智算产业链及布局进展如何？

目前，我国智算产业链已经初步形成，涵盖由芯片、软件、硬件 供应商构成的上游产业，由云商、电信运营商、第三方数据中心服务 商等构成的中游产业，以及由互联网、交通、金融、工业等行业等用 户构成的下游产业。

1、智算产业链初步形成，生态集聚效应不断增强

（一）上游：AI 芯片领域形成多方竞争格局

GPU、FPGA 技术壁垒高，迅速形成寡头格局。英伟达（NVIDIA） 凭借 NVLink、NVSwitch 等集群性能优势以及良好的 CUDA 生态，成为 全球 GPU 主要供货商，其 A100 芯片占据了数据中心 GPU 市场 90%以 上的份额。据 IDC 数据，预计到 2025 年 GPU 仍将占据 AI 芯片 8 成市 场份额。同时赛灵思（Xilinx）和英特尔（Intel）已在 FPGA 领域形 成双寡头格局，市场份额占比约 90% [9]。

TPU、NPU 逐渐兴起，呈现“百家争鸣”态势。以 TPU、NPU 为代表的 ASIC 凭借吞吐量、功耗、算力等优势，逐渐被广泛应用于人工 智能领域。国外以谷歌为首发布 TPU 芯片，国内寒武纪、华为、阿里 等公司也都推出了深度神经网络加速的 ASIC 芯片，如华为昇腾 NPU、 阿里平头哥 NPU。

白盒交换机以其软硬解耦、灵活可编程、高速转发等优势受到云 商智算中心大规模组网青睐。Omdia 数据显示，2022 年全球数据中心 以太网交换机市场份额白盒供应商占比 32%，其中 Arista 占比 18%。 在北美市场，全球 TOP3 云商亚马逊、谷歌和 Meta 的白盒交换机购买 规模已超市场总规模的三分之二。 InfiniBand 和 RoCE 作为智算中心高性能网络的主流方案，满足 智算网络的低时延、大带宽、稳定运行、大规模以及可运维的需求。 InfiniBand 网络方案及配套设备供应商主要包括英伟达、英特尔、思 科，其中英伟达市场占有率超七成。支持 RoCE 的交换机厂商较多， 主要以新华三、华为为主。支持 RoCE 的 NVIDIA ConnectX 系列网卡 当前市场占有率比较高。

（二）中游：云商及 IDC 服务商基于自身优势提供智算服务及解 决方案

云商、科技公司借助自身技术壁垒提供大模型及平台服务。主流 云商一方面自建大型智算中心，如 Meta 宣布取消或暂停部分正在建 设的数据中心，对其 11 个正在开发的项目进行重新设计，彻底转向 人工智能数据中心的建设。另一方面加速布局 AI 大模型，如谷歌 “PaLM-2”、Meta“Llama 2”等。特斯拉、苹果等科技公司基于自身业务优势，一方面自建定制化智算中心，如特斯拉面向自动驾驶等领 域建设超算中心 Dojo，拥有超过 100 万个训练节点，算力达到 1.1EFLOPS[10]。另一方面，积极布局 AI 大模型体系，巩固自身行业优 势壁垒，如特斯拉 AI 机器人“擎天柱”、苹果“Apple GPT”。

IDC 服务商依托云/网资源优势，积极参与智算建设。国内运营 商积极建设智算中心及平台，如中国电信推出息壤智能计算平台，提 供智算、超算、通算多样化算力服务，为大模型训练、无人驾驶、生 命科学等场景提供软硬一体解决方案，RDMA 吞吐可高达 1.6Tb[11]。国 外 IDC 服务商仍在布局阶段，如 2023 年日本 NTT 宣布将在 5 年内投 资 8 万亿日元（约合 590 亿美元）用于人工智能、数据中心和其他增 长领域[12] ；Equinix 的 2023 年全球科技趋势调查报告显示，人工智 能应用率上升，但 IT 基础设施没有为人工智能做好充足准备。

