近年来，以ChatGPT、Sora、文心一言等为代表的大模型持续引爆全球AI浪潮，其背后的核心驱动力——AI算力，已成为数字经济时代的关键基础设施。从芯片争夺到智算中心集群化建设，从算力租赁市场化到国产替代加速，AI算力不仅牵引着技术演进，更深刻影响着国家竞争力与产业格局。本文结合最新行业动态、政策进展与市场数据，从产业链、发展现状、应用场景、投资价值、政策环境及未来趋势六大维度，系统梳理AI算力这一战略赛道。 一、AI算力产业链全景图 AI算力指用于执行人工智能训练与推理任务的计算能力资源。其产业链条清晰，涵盖硬件、运营与应用三大环节： 上游：基础硬件层 1、计算芯片：训练侧仍以GPU为主导（英伟达H100/H200及新一代B系列），但国产GPU（如华为昇腾910B、寒武纪思元590、摩尔线程MTT S4000）已在推理及部分训练场景规模化部署；ASIC（如谷歌TPU v5e、亚马逊Trainium2）、FPGA及类脑芯片等专用架构持续渗透。 2、连接设备：1.6T光模块已进入批量交付阶段，CPO（共封装光学）、LPO（线性驱动可插拔光学）等新技术加速产业化，以满足高速互联需求。 3、存储设备：HBM3E成为高端AI服务器标配，2025年HBM市场规模预计超300亿美元；NVMe SSD与分布式存储系统需求同步攀升。 中游：算力供应与调度层 1、算力服务商：公有云厂商（阿里云、腾讯云、华为云、AWS等）、第三方算力租赁商、国资背景的智算中心运营商形成多元供给格局。 2、调度平台：国家级/区域级算力调度平台（如中国算力网）逐步联通，实现跨域资源池化与智能调度。 下游：应用需求层 1、核心需求方：大模型研发企业、大型互联网平台、垂直行业AI解决方案提供商。 2、新兴群体：中小型企业通过MaaS（模型即服务）或算力租赁接入大模型能力，降低创新门槛。 二、国内AI算力发展现状 当前国内AI算力呈现 “需求强劲、自主攻坚、结构优化、绿色转型” 的特征： 1、算力需求持续指数级增长，供给紧平衡状态延续 根据工业和信息化部数据，2025年中国智能算力规模达到每秒680亿亿次浮点运算（680 EFLOPS），同比增长超过45%，增速远高于通用算力。大模型向多模态、长上下文方向发展，持续推高训练与推理算力需求。 高端GPU供应受国际贸易环境影响，结构性短缺依然存在。国产算…

1、 云侧 AI 芯片：供给&需求齐飞，国产替代黄金时期 生成式 AI（如 ChatGPT、DeepSeek）训练与推理需求激增，推动加速服务器及配套网络设施投资。2026财年第一季度英伟达数据中心业务收入同比增长 69%至 441亿美元，印证 AI 算力需求高速增长。根据 Verified Market Research 的数据，2024 年全球 GPU 市场规模为 773.9 亿美元，2030 年有望达到 4,724.5 亿美元，2024-2030 年的复合增长率高达 35.19%，呈现强劲的增长态势。 （1） 空间：国内算力需求高增，云厂 AI 资本支出持续超预期 根据思瀚产业研究院数据，2024 年中国 GPU 市场规模约为 1,073 亿元，同比增长 32.96%。自 deepseek 推出以来，中国人工智能市场经历快速的发展，AI 芯片市场规模快速增长。未来，随着中国 GPU 企业在技术上的不断突破，AI 计算加速芯片的市场规模预计将实现快速增长。 根据弗若斯特沙利文预测，到 2029 年，中国的 AI芯片市场规模将从 2024 年的 1,425.37 亿元激增至 13,367.92 亿元，2025 年至 2029年期间年均复合增长率为 53.7%。伴随国家政策大力扶持、国内人工智能产业链各重要环节技术的不断成熟，国产AI芯片厂商将迎来关键发展机遇，进口替代迫在眉睫。 