综合算力指数 算力产业发展方阵 2025 中国算力大会 2025 年 8 月 综合算力指数 版权声明 本报告版权属于算力产业发展方阵、2025 中国算力大 会，并受法律保护。转载、摘编或利用其他方式使用本报 告文字或者观点的，应注明“来源：《2025 综合算力指 数》”。违反上述声明者，将追究其相关法律责任。 综合算力指数 推荐序 近年来，AI 技术迅猛发展，算力作为数字经济的基础资源，其重要性与日 、面”体系化 推进全国一体化算力网络工作，综合算力指数作为衡量我国算力发展水平的重 要标尺，相关研究工作意义深远。 随着 AI 在千行百业加速渗透，算力赋能数字经济社会的效能，不仅仅取决 于算力、存力、运力以及发展环境本身，模型能力也成为决定人工智能深度赋 能的关键。因此，中国信通院研究团队持续优化综合算力指标体系，在往年基 础上，增加模型能力的呈现，从算力、存力、运力、模力、环境多个维度，更 加准确剖析我国算力产业发展态势。 《2025 综合算力指数》为我们提供了一个全面而系统的视角来洞察我国算 力发展最新进展。通过科学的指数体系构建，将“综合算力”解构为几十余项具 体的指标，映射出我国在算力领域的发展状况，这将为国家制定精准的产业政 策提供科学依据，为产业的技术创新和投资方向提供“指南”。 展望未来，我国算力发展之路机遇与挑战并存。我坚信，在全国各界的共 同努力下，我国算力产业必

智算服务案例集 全球计算联盟 智能计算产业发展委员会 1 编写单位（排名不分先后） 中讯邮电咨询设计院有限公司、华为技术有限公司、科大讯飞股份有限公司、 中国信息通信研究院、中国电 序 智算服务推动智算产业纵深发展 数据爆发式增长、算力不断跃迁、AI 算法和大模型持续演进带领我们进 入一个万物重构和万物智联的新时代。算力和 AI 是引领这一时代发展的最核心 的双引擎，是支撑数字建设和数字经济运行的关键要素。 智算建设如火如荼，但唯有建好、管好、用好算力，提供极致的智算服 务，构建稳健高效的算力平台，才能将算力转化为驱动创新的价值源泉，持续 释放算力价值。 智算服务是发挥极致集群算力的关键要素，释放算力新质生产力，服务 不可或缺。智算集群是一个复杂工程系统，非简单的软硬件的堆砌，它要求 算、存、网、服务的高效协同。智算服务包含智算集成、运维、计算使能和优 化、辅助运营等方面。发挥极致集群算力，需要构建智算服务产业共识，持续 推进智算服务产业升维。 我们期望通过本案例集的发布，能够进一步促进行业内各方的深度交流 与协同创新，共同推动

国标分类/信息传输、软件和信息技术服务业/软件和信息技 术服务业/软件开发、头豹分类/信息传输、软件和信息技术 服务业/软件和信息技术服务业/软件开发 Copyright © 2025 头豹 2 智能软件研发：算力与场景双驱动，智能软件研发进入“平台+服 务”融合新阶段 头豹词条报告系列 饶立杰、饶立杰RLJ 2025-07-11 未经平台授权，禁止转载 行业分类： 信息传输、软件和信息技术服务业/软件开发 业化进程最快，英特尔与美光早在2015 年便联合推出了相关产品；MRAM已实现产业化，主要应用于嵌入式存储领域，能大幅降低系统功耗，最高可达90%以上；而RRAM虽 尚未实现大规模商用，但其在存算一体及人工智能领域的潜力值得期待。在全球数据量激增和新型存储技术革新的背景下，智能软件研 发行业将迎来前所未有的发展机遇。 中 产业链中游环节分析 中游分析 智能软件研发企业显现出显著的地域集聚特征，呈现高度集中与区域集群态势。 800亿元。同时，中国已形成了京津冀、长三角、珠三角三大人工智能集聚发展区，拥有超过4400家 核心企业，数量位居全球第二。此外，中国在人工智能基础设施方面亦表现突出，占地规模同样位居全球第二，且智能算力占比超过25%。人工 智能在智能软件研发行业的推动作用日益显著，具体表现在提升开发效率与质量、引领开发模式创新、强化软件个性化与智能化特性，以及加速 跨领域融合与技术革新等多个维度。在AI技术的

