用户需求分析 ..................................................................................... 23 2.1.2 通用行业头部用户及互联网领先用户需求分析 ............................................................................. 27 4 亿美元，2021年至2025年间CAGR达17.7%。 受人工智能产业促进，全球算力稳步增长。据中国信息通信研究院统计，截至到2022年底，全球算力总规模 达到650 EFLOPS。其中，通用算力规模为498 EFLOPS，智能算力规模为142 EFLOPS，超算算力规模为10 EFLOPS。 智能算力规模与21年相比增加了25.7%，规模占比达到21.9%。 国内总体算力设施方 EFLOPS，增速超过70%。预计到2026年，人工智能技术对于全行业的渗透率将超过20%。 据IDC预计，未来五年，中国算力中心服务市场将以18.9%的复合增速持续增长，预计2027年市场规模达3075 亿元人民币。智能算力超过通用算力成为我国算力规模增长的主要驱动力。据中国信息通信研究院统计，截至 2023年6月底，我国智能算力规模占整体算力规模的比例提高到25.4%，智能算力规模同比增长45%，较整体算力 规模增速高

展现我国云计算资源供需现状；云服务应用发展水平评价包含行业 应用发展水平、企业上云发展水平、云服务体验水平三个维度，反 映云服务应用落地能力和应用服务深度；云技术融合发展水平评价 包括算云融合水平和数智云化水平，主要反映通用计算、智算、超 算等算力云化进程以及新技术云化赋能水平。 云计算蓝皮书（2024 年） 25 图 7 云计算发展指数体系 （二）云资源供需发展水平评价 1.供云量 供云量指云服务商在各地区能够提供的云计算供给规模，反映 数据来源：根据公开数据整理 图 13 2023 年 31 个省（自治区、直辖市）IaaS 服务体验指数 （四）云技术融合发展水平评价 1.算云融合水平 云计算蓝皮书（2024 年） 32 算云融合水平指通用算力基础设施融合虚拟化、云原生等云计 算技术实现算力及其关联资源的云服务化输出，反映各区域的算力 云化程度。指数综合考虑各区域算力规模、算力云化比例及云化资 源利用率，对 31 个省份展开客观评价。整体上，我国各省份算力规 四、云计算与智算加速融合，开启智能化新纪元 当前，全球人工智能技术迅猛发展，已经成为世界科技强国重 云计算蓝皮书（2024 年） 35 点布局的关键赛道。随着智能算力逐渐成为算力结构的主要组成， 传统的通用云计算正加速与智算融合，升级成为可服务于人工智能 技术和应用发展的智能云。智能云通过对大规模异构智算资源的融 合与调度，能够屏蔽各种底层复杂的计算资源、兼容多种芯片架构 和开源框架，提供丰富的云计算工具，提高算力资源利用率，保障

研究及绘制。 数据中心 （IDC） 超算中心 （HPC） 智算中心 （AIDC） 整合通用算力资源，为各类企 业业务提供综合的算力支持 汇集高质量算力资源，以满足大 规模科学研发及工程计算需求 聚合智能算力资源，结合智算服务及生 态，为企业人工智能业务提供专业服务 建设 目标 搭载CPU芯片的通用计算服 务器 服务特定场景的超算服务器为主 搭载GPU芯片为主的AI服务器 核心 设施 企业综合业务场景 的完整能力。智算中心通过聚合智能算力资源有 效解决大模型时代各类企业在大规模模型训练和推理中所面临的智算资源稀缺问题；结合专业算力、算法、数据等工具和服务，加 速大模型开发、调优、迭代，强化大模型的通用能力和行业适配性；依托生态伙伴提供应用、解决方案开发能力，加强大模型的商 业实践能力。 1）物理资源：智算中心根据模型训练和推理需求差异，提供技术架 构统一、可实现内部各组件高速互通互联的AI服务器和服务器间以低 互联网 工业 设计 零售 …… 平衡模型开发成本效益 确保数据安全 广泛场景定制化能力 支持离线部署和升级， 可有效保证数据安全性， 满足行业监管要求 依托预训练通用大模型 底座进行微调，所需参 数规模较低，训练周期 较短 通过在通用大模型底座 引入行业特征数据，实 现垂类大模型开发 17 ©2024.9 iResearch Inc.