海外：北美四大云服务提供商（CSP）——亚马逊、谷歌、微软和 Meta 在 2025年的资本支出计划全面超出市场预期，合计规模突破 3150 亿美元： （1）亚马逊：2025 年资本开支指引达 1000 亿美元，主要用于支持 AI 和 AWS云业务的基础设施建设； （2）谷歌：资本支出计划 750 亿美元，重点投入 AI 服务器和数据中心； （3）微软：计划投资 800 亿美元建设数据中心，用于训练 AI 模型及部署云应用； （4）Meta：资本支出指引 600-650 亿美元，聚焦生成式 AI 核心业务。国内：云厂商和运营商尽管总资本开支有所收缩，但算力投资占比显著提升。 （1）阿里巴巴：未来三年计划投入 3800 亿元用于云计算和 AI 基础设施，超过去十年总和； （2）腾讯：2025 年资本支出计…

2026年中国人工智能计算力发展评估报告显示，人工智能正从内容生成走向任务执行，2026至2030年中国活跃智能体年复合增长率将超150%；到2030年中国AI算力市场规模将达1501亿美元，为2025年的4倍。 报告刻画了产业重心的迁移。早期AI以对话与内容生成为主，如今智能体承担规划、调用工具与执行任务，算力需求从训练扩展到推理与实时交互，使用强度与频次显著提升。 算力扩张带动全产业链。服务器、光模块、存储与电力设备同步受益，国产算力生态在政策与需求双击下加速成熟。智能体的高增，也意味着推理侧能耗与成本的约束更突出。 但高速增长伴随过剩与效率之问。全球数据中心因能耗与社区反对屡遭搁置，单位算力的产出与绿色化成为竞争维度。谁能兼顾规模与能效，谁就更可持续。 对投资者，AI算力是高确定性高增长与高波动并存的赛道。跟踪资本开支、利用率与能效指标，比追逐概念更重要。任何配置都需评估自身风险承受力。 产业的变化从来不是线性的，保持观察与耐心往往比追逐每一个热点更重要。 技术从实验室走向生产线，中间隔着工程、成本与生态三道关，缺一不可。 信息的价值在于被理性使用，情绪化的决策常常在拐点处付出代价。 任何赛道的繁荣都伴随着泡沫与争议，辨别真伪需要时间与证据。 长期主义者更看重底层逻辑的稳固，而非短期价格的起伏。 配置的意义在于应对不确定性，而非预测每一次波动。 真正的壁垒来自持续的研发投入与组织能力，而非一时的风口。 把复杂问题交给时间，往往比交给情绪更接近正确的答案。 产业的变化从来不是线性的，保持观察与耐心往往比追逐每一个热点更重要。 技术从实验室走向生产线，中间隔着工程、成本与生态三道关，缺一不可。 信息的价值在于被理性使用，情绪化的决策常常在拐点处付出代价。 任何赛道的繁荣都伴随着泡沫与争议，辨别真伪需要时间与证据。 长期主义者更看重底层逻辑的稳固，而非短期价格的起伏。 …

1、智算行业发展概况 智能算力是支撑人工智能技术和产业发展的新型生产力，是融合人工智能算法、高性能计算、大数据处理与云计算的新型计算范式，核心是通过软硬协同、算力调度与算法优化的深度融合，为大模型训练和推理、行业智能化转型等复杂任务提供高效、弹性的计算支撑，是数字经济时代的核心基础设施，被国家明确定位为与水、电、交通同等重要的战略基础能力。目前，智算集群已成为解决日益增长的智能算力需求的关键解决方案。 智算集群是一个综合 AI 基础设施，旨在支持大规模 AI 工作负载，利用数以千计的AI 算力设备组成一个分布式系统，将智能算力作为一种生产力提供。通过系统级工程，智算集群实现算力、网络、存储及软件元素之间的深度协调，让用户能够便捷地获取高性能的 AI 算力。 典型的智算集群由智算集群产品组成，包括计算、网络及存储等设备，以及进一步赋能 AI 工作负载的软件。此外，智算集群供应商可进一步交付智算集群服务，使用户能够按需获取高效能智能算力，而无需采购、部署或运营专属的智能算力集群，从而建立全栈智能算力集群的供应能力。 