嘎嘎射击 4.4 蚂蚁集团ZOLOZ 前言 IDC分析师认为：全球AI基础设施革新的浪潮中， 算力需求的爆发正在驱动云计算与边缘计算深 度融合，行业定制化与智能化服务加速渗透，成本优化与绿色计算将成为竞争的关键。未来，基 础设施的核心矛盾将从“资源供给”转向“效率与价值平衡”，技术迭代将围绕“弹性算力调 度”“数据主权治理”“垂直场景深度适配”三大主线展开。 越来越多的企业核心数据正在向云 �� 1.1 技术全面升级，为复杂的企业在线业务提供保障 企业在线业务的受众范围和功能复杂度在快速增加，在金融交易、电商直播、实时游戏等场景 下，服务端动辄需要支持百万级并发连接和毫秒级响应要求，应对海量的网络协议处理、页面加 载、安全等事务。企业云计算客户不仅对算力密度有极致追求，还期望通过连接性能和存储技术 等多个方面的协同进步，实现数据库、大数据等服务平台的性能跃升。在IDC面向全球1350家企 �� ��� ��� ��� ��� ���� ���� ���� ���� ���� ���� Capacity(ZB) Growth Rate �� 对算力密度的极致追求：企业希望利用有限的物理空间输出更强大的算力。这一方面体现在 一些高端的云服务实例可以提供数百、数千甚至数万数量级的CPU、GPU核服务能力；另一 方面，为满足大数据、数据库、3D视频处理在内的一些单核敏感型业务的需要，云服务仍将

… · 临近奇点： AGI 将带来颠覆 结论和展望 引爆这一轮人工智能的新范式：算法 + 数据 + 算力 22/30 ■ 新范式摆脱了对人类专家的大部分依赖，走向了自我迭代升级 2017 年 10 月， AlphaGo Zero 在 3 天内自我对 弈 490 这一阶段的人工智能主要依赖于预先设定的规则和 逻辑推理，强调专用算法设计实现特定任务。 新范式的本质：替代了人类专家的角色，把人从开发链条中移出 24/30 口重要意义：人的智力和工作时长，与芯片算力和运算时长之间建立了转换关系 ! Al 智 力 工业 4.0 人、机、物 互联互通 服务的互联网 门车 的 皙箱中网 智 芎 T 厂 ◎ 物品的互联网 物品的互联网 今天 Eh 文 人的智力 工业 3.0 应用电子信息技术， 进一步提高自动化 水平 电力 工业 2.0 将人类带入分工明 确、大批量生产的 流水线模式和“电 热力 工业 1.0 创造了机器工 厂的“蒸汽时 代 ” 1970 年代 初 20 世纪 初 18 世纪 末 能楼 字 新范式的本质：替代了人类专家的角色，把人从开发链条中移出 25/30

Learning ，中泰证券研究所 DeepSeek-R1-Zero 自然涌现 long-CoT 能力 DeepSeek-R1-Zero 的能力随步数提升 4 n DeepSeek 通过优化训练方法显著降低了算力消耗，使其在大规模数据处理中的成本更具优势。 它在 MoE 架构的基础上， 通过多头潜注意力机制（ Multi-Head Latent Attention ， MLA ）进行优化；在后训练阶段采用冷启动 的模型能力，结合实时联网搜索以及 RAG 能力， 动态识别欺诈行为，提升风险预警精准度。 n 苏商银行通过深度融合 DeepSeek 系列模型技术， 构建“数据 + 算法 + 算力 + 场景”四位一体的智能决策体系， 该体系已成功应用于信贷风控、反欺诈监测等 20 余个业务场景，尽调报告生成效率提升 40% ，欺诈风险标签准 确率提升 35% ，构建 技术落地：基于自研的“工银智涌”平台引入 DeepSeek 开源模型 应用场景：构建财报分析助手、 AI 财富管家等 10 余个场景，提升复杂数据处理能力 技术亮点：通过模型轻量化技术降低推理成本，计划围绕“领航 AI+ 行动”深化算力、数据与模型的协同创新 建设银行 技术落地：总行完成 DeepSeek 定制化训练，全集团推进生成式 AI 体系化应用。子公司通过总行平台按需调用模型，严禁自行接入外部模型，保障技术 可 控性