（三）下游：车企领衔行业大模型落地应用

 互联网、交通、金融、工业等行业，基于大模型带动自动驾驶、 机器人、元宇宙、智慧医疗等下游产业发展。海外大模型行业应用主 要在传媒游戏、机器人、办公等领域落地，如 Meta 推出 AI Sandbox 为广告生成不同的文字、Apple 推出生成式人工智能元宇宙产品 Visin Pro 头显，并计划在 siri 嵌入类 GPT 功能。哈维基于 GPT 及 行业数据推出 AI 法律助手。国内大模型行业应用主要聚焦金融、医 疗、传媒游戏、智能汽车等领域，如百度文心大模型助力浦发银行、 泰康保险在投资决策、理赔信息检索等方面的应用。华为盘古大模型 为国家电网电力巡检提供智能服务。

车企布局智算中心用于自动驾驶大模型训练。特斯拉基于 Dojo 超级计算机先后推出 BEV 大模型、端到端自动驾驶大模型，推动高阶 智能驾驶落地，预计到 2024 年算力将达 100EFLOPS。吉利星睿智算 中心自研汽车行业 AI 对话模型，初步完成百亿参数的大模型训练， 吉利星睿智算中心（湖州）预计 2025 年算力规模将达 1.2EFLOPS[14]。 小鹏汽车自动驾驶智算中心“扶摇”（乌兰察布），基于阿里飞天智 算平台，算力可达 600PFLOPS，将小鹏自动驾驶核心模型的训练提速 近 170 倍[15]。毫末智行智算中心“雪湖·绿洲”（山西大同），基于 火山引擎智算云解决方案，算力达 670PFLOPS，模型训练效率提升 100 倍[16]。

2、国产自研 AI 芯片加速入场，短期高效供给仍受限

国产硬件厂商持续突破 AI 芯片性能，提升市场竞争力。华为推 出昇腾 910，性能对标英伟达 A100，可用于智能手机、云计算、自动 驾驶等领域，同时推出 AI 开源计算框架 MindSpore，支持用户进行 AI 开发。寒武纪提供云边端一体、训练推理融合等系列 AI 芯片产品 及平台化基础系统软件，重点对推荐系统和大语言模型的训练推理等场景进行优化。壁仞科技等初创公司不断与多方建立合作关系，如万 国数据、浪潮、中国移动等，聚焦云端通用智能计算，重点在 AI 训 练和推理、图形渲染等领域发力。

大型云商自研 AI 芯片，以摆脱对国外技术依赖。阿里面向自身 电商、汽车、家电等领域需求自研 AI 芯片，基于 RISC-V 架构和自研 算法推出含光 800 NPU，支持 TFlops 级别浮点运算。百度面向搜索、 智能交通等领域的深度学习运算需求，推出昆仑系列 AI 芯片，用于 大模型推理。腾讯依靠蓬莱实验室推出 AI 推理芯片“紫霄”，已用 于腾讯会议等多个内部业务。 我国自主 AI 芯片在系统效率等方面与国际领先产品仍有差距， 并存在性价比待提高、架构不够兼容、配套工具不够成熟、应用场景 不够广泛等问题。制程方面，目前英伟达已率先到达 4 nm，而国内厂 商多集中在 7 nm [17] ；算力方面，国内厂商大多不支持双精度（FP64） 计算，且仅在单精度（FP32）及定点计算（INT8）方面与国外中端产 品持平；生态方面，与英伟达 CUDA 的成熟生态相比，国内企业多采 用 OpenCL 进行自主生态建设，存在明显差距。

3、智算中心建设版图持续扩张，智算服务灵活多样

智算中心聚焦东部城市，以政府主导国产化为主。截至 2023 年 5 月，全国超 35 个城市在建或投运 44 个智算中心（在建 15 个智算 中心，投运 29 个智算中心），其中明确面向 AI 大模型应用的有 11 个。地理分布集聚一线及省会城市，与大模型研发分布强相关。智算中心建设以东部为主，京津冀、长三角、粤港澳共 29 个（占比近 66%）， 其中 9 个在建，20 个投运，面向西部枢纽节点逐渐开展布局。东部多 为政府主导建设，且国产化占比高（54%），西部以云商自建为主。 地方政府牵头主导 34 个（占比近 80%），主要满足当地 AI 产业发展， 且以华为昇腾、寒武纪等为主要合作方提供国产化能力。西部以云商 为主，如阿里乌兰察部智算中心、字节跳动与毫末智行合建雪湖绿洲 （山西大同）智算中心。受限于需求不清晰、高性能芯片产业生态不 成熟等因素影响，智算规模普遍偏小。智算中心规模在 100- 300PFLOPS 内占比超 70%以上，超过 1EFLOPS 规模的智算中心约占 25% （超半数为云商及大型企业自建），且全部集中在京津冀、长三角和 粤港澳区域。