2、智算行业市场规模 作为数字经济时代的关键生产力与产业数智化转型的核心基石，全球算力规模近年来长期保持高速增长态势。经中国信息通信研究院（以下简称“中国信通院”）测算，截至 2025 年 6 月末，全球计算设备算力总规模（基于 FP32 计算）为 4,495EFlops，同比大幅增长 117%，其中智能算力规模为 3,846EFlops，占总算力比例达到 85%。随着智能算力成为绝对主导，预计未来五年全球算力规模将以超过 60%的速度增长，至 2030 年全球算力将超过 50ZFlops，其中智能算力占比将超过 95%。 “十四五”以来，中国持续推进数字基础设施建设，完善全国一体化算力体系，促进算力资源的高效利用，目前算力规模稳居全球前列。根据工业和信息化部发布的数据，截至 2025 年末，我国已建成万卡智算集群 42 个，智能算力规模（基于FP16计算）达1,590EFlops，截至 2026 年6 月末，智能算力规模达 2,185EFlops，较 2025 年末增长 37.42%，仍保持快速增长态势。根据 IDC 预测，2028 年中国智能算力规模将达到 2,782EFlops。 在智能算力需求爆发式增长的驱动下，智算集群行业呈现蓬勃态势，市场体量持续扩张。根据思瀚统计与测算…

随着大模型的竞争从训练阶段的参数扩张，逐步走向以token消耗为度量的推理部署，算力产业的转型升级也进入了“深水区”。 智算中心单机柜功率从传统的6千瓦至8千瓦，已经攀升至数十、上百千瓦。特别是在NVIDIA即将于2027年上市的Kyber系统架构中，单机柜功率将达1兆瓦。 从交流到直流，从机械式保护到电子化开关，电力系统作为算力扩张的坚实底座，同样经历着从量到质的变革。 高压直流配电：突破功率密度的物理边界 产业研究机构预测，到2030年，中国智能算力年均增速将超过60%。传统的“数据存储仓库”正在向“AI工厂”跃迁。智算中心不仅面临功率密度的暴涨，其热管理需求、部署和运维的复杂度也在以指数级飙升。 在这一趋势下，传统交流供电架构承受的压力日益显现。 交流电力架构需经过UPS双变换及机架电源二次整流，端到端能效往往低于90%。而且随着机柜功率密度的增加，电流越大，损耗越重，器件故障隐患也愈发严峻。 高压直流供电架构（HVDC）简化了能量传输链路，电能转换损耗显著降低。在同等功率下，HVDC的端到端能效可提升5个百分点以上。而且直流电流平稳无波动，铜排截面积更小，可将单柜铜耗减少最高45%，灰空间面积节省约30%。 对此，业内正在进行不同路径的探索。早在数年前，阿里巴巴就已开始采用更高电压的直流供电，从此前的240V升级到±400V，并将最终迈向800V。谷歌、亚马逊云与Meta则在落地400V直流供电方案。英伟达最新芯片主推800V直流架构，以支持高密度GPU集群。 面对配电架构的深度重构，西门子的技术演进逻辑已从单一组件的适配，转向全链路直流生态的深度定制。在西门子的技术路线图中，HVDC不是交流系统的简单平替，而是基于不同场景的个性化能源供配体系。 针对超大规模云服务商青睐的±400V双极性直流架构，西门子侧重于解决中压侧与直流侧的保护协同。作为某全球头部互联网企业的核心生态伙伴，西门子深度参与其数据中心的供配电模块配套和数字化交付。西门子中压配电系统高度匹配其最新的全直流方案，已落地多个“东数西算”节点智算中心。其中，中压方舱与直流UPS方舱采用NXAirS空气绝缘开关设备，柴发方舱采用8DJH气体绝缘开关设备，均搭配7SJ686系列综保装置，以工厂预制化模块的方式交付，确保高可靠、高效供电，同时保留灵活性与扩展性。 而在代表智算极限的800V 直流领域，西门子与英伟达正联合打造可复制的下一代AI工厂架构蓝图。…

