Consultancy. 目录 3 I. 引言及算力中心发展概况 II. 算力中心需求分析 III. 算力中心供给分析 IV. 算力中心供需研判及未来展望 V. 附录 报告研究背景与主要研究结论 4 报告研究背景 • 纵观算力中心发展历程，移动互联网时代与云计算时代的技术革命催生了集约化、超大规模化的数据中心需求，由此孕育出了算力中心定制批发的业 务模式，并且该业务模式在2 业务的研究，特别是在中国不同地域市场供需关系的深度剖析上，力求提供更为详尽的数据支持与深 入洞察。 主要研究结论 • 从算力中心的定制批发业务发展现状来看，需求端和供给端均展现出积极的发展态势。 ➢ 需求端，随着 AI 大模型的迅猛发展，市场对算力资源的需求呈现出快速增长。这一增长主要源于互联网大厂、云厂商、短视频厂商等行业头部企业 对高性能、大规模算力资源的投入持续增长，这一趋势推动了算力中心定制批发业务的高速发展。 机柜及其附件 气体灭火系统 UPS不间断电 源及PMM电 源管理系统 精密空调设 备和冷却器 高性能液冷 服务器机柜 钢制布 线系统 光纤布线系统 • 算力中心，是一种集中提供计算能力的基础设施，主要由算力设备、 存储设备、网络设备及管理运维系统四大核心要素构成。 • 算力资源的部署与利用离不开算力中心的支撑。核心使命是提供强 大的算力支持，以应对各类复杂的计算挑战，如数据处理、AI模型 训练等。

联的独立成员所全球组织中的成员。 版权所有，不得转载。 智慧银行：以人工智能驱动转型并创造价值 2 目录 引言 阶段二：融合 概要 阶段三：演进 调研结论 为迎接人工智能奠定基础 简介 主要考虑因素 阶段一：赋能 打造智慧银行 毕马威：以经验与诚信为您的人工智能转型保驾护航 03 04 05 08 11 15 22 28 32 37 40 © 2025 毕马威华振会计师事务所（特殊普通合伙） 必须以开放的心态拥抱变革，并将人工智能 融入成为推动以客户为中心实现可持续发展 的一大核心因素。 Francisco Uría 全球银行业与资本市场主管合伙人 毕马威国际 调研结论 阶段二 阶段三 主要考虑因素 为迎接人工智能奠定基础 为您的人工智能转型保驾护航 简介 概要 引言 引言 打造智慧银行 阶段一 © 2025 毕马威华振会计师事务所（特殊普通合伙） — 中国合伙制会计师事务所，毕马威企业咨询（中国）有限公司— 人工智能在银行业得到广泛应用 实现了成本 节约 认为能够拥抱人工智能的银行 将在业内形成竞争优势 预计人工智能投资将达到中等 至极高的回报率 银行业高管对人工智能寄予厚望 调研结论 阶段二 阶段三 主要考虑因素 为迎接人工智能奠定基础 为您的人工智能转型保驾护航 简介 概要 引言 打造智慧银行 阶段一 概要 计划提高人工智 能投资预算在整 体预算中的占比 68% 42% 66% 26% 13%

大模型对智算产业的作用 , 智算产业是否过度依赖大模型 算力基础设施架构和国产化情况 , 智算中心如何影响我国算力分配 , 算力卡供应情况 , 国产算力卡替代情况 , 智算中心AI芯片主要方向 , 智算中心利好AI芯片类型 未来挑战与趋势 , 如何提高智算中心运行效率 , 智算产业要解决的关键问题 , 智算产业发展挑战 , 智算产业应用领域 , 智算产业投资趋势 Agenda 5 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 我国智算产业主要驱动力 来源：与非研究院 AI算法和芯片是核心驱动力，大数据和云计算提供重要支撑，政府政策与企业需求发挥推动作用。 6 Supplyframe, Inc. Confidential & Proprietary Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 影响智算中心满负荷运行的主要因素 市场需求不足，导致算力利用不充分 运维管理能力不足，影响算力发挥 电力消耗大，运营成本高，限制了满负荷运行 硬件资源利用率低，技术问题导致算力未充分利用 不确定 来源：与非研究院

