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2015-2020年间实现了快速增长。然而，伴随着移动互联网用户红利见顶、新基建边际效应递减及后疫情时代经济周期波动， 定制批发业务遭遇需求收缩与供给过剩的双重压力，行业陷入供需失衡与资本退潮的转型期。 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。 ➢ 供给端，受益于新一轮技术升级，算力中心市场迎来更多整合契机。头 算力中心的定义与作用 资料来源： 灼识咨询 数据中心自互联网时代诞生以来，伴随科技的发展进步，在移动互联网、云计算、电商及短视频等行业的推动下 快速发展，而生成式AI的兴起正驱动其向重视计算效能与硬件配置的算力中心转型，为行业发展增添新动能。 9 数据中心发展历程 时代 背景 • 互联网初步兴起，中国 进入门户时代 • 数据中心概念初步普及 • 互联网逐步普及，社交 平台的兴起与电子商务 的蓬勃发展成为该时代

经网络策略的动作指令，进行控制执行。分层决策模型的缺点是： 不同步骤间的对齐和一致性需解决。 以「Google RT-2」为代表，通过一个神经网络完成从任务目标输 入到行为指令输出的全过程。首先在大规模互联网数据预训练视 觉语言模型，然后在机器人任务上微调，结合机器人动作数据， 推出视觉语言动作模型。RT-2不仅负责最上层的感知与规划，还 参与中下层的控制与执行，打通了端到端的链路。端到端模型的 通用、但不快速”，和机器人视觉运动策略“快速、但不 通用”的矛盾，Figure通过建立一套互补的系统进行权衡。两套系统通过端到端训练以进行通信。其中， 系统2是开源、开放权重的70亿参数量端侧互联网预训练视觉语言模型，用于理解场景和自然语言； 系统1是一个8000万参数量的快速反应视觉运动策略，将系统2理解的语义转化为每秒200次的精确连续机器人动作。 智元通用具身基座大模型GO-1 04 ——智元启元大模型（Genie Operator-1），提出了Vision-Language-Latent-Action (ViLLA) 架构，该架构由VLM+ MoE组成，其中VLM借助海量互联网图文数据获得通用场景感知和语言理解能力，MoE中的Latent Planner(隐式规 划器)借助大量跨本体和人类操作视频数据获得通用的动作理解能力，MoE中的Action Expert(动作专家)借助百万真机数据获得精细的动作执

360集团创始人 周鸿祎 3 政企、创业者必读 政企、创业者必读 一张图读懂一堂DeepSeek课 政企、创业者必读 AI给了一个比互联网更大的机会  互联网是连接平台，人工智能是生产力  互联网是赋能性技术，生产力属性较弱  人工智能既能单兵作战，也能外部赋能 互联网创造了能写140个字的推特和分享照片的Instagram AI能帮助人解决登陆火星、能源自由的问题 5 政企、创业者必读 DeepSeek开源，可本地部署，能力强，免费 53 政企、创业者必读 利用DeepSeek打造专业模型 不用卷算力、卷数据、卷参数  可用本地算力（自有机房或一体机）  接入企业内部专业数据，无需互联网全量数据  通过蒸馏的小模型能力也很强 54 政企、创业者必读 DeepSeek打造企业应用最重要的是从何入手 对上 对下 对内 对外 四个方向 降低10倍人力 降低10倍成本 提高10倍效率 连接企业内部传感器，感知理解知 识数据 流程 完成复杂繁琐的业务流程或重复的 工作流程 角色 定义智能体应扮演的特定的角色或任务 记忆 短期记忆、长期记忆 知识库 连接内部专有知识库，外部互联网 知识库 复杂推理 基于推理能力制定计划，在过程中 反思 工具 搜索、实时信息、数据请求、业务 系统 62 政企、创业者必读 智能体与企业数字化系统的关系 软件 工具 数据 IT系统

GPU；生态变革，开源模型，打 开多元化应用时代。我们也维持三个前期观点不变：算力需求增长不变；能 效追求不变；绿色发展不变。 AI 应用加速，进入全民 AI 时代，有望构成国内电力需求新增长极 相比美国，中国虽然互联网大厂在过去 2 年资本开支有 12%的复合增长，但 仅为美国同行增速的不到三分之二、总量的不到十分之一。根据 IDC 预测 2025-27 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 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 7 工业/能源 图表5： 我国算力中心地图及上架率（截止 2023 年） 资料来源：清华大学互联网产业研究院，华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 满足云计算和边缘计算等基础通用计算需求，无法高效处理大规模并行计算任务。通用 算力下游主要为云服务商，主要分为电信运营商（中国电信-天翼云、中国联通-联通云 和中国移动-移动云）和互联网运营商（阿里云和华为云等）。以长江云互联网数据中心 为案例，其计算额定功率为 134kW（24 台设备机架*7kW 单机架功率输出*0.8 需要系 数），该项目选用 240 kVA 模块化 UPS 电源（6 个 40kVA