7月20日，国务院新闻办公室举行新闻发布会，工业和信息化部总工程师王卫明，工业和信息化部新闻发言人、运行监测协调局局长陶青，工业和信息化部新闻发言人、信息通信管理局局长谢存出席发布会，介绍2026年上半年工业和信息化发展情况，并回答了记者的提问。 谢存介绍，工业和信息化部深入贯彻落实党中央、国务院决策部署，与有关部门协同配合，一体推进算力建设，深化算力赋能应用，取得积极成效。 一是算力规模持续提升。持续推动算力设施高质量建设，加快“枢纽—区域—边缘”算力设施协同布局，引导大型及以上算力设施在枢纽节点集聚，同时鼓励各地按需建设算力设施。依托中国算力平台搭建全国一体化算力态势感知自动化监测体系，加快建设“算力超市”。截至今年6月底，我国智能算力规模达2185EFLOPS（FP16）。其中东部、中部、西部、东北地区智算规模占全国比例分别是55.9%、10.6%、32.6%、0.9%。全国算力设施整体上架率达71.4%。 二是产业生态逐步完善。深入实施算力强基“揭榜”和算力互联互通行动，支持自主生态发展，加强算网一体化、绿电直连、源网荷储等技术创新应用。加快研究形成《算力标准体系建设指南（2026版）》，以体系化标准引领产业规范升级。 三是传输通道不断拓宽。加速建设高速宽带网络，深入实施城域“毫秒用算”专项行动，提升算力高效运载能力。近两年围绕国家算力枢纽节点建设超70条算力大通道，相关算力枢纽节点间网络性能提升10%。 谢存表示，当前，人工智能大模型和智能体应用的爆发式增长使得智能算力需求不断提升。下一步，工信部将持续按照“点、链、网、面”体系化工作思路，优化算力基础设施资源部署，打造算力互联互通节点，提升算力资源利用效率。 一是“点上发力”。优化算力资源供给部署，统筹产业发展和能源供给等因素，推动智算集群建设和算电协同发展，打造梯次化算力布局，加强算力统筹监测。 二是“链上创新”。印发算力标准体系建设指南，推动建立算力服务能力评估、算力市场化定价等标准。开展新型传输协议、卡间互联等技术攻关。 三是“网上升级”。推动建设高速宽带网络，打造高效畅通的算力传输通道。深入推进城域“毫秒用算”专项行动，提升算力应用交互体验，推动算力互联互通。 四是“全面赋能”。深入实施普惠算力赋能中小企业发展专项行动，提升算力服务易用水平。组织…

近两年，随着全球人工智能飞速发展，不仅带来技术变革，更推动产业基石——AI算力（衡量AI竞争力的关键指标）爆发式增长。统计显示，2023年全球AI算力服务器出货量同比增长38.4%。而我国作为全球人工智能大国，不仅AI算力位居全球第二，而且增速持续领跑。研究显示，2023年中国AI服务器市场规模同比增长82.5%。 中兴通讯推出新款AI算力服务器， 带来超强算力性能       日前，作为全球ICT领军企业，中兴通讯宣布G6系列服务器家族在AI算力领域再添重磅新成员，新一代高性能服务器R2350 G6和海量存储服务器R2550 G6产品正式发布，带来更加极致的算力性能，为人工智能服务器注入新活力。 其中，R2350 G6服务器是一款计算性能强大的服务器，搭载1颗高性能处理器，具有“传输速度快、可扩展性强、异构计算性能强”的优势，在传输速度上，它的速率可达6000MT/s，根据特定客户要求最高可达6400MT/s；在可扩展性上，可支持16个PCIe 5.0扩展插槽，支持32个NVMe U.2/E1.S/E3.S硬盘，提供高速IO接口；与此同时，最大支持4块双宽全长GPU卡，提供强大的异构计算性能，轻松应对高并发、低延迟、数据密集型工作负载，可广泛应用于互联网、云计算、AI推理等业务场景。 