趋势 3.3 产业链分析：建厂潮拉动设备材料、5G+AI带来设计领域新机遇 3.4 PCB：内资大厂加速崛起，5G拉动新需求 4 行业变局：行业集中度提升，加速向大陆转移 4.1 供需格局：主要原料价格震荡回调，创新应用带来新需求 4.2 通信板：4G扩容+5G推进，通信板迎来加速发展期 4.3 4 1 5G：终端发布在即， 射频、光学、面板行业迎新机遇 5 eMBB 增强移动宽带 从4G换机周期看5G：从欧美4G经验来看，换机高峰一般持续4年左右 数据来源：GSMA Inteligence，国泰君安证券研究 全球范围来看，美国和欧洲在4G LTE网络的部署方面 早于中国，4G用户渗透率的提升期主要在2010年 ~2013年，渗透率从10%提升到70%经历了3年左右的 时间，中国由于建设晚且建站速度快，只用了2年时间 就实现了用户渗透率从10%到70%的提升。 1.1 9 预计5G换机潮2020年到来并持续5年 接收模组） LNA （低噪声放大器） 发射链 接收链 子路径 1.2 17 基带芯片 Qualcomm（40%）、MTK（20%）、华为海思（20%）、三星、Intel、展讯 等 主要供应商（市占率预估） 滤波器 SAW滤波器：Murata（47%）、TDK（21%）、太阳诱电（14%）等 BAW滤波器：Avago（87%）、Qorvo（8%）等 功放 Skyworks（

2025年，营收达800亿元：服务机器人营收达200 亿元，无人机（船）营收达500亿元，工业机器人 年产量超18万台（套） 培育一批专精特新企 业，打造一批“机器 人+”应用标杆企业 核心技术和关键零部件自主可控水平大 幅提升，主要技术指标达到国际先进水 平，整机综合指标达到国际领先水平； 发明专利授权量年均增长超过10%。 聚焦重点领域培育典型应用场景， 组织实施500个以上智能制造示 范项目 江苏省机器人产业创新发展行动 800 1000 1200 1400 1600 1800 2000 2020 2021 2022 2023 专业服务机器人 消费服务机器人 专业服务-增长率 消费服务-增长率 历年全球主要商业机器人年安装量 （单位：万台） 0 50 100 150 200 250 2021 2022 2023 美国 中国 德国 日本 法国 历年商业机器人制造商数量Top5国家 第二章： 利用多模态大模型对环境进行建 模, 实现具身智能对空间信息的 多模态理解 Ø 机器人能够从数据中学习决策与 规划策略，基础模型为机器人决 策与规划引入了丰富的先验知识。 感知、交互与决策 大模型在控制上的助力主要集中于大模型处理环境观察与提示，输出动作序 列，动作序列可以是一系列关节角度或末端执行器的位姿与夹爪开合数据， 这些序列将直接用于控制机器人的运动。 控制 需求级 任务级 理解需求 分解需求

逆最优控制是一种从专家示范中学习 的算法，通过观察专家驾驶员的行为 来推测出一个“奖励函数”。这个奖 励函数可以理解为：专家做出的每一 个动作都有一个“奖励值”，这些奖 励值反映了每个行为的好坏。逆最优 控制的主要方法分为对抗模仿学习 （GAIL）与成本学习（Cost Learning）。 对抗模仿学习（GAIL）：不仅仅是模仿专家的行为，而是 通过让学习系统和专家系统之间“对抗”来学习最佳策略。 具 加速、刹 车等。由于驾驶过程中存在众多不确定因素，如交通流量、路况变化等，决策任务极为复杂。强化学习通过让系 统与环境互动，不断优化驾驶策略，从而提高驾驶的舒适性和安全性。 强化学习在应用中面临的主要挑战是需要大量的数据进行训练，而现实中很难保证所有可能的情况都能被模拟出 来，并且训练过程需要大量的“试错”。为了弥补强化学习的不足，许多研究选择将强化学习与监督学习（SL） 结合，例如隐式效用，通 并有效生成长 尾场景。例如，英伟达通过其Omniverse平台，利用合成数据提升模型对复杂场景的适应性。此外，特斯拉也采用合 成数据生成边缘场景来扩充数据集，通过迭代方法捕捉更多边缘情况。 表2：主要车企辅助驾驶里程累计情况 特斯拉 鸿蒙智行 理想 蔚来 小鹏 超16亿英里（2024年中报） 4.6亿公里（2024.08） 29.3亿公里（2024.12） 14.8亿公里（2024.11） 756万公里（实车测试里程，

