TFLOPS 9.7 TFLOPS - - 显存 最高 192GB 最高 192GB 141GB 80GB 80GB 80GB 80GB 48GB 48GB 显存带宽 最高 8 TB/s 最高 8 TB/s 4.8 TB/s 3.35 TB/s 3.35 TB/s 2039 GB/s 2039 GB/s 864 GB/s 864 GB/s 热设计功耗 1000W 700W 最高 700W 最高 6.0 ： 256GB/s NVLink ： 1.8TB/s PC le 6.0 ： 256GB/s NVLink ： 900GB/s PC le 5.0 ： 128GB/s NVLink ： 900GB/s PC le 5.0 ： 128GB/s NVLink ： 400GB/s PC le 5.0 ： 128GB/s NVLink ： 600GB/s PC le 4 4.0 ： 64GB/s NVLink ： 400GB/s PC le 4.0 ： 64GB/s PC le 4.0 ： 64GB/s PC le 4.0 ： 64GB/s l 英伟达 GPU 芯片随着架构的不断演进及算力的成倍增长，在大算力需求的 AI 大模型训练中得到广泛运用。基于 Ampere 架构的 A100 GPU 建立在 Volta 和 Turing SM 架 构中引入的特性之上，并显著提高了性能，与

ICS 35.080 CCS L 77 中 华 人 民 共 和 国 国 家 标 准 GB/T 43439—2023 信息技术服务 数字化转型 成熟度模型与评估 2023-11-27 Information technology service—Digital transformation— Maturity model and assessment 发布 2024-06-01 2024-06-01 实施 国 家 市 场 监 督 管 理 总 局 国 家 标 准 化 管 理 委 员 会 发 布 I GB/T 43439—2023 目 次 前言 .................................................................................... Ⅲ 1 范围 ................. ............................................................................25 Ⅲ GB/T 43439—2023 前 言 本文件按照GB/T1.1—2020《 标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定 起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

CPU 内存需求 适用场景 1.5B 4GB RTX 3050 8GB 个人学习 7B 、 8B 16GB RTX 4090 32GB 小型项目 14B 24GB A5000 x2 64GB 专业应用 32B 48GB A100 40GB x2 128GB 企业级服务 70B 80GB A100 80GB x4 256GB 高性能计算 671B 640GB+ H100 集群 不可行 超算 /

AMD 多 核处理器 8GB 及以 上 3GB 以 上 纯 CPU 推理时无需显卡； 若需 GPU 加速，可选 4GB 及以上显存的显卡， 如 GTX 1650 DeepSeek - R1 - 7B 8 核及以上，推荐使 用现代多核 CPU 16GB 及 以上 8GB 以 上 建议配备 8GB 及以上显存 的显卡，例如 相近，但各项性能要 求略高 10 - 20% 略高于 16GB 略高于 8GB 显存要求略高于 8GB，性 能上要求比 DeepSeek - R1 - 7B 对应的显卡略高 DeepSeek - R1 - 14B 12 核及以上 32GB 及 以上 15GB 以 上 需 16GB 及以上显存的显 卡，如 RTX 4090 或 A5000 i9 处理器 64GB 及 以上 30GB 以 上 需 24GB 及以上显存的显 卡，如 A100 40GB 或双卡 RTX 3090 DeepSeek - R1 - 70B 32 核及以上的服务 器级 CPU 128GB 及 以上 70GB 以 上 需要多卡并行， 如 2 张 A100 80GB 显卡或 4

升关键。 版本 GPT 1 GPT 2 GPT 3 时间 2018 年 6 月 2019 年 2 月 2020 年 5 月 参数量 1.17 亿 15.4 亿 1750 亿 预训练数据量 5GB 40GB 45TB 训练方式 Pre-training+Fine-tuning Pre-training Pre-training 序列长度 512 1024 2048 # of Decoder Layers 名称 产品型号 发布时间 制程 单精度浮点 运算性能 （ TFLOPS ） 半精度浮点 运算性能 （ TFLOPS ） 整型定点 运算性能 （ TOPS ） 显存 (GB) 显存带宽 (GB/s) 功耗 (W) Google TPU v4 2021 7nm - 275 275 32 1200 192 平头哥 含光 800 2021 12nm - - 825 - - DPU 三种芯片的公司。 l 随着数据中心浪潮推进，公司陆续完善三种芯片产品结构。其中，集成 800 亿 晶体管的迄今为止最先进的 GPU H100 已于 FY2H23 推出；首款 400Gb/s 全线 速软件 定义网络、存储和网络安全的 DPU Bluefield-3 已于 FY1H23 推出；为 HPC （高性 能计算）及 AI 应用而设计的 Grace CPU Superchip

推出重磅 AI 眼镜产品，该眼镜采用了 Ray-Ban 的经典设计，在外观上与普通太阳镜或光学镜相当。 参数方面，Ray-Ban Meta 搭载了高通 AR1 Gen1 芯片，内存和存储为 2GB+32GB，搭载了 1 个 12MP 的单摄像头，采用 5 阵列麦克风支持沉浸式录音，定制开放式扬声器进一步缓 解漏音、失真等问题。产品重约 48g，满电状态下可使用 4 小时，充电盒可提供额外 32 月 价格 299 美元 299 美元 SoC Wear 4100+ AR1 Gen1 MCU NXP MIMXRT685SF NXP MIMXRT685SF 存储器 512MB+4GB 2GB+32GB WiFi WiFi4 WiFi6 蓝牙 蓝牙 5.0 蓝牙 5.2 摄像头 双摄像头，5MP 单摄像头，12MP 重量 49.2g 48g 电池典型容量 175mAh 160mAh

