基础特征：大带宽、低时延、内存统一编址 超大规模 扩展特征：多级缓存池化、资源灵活配比 超高可靠 灵活切分 大模型计算基础设施的挑战 小结 小结 CONTENTS 目录 超节点发展报告 02 当我们站在人工智能大模型技术飞速发展的十字路口，一个清晰的趋势已然浮现：大模型正沿着 “规模定律”不断演进，从预训练扩展到覆盖预训练、后训练、逻辑推理的全流程，其参数与集群 规模实现“双万” 跨越，行业模型落地需求专业化。 跨越，行业模型落地需求专业化。 传统的服务器集群架构在这场变革中瓶颈愈发明显。千亿级模型一次梯度同步产生的 TB 级数据 让传统以太网带宽难以承受；同时，伴随算力规模扩大，万级处理器带来的故障常态化，对自动化 运维与 RAS 能力提出了更高要求。在这样的背景下，超节点的出现成为了面向大模型未来发展的必 然趋势。 超节点并非简单的硬件堆砌，它的实现离不开基础技术、系统能力与可落地性的三方协同。基础 塞的高带宽 互联，将数百上千个 AI 处理器编织为一个逻辑统一的高密度计算体，为高效计算提供了底层支撑。 系统能力则是超节点高效运转的保障，它需要具备大规模、高可靠、多场景等系统特征。大规模的 组网能力突破了单机扩展的硬件限制，为大规模算力聚合提供架构支撑；高可靠的运行特性化解了 网络、计算、存储等子系统的故障风险，保障集群作业的连续性；多场景的适配能力则能通过精细 化资源调度等机制，满足不同业务需求，最大化释放算力价值。

部署至今已超过五年时间，5G 独 立组网和 5G-Advanced 已成为推动智能联接新时 代的核心技术。 联接作为数智化转型的技术基础，通过满足时延、 速度和网络能力的要求，支持云智融合、大规模物 联网和边缘计算，将联接能力延伸至终端设备或网 络边缘，实现本地智能。 联接在数智化中发挥以下两大关键作用。首先，在 企业层面，85% 的企业认为 5G 对其数智化转型具 有“非常重要”或“极其重要”的推动作用。联接 结构性挑战，实现数据流无缝传输，释放数据 计算基础设施潜力。 4. 移动产业规模增长 ：预计 2025 年至 2030 年间， 移动经济的复合年均增长率将达 9%。2030 年， 以 5G/5G-A 为代表的移动技术将为全球经济贡 献 11 万亿美元，占全球 GDP 的 8.4%。 5. 缩小存储规模差距 ：数智经济的优势将不仅在 于数据生成规模，更在于其数据的高效存储、 保护与使用。 6. 发展人工智能是系统工程 ：随着 重心从数字接入转向能力建设，推动初创企业 和知识产权在人工智能时代创造更大的价值。 08 全球数智化指数（GDII）2025 全球经济影响与行业转型 预计到 2025 年，数智经济规模将达到 26.7 万亿 美元，占全球 GDP 的 25%。数智化转型（包括人 工智能领域）每投入 1 美元，预计能带来 9.55 美 元的数字化产出，回报率显著。 » 电力 ：实现清洁、智能和有韧性的能源系统转

资本开支持续高速增长，带 来 AI 服务器市场规模大幅提升，预计到 26 年全球 AI 服务器出货量将达到 237 万台，对应 2023-2026 年 CAGR 为 26% 。 l 重点推荐组合：中芯国际、翱捷科技、德明利、工业富联、沪电股份、联想集团、国芯科技、澜起科技、芯原股份、龙芯中科、东山精密、景旺电子。 l 风险提示：宏观 AI 应用推广不及预期、 AI 投资规模低于预期、 AI 服务器渗透率提升低于预期、 万美元，对比 GPT-4o 等模型的训练成本 约为 1 亿美元。 l 2025 年 1 月， DeepSeek-R1 发布，性能对标 OpenAI-o1 正式版。 DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下， 极大提 升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI-o1 正式版。同时 DeepSeek 开源 R1 推理模型，允许所有人在遵循 得益于自研推 理加速引擎加持，硅基流动和华为云昇腾云服务支持部署 的 DeepSeek 模型 可获得持平全球高端 GPU 部署模型的效果。 2 ）提供 稳定的、生产级服务能 力，让模型能够在⼤规模生产环境中稳定运行，并 满足业务商⽤部署需求 华为云昇腾云服务可以提供澎湃 弹性 充足的 图：亚马逊宣布支持访问 DeepSeek-R1 模型 请务必阅读正文之后的免责声明及其项下所有内容 DeepSeek