机器视觉技术的识别类模型应用比较成熟，在机器人的操作取物、移 动避障等各类功能中应用广泛，部分企业甚至开始了针对表面缺陷、 产品特征识别、安全巡检等难度较高任务的深度学习探索；基于语音 交互技术的语言类模型虽然较为成熟，但是主要用于陪伴对话、教育 辅导、智能家居等服务型场景，而由于可靠性要求高、工业知识积累 6 不足等限制，尚未在工业中大规模应用。在推理决策方面，基于深度 学习、强化学习的方法，机器人可以通过训练学习数据以模仿人类， 智能发展报告（2024 年》 9 并生成编程指令执行具体操作。但是，当前较为成熟的大语言模型对 三维物理世界的理解不足，因此，融合两种或多种输入输出模式的多 模态大模型是衔接虚拟和物理世界的主要模式。 2、人形机器人作为人类能力的延伸是具身智能的重要发力点 具身智能的可以是机械臂、机械爪、仿生机械狗等多种形态，但 是由于类人形态能够执行多种复杂任务、与人类社会环境较为适配并 且在心 着机器人模块化设计和柔性控制技术的成熟，工业机器人的精细化程 度和灵活性显著提高，原本无法被取代的喷涂、焊接场景也逐步开始 应用机器人。 此类场景主要包括两种“机器人+人工智能”融合应用模式。一 是“机械臂+操作优化模型”模式，AI 应用的主要目标是提高操作精 度，如珞石机器人基于关节多传感器融合的全局振动抑制算法技术， 抖动幅值降低 80%以上。二是“机械臂+操作学习模型”模式，AI 应

年国内人工智能服务器工作负载中超过 70%将用于推理，仅不到 30%为训练，因此即使 DeepSeek 大幅下降训练算力，对国内冲击相对较小。 根据信通院，截止 2022 年末中国算力规模 302EFlops，结合主要云厂资本开 支和芯片出货预测，我们预计 2024-26 年我国算力规模年复合增速有望达到 44%，带动 2025/2026 年新建数据中心 8.0/9.1GW，对应 530/633 亿度增量 用电。我们预计 ...................................................................................... 4 图表 2： 国内主要云厂商数据中心资本开支统计...................................................................................... ...................................................................... 20 图表 31： UPS 和 HVDC 系统类型和主要厂商市占率拆分 ....................................................................................... 20

发展趋势 1）市场规模增速略低于预期：2024年中国AI产业规模为2697亿元，增速26.2%，略低于预期。 主要原因为大模型在实际业务场景的表现未完全满足客户需求，且建设成本较高，较多项目仍 处于探索阶段。 2）算力需求结构性转变：2024年部分地区智算中心出现闲置，但这主要是供需错配导致。随 着DeepSeek等开源模型推动推理应用爆发，推理侧算力需求大幅上涨，智算中心利用率有望 逐步提高。 政 府侧、企业侧纷纷加大对AI技术投资以释放大模型生产力，消费者对生成式AI工具产品的兴趣也在增加，其中，文本写作类应用（豆包、 Kimi、文心一言等）、图片生成类应用（文心一格、通义万相等）是大家主要尝试的两大AI功能方向。 中国民众认为“AI到来的标志事件” 2.1% 5.2% 6.3% 9.6% 15.0% 27.7% 32.5% 48.8% 52.1% 代码编写类 汽车驾驶类 PPT制作类 信息检索类 视频处理类 图片生成类 文本写作类 2016年3月 2022年11月 2024年2月 2022年上半年 2023年4月 2023年7月 过去一年大家主要尝试过的AI功能 10 ©2025.3 iResearch Inc. www.iresearch.com.cn ©2025.3 iResearch Inc. www.iresearch.com

发展趋势 1）市场规模增速略低于预期：2024年中国AI产业规模为2697亿元，增速26.2%，略低于预期。 主要原因为大模型在实际业务场景的表现未完全满足客户需求，且建设成本较高，较多项目仍 处于探索阶段。 2）算力需求结构性转变：2024年部分地区智算中心出现闲置，但这主要是供需错配导致。随 着DeepSeek等开源模型推动推理应用爆发，推理侧算力需求大幅上涨，智算中心利用率有望 逐步提高。 政 府侧、企业侧纷纷加大对AI技术投资以释放大模型生产力，消费者对生成式AI工具产品的兴趣也在增加，其中，文本写作类应用（豆包、 Kimi、文心一言等）、图片生成类应用（文心一格、通义万相等）是大家主要尝试的两大AI功能方向。 中国民众认为“AI到来的标志事件” 2.1% 5.2% 6.3% 9.6% 15.0% 27.7% 32.5% 48.8% 52.1% 代码编写类 汽车驾驶类 PPT制作类 信息检索类 视频处理类 图片生成类 文本写作类 2016年3月 2022年11月 2024年2月 2022年上半年 2023年4月 2023年7月 过去一年大家主要尝试过的AI功能 10 ©2025.3 iResearch Inc. www.iresearch.com.cn ©2025.3 iResearch Inc. www.iresearch.com