数白天AGV设备与载具进行统一物联与管理，大幅降低故障率，避免产线因AGV调度 停产造成的百万损失。支撑电池片生产追溯与产线工艺流程的优化改进。 智化创新平台帮助企业打造灯塔工厂和行业云 12 Z市 集团工业互联网平台 B工厂-边缘云 企业骨干网 企业骨干网 企业骨干网 腾讯公有云 3 朵中心云-TCE 4 朵边缘云-TCS 1 朵腾讯公有云 边缘云-TCS AI平台 数据平台 安全平台 容器平台 智能产线设计与开发 工业物联网 数字化产线应用 泛在网络连接与智能终端 控制台 & 运营门户 企业级应用 行业级应用 某 集 团 工 业 互 联 网 腾 讯 云 G市 集团工业互联网平台 S市 集团工业互联网平台 中心云-TCE 腾讯公有云 分布式混合云 T工厂-边缘云 J工厂-边缘云 Z工厂-边缘云 某半导体采用腾讯云基础架构作为下一代数字化转型 和智能制造的新起点 客户简介/项目背景

《北京市数字技术技能人才培养实施方 案》 数字技术技能人才培养以产业数字化与数 字产业化为核心，大力实施首都专业技术人 才“登攀”计划，围绕人工智能、物联网、 大数据、云计算、数字化管理、智能制造、 工业互联网、虚拟现实、区块链、集成电路 等数字技术技能领域，培养一定数量的数字 技术领军人才，每年培养具有良好科学素 养、精于实操应用、能够解决复杂问题的工 程技术技能人才 1 万人，不断推进专业技术 人员数字素养和技能提升，为加快发展数字 字化专业人才技能素质。 三、拥抱变化：数字化人才将成为企业新的发力点 1.数字化人才 | 企业数字化转型的关键因素 在全球新一轮科技革命和产业变革中，IT 技术展现出广阔前景和无限潜力。自“互联网+” 行动全面推行后，IT 领域创新成果便开始大范围地与中国经济社会各行业、各领域、各环节 深度融合，人们的生产生活方式发生了巨大变化。现阶段，数字化转型逐渐成为行业企业的共 识，并已成为不可 支能为企业业务活动、专业流程等赋能的数 字化专业人才队伍，成为企业转型发展的重要节点或关键所在。 1.数字化人才  传统数字人才定义：聚焦技能领域 2018 年前后，清华大学经济管理学院互联网发展与治理中心的研究团队借鉴经济合作与 发展组织（OECD）关于信息通信技术（ICT）的框架，将数字人才的能力划分为 ICT 基础技 能、ICT 专业技术以及 ICT 辅助技能三大范畴。同时，从产品与服务的价值链数字化转型视角

和存储密集型等各类业务算力需求。 3. 促进边缘算力协同部署。加快边缘算力建设，支撑工业 制造、金融交易、智能电网、云游戏等低时延业务应用，推动 “云边端”算力泛在分布、协同发展。加强行业算力建设布局， 满足工业互联网、教育、交通、医疗、金融、能源等行业应用 需求，支撑传统行业数字化转型。 4. 推动算力标准体系建设。加快制定面向业务需求的算力 设施、IT 设备、智能运营等方面的基础共性标准，完善相关技 应用的宣传推广，营造算力发展的良好氛围。三是持续发布《中 国综合算力指数》，对全国算网存能力进行综合评价。 （二）提升算力高效运载能力 1. 优化算力高效运载质量。探索构建布局合理、泛在连接、 灵活高效的算力互联网。增强异构算力与网络的融合能力，通 过网络的应用感知和资源分配机制，及时响应各类应用需求， 实现计算、存储的高效利用。针对智能计算、超级计算和边缘 5 计算等场景，开展数据处理器（DPU）、无损网络等技术升级 智能运营等跨域综合信息应用以及车路协同自动驾驶、港口矿 山自动化生产等低时延高可靠应用提供灵活高效的算力支撑。 6.“算力+医疗”。统筹建设国家和省级医疗大数据中心， 完善区域全民健康算力平台，支撑“互联网+医疗健康”应用体 系高质量发展。加快基层卫生健康边缘数据中心建设，强化对 各级医疗机构的边缘算力支撑，实现医疗算力资源的有效下沉。 7.“算力+能源”。加快建设能源算力应用中心，支撑能源