控制系统负责对人形机器人的行为和运动进行规划和控制，相当于“大脑”和“小脑”，视觉则是人形机器人对外感知的主要渠道，二者共同构成人 形机器人的核心领域。机器人控制器市场目前由机器人整机厂商主导。但控制器研发门槛较高，随着规模更小、资金更少的人形机器人创业公司的增 加和竞争加剧，第三方控制器厂商有望主导人形机器人控制器市场。机器视觉市场目前由美、日厂商占据主导地位。我们认为人形机器人成本在快速 下降过程中，而对精度、稳定  人形机器人正处于商业化爆发期前夜，普遍认为到2030年市场规模可达数百亿美元。Markets and Markets预计全球人形机器人市场规模将由2023年的18亿 美元提升至2028年的138亿美元，年复合增速约50.2%。据高盛预测，乐观情况下2035年市场规模可能达到1540亿美元，相当于2021年电动汽车市场规模或 手机市场规模的1/3 。2024年4月首届中国人形机器人产业大会上发布的 《人形机器人产业研究报告》预测，2024年中国人形机器人市场规模将达约27.6亿 元，2026年达到104.71亿元，2029年达到750亿元，将占世界总量的32.7%，比例居世界第一，到2035年有望达到3000亿元规模。  巨头纷纷入局，创业公司百花齐放，众多厂商快速迭代。如特斯拉三次发布Optimus性能更新迭代视频；DeepMind与斯坦福大学联合推出的Mobile Aloha也 两次

未来一段时间即将迎来人形机器人高速增长的阶段。从整体规模 上看，中国高工机器人产业研究所（GGII）预测，2025年全球人形 机器人市场销量有望达到1.24万台，市场规模63.39亿元。到2030 年，全球人形机器人市场销量将接近34万台，市场规模将超过640 亿元；到2035年，全球人形机器人市场销量将超过500万台，市场 规模将超过4000亿元。而高盛预测，到2035年全球范围内人形机 器人市场规模有望达到1540亿美元 模，实现翻一番。 图2 全球人形机器人市场规模及展望 （来源：高工机器人产业研究所） 04 来源：高工机器人产业研究所(GGII)《2025年人形机器人产业发展蓝皮书》 来源：高盛《人形机器人专题报告》 世界互联网大会智库合作计划系列成果 3.各国科技巨头加速推进人形机器人落地实践 全球人形机器人产品已经处于产品发布和应用验证阶段，但到商 业落地和大规模量产仍有一段距离。 带来的规模化应用可行性。从技术视角看，深度学习框架的演进显著强 化了多模态数据的实时处理能力，例如基于Transformer架构的模型使 机器人能够同步解析视觉、语音与环境反馈信息，从而在动态场景中实 现“感知-决策-行动”闭环的高效运行。从成本视角看，高精度传感器、 仿生关节驱动器的微型化与成本下降，使人形机器人从“奢侈品”走向 “平民化”，产品转化周期大幅缩短，具备规模场景应用的经济基础。

制造和仓库），然后是家庭。我们在家庭中看到的主要功能是清洁和照顾。尽管这个新⾏业需 要时间来建设，但我们预计到2050年将有6.48亿台机器⼈和⼀个价值7万亿美元的⼈形机器⼈ 市场。 本报告的⼀个⽬标是尝试估算AI机器⼈的不同市场机会规模。分析的结论如下。已 进⾏调整以消除在护理⾏业使⽤的机器⼈和在⽼年⼈家中协助护理的类⼈机器⼈的 重复计数。 本报告还列举了在该领域活跃的⼏家公司，作为⾏动中使⽤案例的⽰例。 3 https://waymo 全球观点与解决⽅案 2024年12⽉ 图1.按类型预测的机器人单位数量（百万） 来源：Citi GPS 我们的⽅法包括估计覆盖全球⼤部分地区的三个地区（发达地区、不发达地区、 最不发达地区）市场总规模，然后为每种⽤例和每个地区应⽤不同的渗透率。 我们假设不发达市场的渗透率是发达地区的⼀半，最不发达地区的渗透率是不发达市 场的⼀半。我们分析了每个地区的数据直⾄2050年。 我们认识到增补与替代 及其他许多⼈，我们的渗透率假设可能过低。 我们还注意到，我们尚未分析⼏个潜在的巨⼤市场——如军事、安全、教育、农业。 虽然预计对⼤多数发达地区采⽤率将会更⾼，但我们认为到2050年，较不发达地区 由于其⼈⼝规模和劳动⼒市场规模的原因，将占整体市场的相当⼤部分。下图显⽰ ，到2050年，较不发达地区将占⼈形机器⼈市场的三分之⼆。 图3.按发展组别细分的人形机器人分析（单位：百万） 来源：Citi GPS 我们