R2550 G6服务器则是一款面向数据存储领域应用的计算与存储结合的4U大存储服务器，搭载1颗高性能处理器，具有“传输速度快、存储性能强”的优势，在传输速度上，速率达到6000MT/s，应特定客户要求速率最高可达6400MT/s；在存储性能方面，可支持多样化存储类型，最大支持44块2.5/3.5寸可热插拔硬盘，最高支持28块NVMe U.2硬盘，拥有超大容量存储、超高速I/O接口，充分满足云存储、云计算、AI计算、大数据、视频、图像等海量数据存储需求。 据悉，今年中兴通讯在AI算力服务器领域持续发力，前不久中兴通讯还推出了R6930 G3大模型训练服务器，以大带宽高速互联，绿色液冷散热，满足AI大模型训练超高并行计算需求，全方位打造高效AI智算引擎，为金融机构在自然语言大模型、深度学习、人工智能、高性能计算等领域提供强大的算力支撑，助力金融行业创新AI人工智能应用场景。 AI算力领域全面布局，助力AI产业深入发展     据了解，作为全球ICT领军企业，中兴通讯早在2016年就开始在人工智能领域进行投入。 &nb…

算力租赁产品“秒光”！2600亿市场爆发，协创数据等龙头领跑 一、算力租赁市场的崛起背景 （一）AI发展带动算力需求 随着DeepSeek、ChatGPT等众多AI软件的出现，电脑算力成为热门话题。对于科技企业而言，控制算力成本成为重要问题，“以租代买”的方式逐渐兴起。 （二）市场行情火爆 在电脑设备租赁行业，高性能机型出现“上架即秒光”的现象。据预测，到2026年，我国算力租赁潜在收入市场规模有望达到2600亿元，显示出该市场的巨大潜力。 二、算力租赁的核心竞争力与高回报率 （一）高端算力资源稀缺的现状 供给不足 算力租赁本质是对算力资源的出租。智算算力租赁业务兴起，短期内智算资源供给能力不足，特别是以GPU为代表的AI芯片紧缺。 自建成本高 自建智算中心投资规模大、运维能力要求高，算力使用综合成本高。在高端芯片限制收紧的情况下，国产化芯片虽加速发展但仍有差距。 （二）算力租赁业务的核心要素 算力租赁业务的核心竞争力在于高端芯片资源、资金来源以及核心的客户资源。 （三）高回报率的算力租赁 天风证券指出，国产算力保持高景气度，算力租赁以及智算中心需求激增。以一台装配8张H100显卡为例，按照五年租期以及每月7万元租金计算，平均折旧法下第一年到第五年的设备租赁净利率分别为32%、34%、35%、36%、37%；若按照加速折旧测算，第一年预计亏损5.1万，第2 - 5年每年净利率为14%、35%、55%、75%，回收设备回收期在3年左右，整体回报率较高。 三、相关上市公司分析 （一）协创数据 合作与平台建设 协创数据的算力租赁业务与某互联网客户、中国移动国际签订战略合作协议，并且在张江科技园、中关村综合保税区建立人工智能国际创新加速平台。这有助于协创数据整合资源，提升在算力租赁市场的竞争力。 市场优势 凭借与大客户的合作以及创新平台的建设，协创数据能够更好地满足客户需求，在算力租赁市场中占据有利地位，有望随着市场增长实现业务扩张。 …

在安徽合肥一处智算中心的机房，这台八卡的算力服务器算力可以达到2.4P，1P算力约等于每秒1000万亿次的浮点算力。这一台机器每秒相当于300台高性能笔记本电脑的算力总和。在这个机房，这样的服务器有256台。 据了解，作为大型的算力集群中心，这两年有许多智算中心也逐步投入使用。这家智算中心的相关负责人介绍，该智算中心投入使用已有半年多。目前，算力规模已经达到1.5万P，预计2025年公司的算力租赁业务将迎来井喷期。 企业负责人饶有根介绍，今年整个营收预计在10亿元左右。相比2024年，增长应该在三倍以上。合肥智算中心光伏在今年春节实现了并网。他们在技术上进行了创新，大量采用高速铜缆的接入技术，缩短了服务器之间的连接，可以提升传输效率、降低延迟。 据了解，近期，许多公司正在加紧采购算力服务器，尤其是高性能算力服务器呈现出“一机难求”的盛况。杭州一家算力租赁公司的负责人介绍，由于下游算力租赁需求的增长，他们正推进一笔200台高性能服务器算力服务的采购，而这批服务器将于近期投入算力租赁市场。 