等。此类手机在 2023 年下半年开始进入市场。 硬件方面，我们看到：1）SoC：AI 引擎升级、NPU 算力提升，SoC 进一步升级确定性强； 2）存储：手机 RAM 升级至 24GB LPDDR5X，相较当前主流的 8GB LPDDR4X，成本提 升 300%；3）电源：电池/电源管理芯片升级，但弹性相对较小；4）光学：AI 推动屏下摄 像头应用取得突破。软件方面，新一代 AI 智能手机在系统架构和应用方面更加匹配个性化、 AI PC 推动存储规格升级，DRAM 最低 16GB、LPDDR 占比或逐渐提高。1）阿里通义千 问7B模型的原始大小是14.4GB，在联想的Lenovo AI now中运行的模型则压缩到了 4GB。 由此，AI大模型+电脑本身的缓存，大概只要 5-6G内存能运行起来，而 OS本身需占用 5-6GB， 故未来运存最低也需要 16GB 才能保证 PC 稳定运行。2）根据 Trendforce，Qualcomm M3 Pro Max Intel Lunar Lake NPU 算力 14TOPS 45TOPS 18TOPS 45TOPS 内存 最高 32GB + 1TB 最高 32GB + 1TB 最高 128GB+TB 尚未发布 应用 PPT 智能创作、文生图、文档总结、 智能问答、AI 识图、会议纪要、智 会分身、设备调优 GPT-4o，Copilot+PC

超节点成为 AI 基础建设的共识。 超节点架构引领技术革新，重构计算能力边界。超节点架构依托高速互联技术，将大带宽的互联 范围，从单台服务器扩展到整机柜以及跨机柜的大规模集群，超节点域内可达百 GB/s 级通信带宽、 纳秒级时延、TB 级超大内存，实现集群能力跃迁。相较“服务器集群”，超节点代表的是弹性、池 化、开放的系统能力：既能以极致吞吐支撑万亿参数训练，也能以低时延满足企业级大规模推理的 一、超大带宽和超低时延互联 超节点能够提供大带宽、低时延的互联能力。传统计算架构中，卡间互联依赖 PCIe 或以太网， 跨服务器互联带宽多为 200~400Gb/s 且时延达数十微秒，在千亿参数模型训练的并行计算场景中， 频繁的 GB 级数据通信阻塞，导致计算等待通信，成为性能瓶颈。 超节点借助高效的互联协议打破传统架构限制，支持更大规模 AI 处理器的高效协同，实现更大 范围、更高流量的数据传输，从而突破系统性能。以昇腾 包数据传输及离 散随机访存通信效率。 超节点是 AI 计算节点通过高速互联协议组成更大内存空间的 AI 系统。超节点可以支持 32 及以 上 AI 芯片，AI 芯片到交换芯片带宽不小于 400GB/s，交换设备时延小于 500ns。超节点域内 AI 芯片支持内存统一编址，AI 芯片使用内存语义可直接访问其他 AI 芯片的内存。 在人工智能大模型训练和推理等前沿技术的算力需求驱动下，传统分布式集群在通信效率、资源

相关技术的研发及产业化工作，并在部分领域开始应用。 在已正式发布的国家标准中，很少涉及核心技术，具有自主知识产权的 RFID 相关标准较少。已发布的标准均集中 在应用层面，如 GB/T 20563-2006 动物射频识别代码结构、GB/T 22334-2008 动物射频识别技术准则、GB/T 29768- 2013 空口标准等。 时间 发展历程 详情 2002 年 组建成立全国信息技术标准化技术委员会自动识别与数据 采集技 Write:-21 鞋服、机场行李 FM13US02G 96 128 1664 Read:-19 Write:-17 支持 GB/T 29768-2013 高值物资管理、防伪溯源、 证件、交通 FM13UF02G 128 256 1536 Read:-19 Write:-17 支持 GB/T 29768-2013 物流、库管、车辆、人员管 理 上海 坤锐 Qstar-7U (S7U) 96 144 大容量用户区、 IATA 标准 资产管理 航空资产 Qstar-5R (S5R) 208 528 8K/16K/ 32K/64K Read:-17 Write:-12 最高达 64K 大容量 支持 GB/T 29768-2013 资产管理 无源传感 平头哥 羽阵 600 96 Read:-21 智慧零售、智慧物流、航空 包裹跟踪、库存管理等 羽阵 611 96 128 Read:-24 Write:-20

8 表1：GPT 参数和训练集规模快速增长 模型 发布时间 参数量 数据规模 Tokens GPT 2017.6 1.17 亿 5GB 1.17 亿 GPT2 2019.2 小：1.24 亿 中：3.55 亿 大：7.74 亿 超大：15 亿 40GB 15 亿 T5 2019 小：0.6 亿 基础：2.2 亿 大：7.7 亿 TB-3B：30 亿 T5-11B：110 亿