S0980522100001 S0980522090001 l GPU 是人工智能时代下满足深度学习大量计算需求的核心 AI 芯片。 过去五年，大型语言模型的参数规模以指数级增长；从 2018 年起， OpenAI 开始发布生成式预训练语言模型 GPT 以来， GPT 更新换代持续提升模型 及参数规 模； 2022 年 12 月， OpenAI 发布基于 GPT-3 引领全球人工智能浪潮，人工智能 发展需要 AI 芯 片作为算力支撑。据 Tractica 数据，全球 AI 芯片市场规模预计由 2018 年的 51 亿美元增长至 2025 年的 726 亿美元，对应 CAGR 达 46.14% ；据前瞻产业研究院 数据，中国 AI 芯片市场规模预计由 2019 年的 122 亿元增长至 2024 年的 785 亿元，对应 CAGR 达 45.11% 。 AI 芯片中 成为数据中心发展关键。 据 IDC 数据，全球数据总量预计由 2021 年的 82.47 ZB 上升至 2026 年的 215.99 ZB ， 对应 CAGR 达 21.24% 。其中，大规模张量运算、矩阵运算是人工 智能在计算层面的 突出需求，高并行度的深度学习算法在视觉、语音和自然语言 处理等领域上的广 泛应用使得算力需求呈现指数级增长。 据 Cisco 数据，全球数据中心负载任务量预计由

力是一种新型的计算模式，在实时感知多类型、多数量计算设备资源 状况的基础上，借助统一的度量范式对资源量进行对比与评估，再结 合任务的计算强度、时延要求和数据依赖等特征，以及网络带宽和能 量预算等约束，运用自适应的智能调度算法将大规模的计算任务分散 到不同的计算节点上，从而实现高效的数据处理和分析。本白皮书阐 述了分布式算力感知与调度的背景、体系结构、关键技术、应用场景、 发展建议，旨在为有兴趣了解分布式算力感知与调度相关概念和技术 一形态，边缘算力是前者重要组成部分，是分布式思想的一种具体体 现。边缘算力强调“地理近端性”，即计算能力的部署靠近数据源， 以满足低延迟和高实时性的需求；而分布式算力更关注“全局最优性”， 侧重任务的分解与协同，以处理大规模和复杂的计算任务可能调度至 边缘、核心云或两者协同，例如“云-边-端”分层推理。 分布式算力感知与调度的核心在于“感知”与“调度”两个相互 依存、紧密结合的环节。“感知”是基础和前提，它指的是系统具备 而是驱动社会经济形态深刻变革、与热力、电力并驾齐驱的关键生产 力，是支撑数字经济高质量发展的战略基石。中国信通院指出，随着 新一代通信规模建设和边缘计算应用的持续部署，越来越多的应用运 行和数据生产处理在边端侧开展，这对于传统算力基础设施的部署、 调度提出了新要求，分布式算力通过不同范围部署不同规模算力，为 政企数智化转型各场景随需获取算力提供新思路。在此背景下，分布 式算力感知与调度技术作为构建下一代算力基础设施的核心神经系

....................... 8 图 9： 全球边缘计算潜在市场规模（亿元）....................................................................................... 9 图 10： 中国边缘计算行业市场规模（亿元）....................................... ................... 16 图 35： 2019-2025 年物联网连接数规模及预测（亿个） ................................................................ 17 图 36： 2022-2027 年中国物联网行业规模预测（万亿元） ........................................ 发展改革生产力，已具备多领域应用能力。AIGC 可以利用大量无标注数据 进行自监督学习再利用少量的标注数据进行迁移学习，能够持续生成规模大、质量高、 单位成本低的内容，在生产力上具有革命性的增长。在应用方面，按场景分类 AIGC 已 经较为成熟地应用于文本和代码撰写、图像识别和生成，在影视、传媒、电商、C 端娱 乐领域规模应用，未来将逐步拓展到视频和游戏等其他领域，为各个行业和领域的创新 和发展提供更多可能性。