随着全面智能化时代到来

人工智能（AI）技术

深刻影响着社会生产生活

而作为支撑和驱动AI技术

发展的基石和源动力

AI算力需求爆发式增长

 

什么是AI算力

 

AI算力（AI Computing Power）

是指用于执行AI计算任务的计算能力

主要包括训练和推理两个环节

 

 

AI算力的核心

在于高性能计算能力

通过GPU（图形处理器）、

TPU（张量处理单元）、

FPGA（现场可编程门阵列）

以及ASIC（专用集成电路）等

硬件加速器

提高计算效率

 

AI算力如何影响大模型

 

当前的大模型训练

涉及数万亿参数

训练成本极高

 

 

以DeepSeek大模型为例

其训练过程需要依赖

大规模的高性能GPU集群

同时结合高效的分布式计算框架

和算法优化技术

以应对海量数据处理

和复杂模型训练的需求

 

这种规模的训练

不仅对硬件算力提出了极高要求

还需要在数据存储、

网络带宽和能耗管理等方面

进行全方位优化

因此

算力供给的多少

直接决定了大模型的规模和迭代速度

 

全球有多少AI算力

 

据不完全统计

目前全球超过140款AI加速器

用于开发和部署深度学习时代的

机器学习模型

NVIDIA（英伟达）、AMD（超威半导体）等

传统硬件厂商

不断更新加速卡

翱捷科技-U、寒武纪、

商汤-W等中国新势力企业

也在积极布局AI芯片产业链

 

由美国技术研究公司Epoch AI发布的

全球算力估计报告显示

自2019年以来

英伟达芯片的总可用计算能力

大约每年增长2.3倍

从而能够训练越来越大的模型

也就是说

其计算能力平均每10个月翻一番

 

 

Epoch AI同时指出

谷歌、微软、Meta和亚马逊

拥有相当于数十万个英伟达H100的AI算力

这些计算资源既用于其内部的AI开发

也服务于云客户

如OpenAI、Anthropic等AI实验室

 

全球竞争与发展挑战

 

近年来

全球芯片短缺问题愈演愈烈

新兴技术对芯片的需求激增

以及地缘政治等因素

都进一步加剧了供需矛盾

 

芯片短缺危机促使各国

重新审视半导体产业链的安全性

全球半导体格局正在发生深刻变化

美国通过了《芯片与科学法案》

计划投入520亿美元支持本土芯片制造

欧盟也推出了“欧洲芯片法案”

目标是到2030年将全球芯片

市场份额提升至20%

中国则通过政策支持和资本投入

加速国产芯片的研发与生产

中芯国际、华为海思等企业正在崛起

 

 

与此同时

随着AI算力需求的持续增长

IDC（互联网数据中心）建设、

芯片技术突破、

算力资源调度

以及绿色计算

将成为行业关注的重点

AI算力产业链中的

数据中心、云计算等领域

也蕴藏着巨大的投资机会

 

3月4日

世界互联网大会

在2025年世界移动通信大会期间

于西班牙巴塞罗那

举办“AI算力发展”专题论坛

我们期待凝聚更多发展共识

持续推动全球AI算力产业发展

敬请关注！

 

编辑：李汶键  统筹：李政葳