由于智算需求场景多样且高度定制化，相较于传统数据中心，智 算中心服务模式呈现多元化特点，包括机房托管、算力租赁、智算平 台、工具集及咨询等增值服务、模型即服务（MaaS）、大模型应用服 务以及各种组合模式。

（一）机房托管：机房托管服务与传统数据中心服务模式类型相 同，但需要面向智算提供更高层次的定制化（功耗、配电、网络等）， 主要面向云商、AI 公司、大型央企等客户。 （二）算力租赁：主要面向中小型科技公司、IT 公司、小参数量 的模型（10B 规模）等客户，通过将闲置 GPU 资源通过云服务的形式 将服务器或虚拟机租用给用户，采用按使用时间及利用率收费。 （三）大模型托管、训练、部署、订阅等从 IaaS 到 SaaS 全线服 务。一是提供 GPU 主机、高性能计算、批量计算等 IaaS 产品。二是 依靠智算平台提供公有云和专有云，为各类科研、公共服务和企业机 构提供算力调度、数据处理、模型开发等一体化智能计算服务。三是 通过 MaaS 提供模型定制、精调、部署等一站式模型服务。四是基于 大模型和 MaaS 能力全面智能升级 SaaS 应用，帮助企业构建行业大模 型或集成在企业应用上、以及面向公众用户提供搭载大模型应用的基 于大模型的搜索引擎、数字人等服务。

未来智算服务模式将由现阶段集成 AI 大模型能力的云产品的卖 方市场，逐步过渡到围绕产品提供配套衍生服务，最终形成基于标准 化智算中心基于“AI 原生”生态服务的买方市场。

4、大模型呈蓬勃发展态势，助力产数业务发展

我国大模型研发快速增长，大模型研发分布以东部城市为主。从 全球已发布的大模型分布来看，中国和美国大幅领先，超过全球总数 的 80%，美国在大模型数量方面始终居全球最高，中国从 2020 年进 入大模型快速发展期，目前与美国保持同步增长态势。据不完全统计， 目前中国 10 亿参数规模以上的大模型已发布 79 个，14 个省市/地区 都在开展大模型研发，与智算中心布局一致，主要集中在北京（38个）、 广东（20 个）、浙江（5 个）和上海（5 个）[18]。其中大模型开源占 比过半，高校/科研机构是开源主力。清华大学的 ChatGLM-6B、复旦 大学的 MOSS 以及百度的文心系列大模型开源影响力最高。

通用大模型不仅需要海量数据与雄厚算力支撑，对资金实力、人才队伍等也提出更高要求。如 ChatGPT 单次训练成本高达数百万美金， OpenAI 核心团队 87 人，全部来自世界顶尖高等院校。未来将呈现少 数几家通用大模型，并涌现出无数更贴近产业需求的行业大模型的趋 势。

智算赋能行业应用，是产数业务发展的“加速器”。行业大模型 通过对垂直细分领域的数据进行更有针对性的训练和优化，从而更好 地理解行业的语义和规范，更有效地执行专业性更强的任务。如金融 的风险控制和投资决策，医疗的图像识别和诊断，交通的调度和路径 优化，能源的能耗预测、碳排放监测等。预计生成式 AI 能为这些行 业带来 1000 亿美元到 3000 亿美元的收益。通用大模型企业基于自有 通用大模型+外部行业数据的模式拓展多个行业大模型，行业公司基 于开源大模型+内部行业数据赋能自身应用。截至 2023 年 8 月，国内 已落地的行业大模型共 72 个，主要集中在金融（14 个，19.4%）、医 疗（14 个，19.4%））、传媒游戏（8 个，11.1%）及教育科研（8 个， 11.1%）。