外部指令联调 边缘计算与网关 控制终端 .PLC 实时域系统 信息域系统 系 统 框 图 运营管理 AI 算 法 大数据分析 BIM/CIM 加 持 访 客 与 信 息 发 布 会 议 管 理 平 台 PC 境 外 接 数 据 能 效 监 管 智 慧 城 市 移动端 智 能 照 明 楼 控 电 梯 定义数据 功能逻辑分析推导数据 数据链路规划贯通南北 配置硬件 按需配置定义接口 预留冗余适度超前 顶层规划 顶层设计，解析痛点 规划场景，定义需求 搭建架构 南向数据汇聚边缘 PLC 关 系 敷 据 库 移动端 进 玄统 体 化 设 备 等 时 时 B 辉 智 能 照 明 楼 控 电 梯 据 设计 目标：模块选择，应用设计 成果：信息化初设文本 硬件配置 目标：配置硬件，定义接口 成果：智能化设计图纸 实施路径 实施 目标：定制开发，软硬件交付 成果：信息化平台，智能化工程

的 TCO（总拥有成本） 比自建同类模型低 40-60% ，主要节省来自： - 无需维护 GPU 计算 集群 - 按实际调用量计费的弹性成本模型 - 内置的模型优化减少 30%的算力消耗 最后的技术风险评估确认了两个需重点关注的领域：数据隐私 保护通过部署私有化模型容器解决，而模型幻觉问题则通过结合业 务规则引擎（Drools）进行输出校验。实际压力测试证明，在峰值 负载下系统能保持 场 景的负载预测，需从硬件配置、云服务选型、网络带宽三个维度进 行规划。 硬件配置 针对 DeepSeek-V3（128K 上下文版本）的推理需求，建议采用以 下基准配置： - GPU 算力：单实例至少配备 NVIDIA A100 80GB 显卡，处理典型 CRM 工单分析任务时，响应时间可控制在 800ms 以内。若需支持 高并发（>50 QPS），建议采用 A100 集群或 H100 客户生命周期管理展开，覆盖从获客到售后服务的全流程。以下是 核心场景的详细实施方案： 智能客户洞察与分层 通过大模型分析客户历史交互数据（通话记录、邮件、工单），自 动生成客户画像标签体系。例如，对电商行业客户可提取购买偏好 “ ” “ （如 高客单价数码产品倾向者 ）、服务敏感度（如 物流时效敏感 ” 型 ）等维度，结合 RFM 模型输出动态分层结果。 数据输入类型 模型处理逻辑 输出维度示例

个性化服务与客户体验优化：商务 AI 智能体能够根据客户的 个性化需求提供定制化服务，如个性化推荐、定制化报价等。 通过深度学习和自然语言处理技术，智能体可以与客户进行自 然交互，提升客户体验。例如，在电商平台上，智能体可以根 据客户的浏览和购买记录，推荐符合其偏好的商品。 4. 跨平台与集成能力：商务 AI 智能体通常具备跨平台操作的能 力，能够与企业现有的 ERP、CRM、SCM 等系统无缝集成， 别市场趋势、客 户行为变化以及潜在的业务机会。其次，智能体能够自动化执行多 种商务任务，如客户关系管理（CRM）、供应链优化、财务分析 等，大大减少了人工操作的繁琐性和错误率。例如，通过智能算 法，智能体可以自动筛选出高价值客户，并为其定制个性化的营销 方案。 此外，商务 AI 智能体还具备自然语言处理（NLP）能力，能够 与用户进行自然流畅的对话，解答业务问题，提供实时建议。无论 商务 AI 智 能体的核心应用之一。通过自然语言处理（NLP）技术，AI 智能体 可以实现智能客服，自动响应客户咨询，解决常见问题，甚至通过 情感分析了解客户情绪，提供更加个性化的服务。例如，电商平台 可以利用 AI 智能体实时处理大量客户查询，减少人工客服的工作负 担，同时提高客户满意度。 在销售和市场营销方面，AI 智能体能够通过数据分析预测客户 需求，制定精准的营销策略。例如，智能推荐系统可以根据用户的