战略 形势 01 AI CITY 发展研究报告 02 AI CITY 发展研究报告 “人工智能 +”成为 新时期经济社会发展 的战略指引 1.1 人工智能芯片快速迭代助推新一轮AI浪潮 传统通用处理器（CPU）已经难以满足深度学习等高并发计算需求，AI芯片通过架构创新实现了数量级的性能跃 升。高端AI芯片的突破更使得训练百亿参数大模型成为可能，直接推动了ChatGPT、Sora等生成式AI的爆发。AI芯片 多模态大模型推动人工智能从单一感知向全场景认知跃迁 大模型发展已经进入多模态融合阶段，多模态大模型融合了多种感知途径与表达形态，能够同时处理文本、图 像、语音等多种数据，并进行深度语义理解和交叉模态处理，是实现通用智能的重要路径。大模型从早期简单的子任 务模型组合模式，逐步转变为端到端跨模态统一特征表示，实现了原生多模支持，为人工智能与现实世界复杂信息交 互奠定了坚实基础。 1、人工智能技术快速演进实现关键跨越 智能算力规模高速增长，为AI训练和应用筑牢算力基础 人工智能算法模型的训练与应用离不开智算中心的算力支撑。2024年，中国智能算力规模达725.3百亿亿次/秒 （EFLOPS），同比增长74.1%，增幅是同期通用算力增幅（20.6%）的3倍以上；智能算力市场规模为190亿美元，同 比增长86.9%。预计到2025年底，中国智能算力规模将达到1037.3EFLOPS，较2024年增长43%；中国人工智能算力

且当前处于含噪声中等规模量子计算机（NISQ）阶段，真实计算能 力边界难以确定。 当前量子计算产业正在扩展量子比特规模和攻关量子比特纠错， 一方面关注 NISQ 实用化，另一方面向着大规模通用容错量子计算 机（FTQC）推进。我们相信量子计算能力在提升，但我们希望有 一个方法能够研判出真实计算问题算力需求与真实量子计算能力之 间的差距，以及面向未来能够帮忙寻求消除差距的解决方案。 复 杂度，以及在硬件上表现出的计算性能，具体指标如下： 1）算法运行时间：量子算法完成计算所需的时间，通常与经典 算法进行比较。当无法在硬件运行时，可以从理论层面评估算法时间 复杂度，包括通用量子算法理论时间复杂度和变分量子算法复杂度。 如果基于黑盒模式，还要考虑黑盒查询次数，以及黑盒运行时间。 2）线路深度：算法中量子门层数，更深的线路代表更长的运行 时间，由于量子退相干和门误差增加整个计算过程的误差积累。 系列辅助技术，包括量子降噪技术、误差缓解技术、量子编译技术、 量子编码技术和量子纠错技术等。从应用角度看，这些技术可以不定 义具体的技术指标，其能力由量子计算机硬件系统性能和量子算法性 能体现。比较特殊地是量子纠错，它是通用容错量子计算机的核心技 术之一，可以独立定义纠错码的性能指标，包括码距、编码效率、错 误阈值、解码复杂度、资源开销、稳定性等指标。 (六)量子计算机扩展能力指标 量子计算扩展能力是评估计算机未来的计算潜力，包括单系统能

nterprise Architecture)作为数字 化转型的通用方法，同样适用于信创转型，其主要作用是通过架构开发或设计来 描述转型涉及的各层级、各领域、各要素之间的匹配关系，从而正确地处理在这 一转型过程中的各种复杂关系。 信创架构框架之架构开发方法（IIAF-ADM）（见图 3.2）采用的是数字化转 型中的通用架构方法。该方法是北达软在参考国际上 TOGAF、DoDAF 和 FEA 据库、大数据平台和 DevOps 平 台等。SaaS 层主要提供各种应用服务，包括通用应用、行业应用和组织个性化应 用。 按照企业架构四个层级的划分（基础架构、通用系统架构、行业架构和组织 特定架构），信创云中的基础设施层、IaaS 层和 PaaS 层都属于基础架构内容。 SaaS 层的通用应用属于通用系统架构层，SaaS 层的行业应用属于行业架构层， SaaS 层的个性化应用属于组 中央处理器 CPU（Central Processing Unit）是一台计算机的运算核心和 控制核心，是信息处理、程序运行的执行单元，对计算机的所有硬件资源进行控 制调配、执行通用运算的核心单元，结构上主要由运算器和控制器组成。通用型 CPU 是信息产业的基础部件，是电子设备的核心器件，是关系到国家命运的战略 产品。其发展直接关系到国家技术创新能力，关系到国家安全，是国家的核心利 15

18. 非金属矿物制品业（如水泥、玻璃） 19. 黑色金属冶炼和压延加工业（炼钢） 20. 有色金属冶炼和压延加工业（铜冶炼、铝冶炼） 21. 金属制品业（如金属门窗、金属工具） 22. 通用设备制造业（如锅炉、机床） 23. 专用设备制造业（如石油钻采专用设备制造、隧道施工专用机械制造） 3 第一章 工业领域安全概念辨析与背景概述 24. 汽车制造业 25. 铁路、船舶、航空航天和其他运输设备制造业 年发布的《GB/T22239-2008 信息安全技术信 息系统安全等级保护基本要求》及其配套政策文件和标准，进行了全面的升级与优化。其核心在于针对不 同保护对象的安全目标、技术特点、应用场景的差异，融合通用安全与新型应用安全扩展要求，注重主动 防御、安全可信、动态感知和事前/事中/事后全流程全面审计，实现了对传统信息系统、基础信息网络、 云计算、大数据、物联网、移动互联网和工控信息系统等级保护对象的全覆盖。 了优化调整， 使其更契合工业场景和工业控制系统的运维特点，能够及时发现并应对安全威胁。 9 第一章 工业领域安全概念辨析与背景概述 等保 2.0 对工业控制系统提出的安全扩展要求 除了安全通用要求，等保 2.0 对工业控制系统提出了安全扩展要求，以适用工业控制的特有技术和应用场景特点。 其中，安全扩展的特殊要求包括：  物理和环境安全：增加了对室外控制设备的安全防护要求，如放置控制设备的箱体或装置以及控制设备周围的环

