巨大潜力。
• 教育：AI辅助教学、学习评估、语言学习等应用逐步落地。

7. 代表性企业案例

• 美图：聚焦AI视觉大模型，通过AIGC技术提升设计效率，实现业务增长和行业赋能。
• 网易伏羲：以AI智能体平台为核心，推动设计创作、元宇宙、工程制造等场景的AI应用。
• 深势科技：专注于AI for Science，通过全栈技术加速生物制药、能源、材料等领域的科研创新。

行动建议

对行业用户

• 重点关注算力、数据和模型的适配，提升AI在业务场景中的落地效率。
• 需要构建以应用为导向的算力体系，提高资源利用率和部署灵活性。

对技术供应商

• 加强算力基础设施的定制化、高能效和高可用性，满足大模型时代的需求。
• 推动AI软件生态建设，提升模型训练和推理效率，优化AI框架与工具链。
• 推动液冷技术的普及，降低数据中心能耗，满足绿色发展的要求。
• 加强与行业合作，推动垂直领域AI模型的开发与应用。