近期，多家上市公司陆续发布了算力服务器采购公告。业内人士预计，随着国产大模型的升级，应用场景的增多，算力租赁行业有望保持高景气度。 大模型接入成本降低 企业加快算力终端应用 国产大模型的升级，带动了应用端使用成本的降低。许多企业也开始尝试接入大模型，应用在公司业务的各个方面。 陈超是上海一家科技服务公司的负责人。2025年他在公司的网页端接入了国产大模型，用户输入需求后，通过大模型的语义分析，能够将用户需求拆解成一系列拥有相关技术的公司或专利技术，帮助用户实现更精准的“点对点”匹配。陈超介绍，国产大模型成本低、效果好，未来还将有一系列功能上线。 上海某科技服务公司执行董事陈超介绍，Deepseek主要的一个优势就是计算成本大大降低，语义识别能力和推理能力非常强大。他们现在的匹配率大概提升了20%。从成本来讲，降低超过50%。 记者从多家算力租赁公司了解到，目前，小微企业算力租赁订单呈现爆发式增长。公共服务、教育、金融等领域都在打造以自身知识库为基础的模型，而算力租赁模式投资小、成本低，相较自建算力机房更受青睐。许多公司也在研发“算力租赁+服务”的新模式，将大模型嵌入服务器中，降低企业的调试成本。 据悉，自2024年年初以来，算力租赁的价格也在逐步降低，…

在人工智能技术加速渗透千行百业的今天，AI 算力作为驱动算法训练、模型推理和数据处理的核心基础设施，正成为数字经济时代的 "新电力"。从 AlphaGo 击败人类围棋冠军的震撼时刻，到如今大模型驱动的智能客服、自动驾驶、药物研发等应用的规模化落地，AI 算力的每一次突破都在重塑产业竞争格局。本文将从技术演进、产业生态、应用场景等维度，深度解析 AI 算力的发展现状与未来趋势，揭示这一核心生产力背后的增长逻辑与变革力量。 二、AI 算力发展现状：规模爆发与技术迭代双轮驱动 （一）算力规模呈指数级增长，智能算力占比快速提升 根据《综合算力发展现状与趋势分析》报告显示，截至 2023 年 6 月，我国算力总规模已飙升至 197 EFLOPS（每秒浮点运算次数），其中智能算力占比突破 25%，达到 49.25 EFLOPS，同比增速高达 45%，远超整体算力 30% 的增速。这一数据背后，是人工智能大模型训练带来的算力需求井喷 —— 以 GPT-4 为例，其训练所需算力较 GPT-3 提升了 10 倍以上，推动全球智能算力市场进入爆发期。 从全球竞争格局看，美国仍占据高端算力市场主导地位，英伟达的 GPU 芯片占据全球 AI 算力芯片市场 70% 以上份额。但中国正通过 "东数西算" 工程加速算力基础设施布局，西部数据中心集群的智能算力占比已从 2020 年的 15% 提升至 2023 年的 28%，东西部算力资源配置日趋均衡。 （二）算力技术架构持续创新，多元算力体系形成 传统基于 CPU 的通用算力已难以满足 AI 复杂计算需求，以 GPU、TPU、NPU 为代表的专用算力芯片崛起，形成 "CPU + 专用芯片" 的异构计算架构。英伟达 GeForce RTX 4090 显卡基于 Ada Lovelace 架构，搭载 24GB GDDR6X 显存，FP16 精度算力达 1.35 TFLOPS（Tensor Core 模式下可提升至 108 TFLOPS），较上一代 RTX 3090 提升 2.8 倍；华为昇腾 910 芯片算力达 256 TFLOPS（FP16），实现国产算力芯片的突破。 边缘算力与中心算力协同的分布式架构成为新趋势。在自动驾驶场景中，车载算力平台需要实时处理激光雷达、摄像头等传感器数据，算力需求达 200 TOPS 以上，推动 Mobileye、地平线等企业加速研发车规级 AI 芯片。2023 年全球边缘 AI 算力市场规…