硅光芯片/模块主要厂商梳理 ........................40 表 17 冷板液冷核心产品供应商 ...........................44 深企投产业研究院 1 以大模型为代表的通用人工智能持续演进，机器学习、大数据分 析等技术在金融、制造、汽车、医疗、交通运输等领域不断渗透，正 加速推动算力产业结构变革。智算中心作为 AI 新基建呈现遍地开花 势头，我国智能算力在总算力中所占的比重，预计将从 《关于深入实施“东数西算”工程加快构建全国一体化算力网的实施 意见》《关于推动新型信息基础设施协调发展有关事项的通知》等重 要政策文件，提出加快部署、统筹建设高性能智算中心，推动智算中 心有序发展，引导通用数据中心、超算中心、智能计算中心等合理梯 次布局，逐步合理提升智能算力占比。在一系列政策的支持下，智算 战略地位得到不断提升。 表 4 十四五以来我国有关智算中心规划政策 时间 部门 文件名称 系，建设京津冀、长三角、粤港澳大湾区、成 渝等全国一体化算力网络国家枢纽节点。 2022 年 2 月 国务院 《“十四五”数字经济 发展规划》 推动智能计算中心有序发展，打造智能算力、 通用算法和开发平台一体化的新型智能基础设 施。 2022 年 12 月 国务院 《扩大内需战略规划 纲要（2022—2035 年） 加快建设信息基础设施，推动人工智能广泛、 深度应用，发展普惠性“上云用数赋智”等。

安全引擎，实现端到端的数据全流程 保护。 CPU 也能玩转 AI - 为 AI 提速，给安全加码 挑战 解决方案 云服务器升级 解决方案 企业云服务 第五代英特尔® 至强® 可扩展处理器具备更强通用计算和 AI 加速能力 阿里云 ECS g8i 集群可支撑 72B 参数级别的大语言模型分布式推理 文生图 创意辅助工具 AI 生成代码 虚拟助手 1.2.3 数据来源于阿里云未公开的内部测 在传统上被视为更适于 AI 负载中的通用计算，例如大 模型应用的前期数据准备、知识库的存储和处理等工作。随 着更多 AI 加速技术嵌入 CPU，以及围绕 CPU 平台的 AI 生 态逐步完善，CPU 平台所具备的多项优势使其能在满足大模 型推理性能的同时，又可兼具成本、绿色节能等方面的优势。 使用 CPU 构建大模型推理方案的优势 • CPU 作为通用计算资源更易获取； • 无需引入异构硬件平台的设计或有关人才； AVX-512 (2xFMA) INT8 AMX (TMUL) INT8 ter is Better High 15 技术篇：英特尔 AI 产品组合 开放式软件环境 深度学习加速 通用加速 通用计算 AI 视觉推理、 VDI、媒体分析 并行计算、科学计算、面向科学计算的 AI、数据中心 实时，中等吞吐量， 低时延和稀疏推理 边缘和网络 AI 推理 中小型训练和微调 终端推理

网络的长稳运行变得前所有未有的重要。从网络流量模型来看，AI大模型训练流量与通算流 量呈现出完全不同的特征，突发的稀疏大流成为网络常态，聚合流量具备波峰波谷效应明显、 周期性等特征，也使得很多通用数据中心的网络技术不再适用。HPC同样对网络提出高性能 需求，特别是在可扩展性以及分布式资源的高效利用方面，HPC与AI的需求趋同。一般来说 HPC对于时延更加敏感，但部分采用并行通信的计算模型，同样也关注长尾时延。 针对丢包，现有技术多采用端到端重传机制，对网络吞吐影响较大。已有研究表明，基 于RoCEv2的Go-back-N丢包恢复模型，当丢包率达到1%时，RDMA报文吞吐量接近为0。 3）不同负载情况下，网络性能指标波动，性能表现不一致。通用数据中心网络在轻载 时一般都可以达到较高的性能，但AI训练是多任务集群，在多任务并存的情况下，同时满足 各任务的高性能需求，对于网络资源的规划和保障提出了更高要求。 中兴通讯版权所有未经许可不得扩散 件的精细协同， 单项指标的提升无法有效提高吞吐率，还可能导致此消彼长效应，丢包、时延、吞吐往往会 相互影响。 中兴通讯版权所有未经许可不得扩散 6 3.1.4 多维自动化运维体系是必需 与通用数据中心网络相比，HP-DCN网络具有节点链路规模大、流量突发性强、集群 系统复杂等特性，在网络运维领域，对运维体系提出了以下需求： 1）广度——全面覆盖每个潜在故障点。AI大模型训练网络中的任何链路问题都可能产