海、成都、深圳等代表的各地政府纷纷响应号召，将人工智能及其相关产业 发展纳入当地发展规划，以助力新一代人工智能产业生态的形成。2025年初，习近平总书记指出：“中国高度重视人工智能发展，积 极推动互联网、大数据、人工智能和实体经济深度融合，培育壮大智能产业，加快发展新质生产力，为高质量发展提供新动能。并 在2月召开中央民营企业座谈会，众多与人工智能相关的民营企业家参会，为中国经济转型与产业升级打下重要基调，也进一步反映 构，奠定大模型预训练算法架构的基础； • 2018年，OpenAI发布了GPT-1大模型；Google发布BERT大模型； • 之后GPT模型持续演进，2022年11月，GPT3.5的ChatGPT面世，引爆互联网，大 模型时代随之到来。 2014年，GAN（对抗式生 成网络）诞生，深度学习进 入了生成模型研究的新阶段。 里程碑事件：2006年深度神 经 网 络 引 入 ； 2012 年 AlexNet 图 等产品的会员制AI功能，或无界AI、触手AI等产品的会员制订阅及资源购买。整体来看，大多数C端 AI产品仍然面临用户黏性不足，收费 持续性不足的问题，产品形态尚未稳定，生态壁垒尚未建立。相较于互联网较为稳定的生态格局，AI产品的头号位交椅仍是悬念。 近十年中国AI发展阶段及关键性节点 AI认知与应用度 时间轴 • 2012年，深度学习AlexNet 在ImageNet竞赛中夺冠，标

海、成都、深圳等代表的各地政府纷纷响应号召，将人工智能及其相关产业 发展纳入当地发展规划，以助力新一代人工智能产业生态的形成。2025年初，习近平总书记指出：“中国高度重视人工智能发展，积 极推动互联网、大数据、人工智能和实体经济深度融合，培育壮大智能产业，加快发展新质生产力，为高质量发展提供新动能。并 在2月召开中央民营企业座谈会，众多与人工智能相关的民营企业家参会，为中国经济转型与产业升级打下重要基调，也进一步反映 构，奠定大模型预训练算法架构的基础； • 2018年，OpenAI发布了GPT-1大模型；Google发布BERT大模型； • 之后GPT模型持续演进，2022年11月，GPT3.5的ChatGPT面世，引爆互联网，大 模型时代随之到来。 2014年，GAN（对抗式生 成网络）诞生，深度学习进 入了生成模型研究的新阶段。 里程碑事件：2006年深度神 经 网 络 引 入 ； 2012 年 AlexNet 图 等产品的会员制AI功能，或无界AI、触手AI等产品的会员制订阅及资源购买。整体来看，大多数C端 AI产品仍然面临用户黏性不足，收费 持续性不足的问题，产品形态尚未稳定，生态壁垒尚未建立。相较于互联网较为稳定的生态格局，AI产品的头号位交椅仍是悬念。 近十年中国AI发展阶段及关键性节点 AI认知与应用度 时间轴 • 2012年，深度学习AlexNet 在ImageNet竞赛中夺冠，标

专用设备网络 o 需要网关、协议转换、网桥 o 一些示例：Zigbee、Z-Wave、pre-IP KNX和BACnet 七种基于标准的设备网络（LP-WAN是特例，下文会提及）利用互联网协议可支持大多数主 流AIoT应用场景，而且除蜂窝网络和卫星网络外，所有无线网络都使用免授权无线电频谱。 让我们来一探究竟。 局域设备网络 以太网、Wi-Fi和低功耗蓝牙已融入我们 Insights & Strategy 2024年5月 其变体。拥有大量已安装设备的产品公司通常不愿从这些专用连接方案转向标准网络上的互 联网协议。 然而，出于以下三个原因，向互联网协议过渡具有很好的商业意义。首先，基于IP的产品可 以与许多其他设备和应用程序连接，包括高价值的、由AI增强的生态系统。梅特卡夫定律2 告诉我们，网络的经济价值与连接设备数量的平方成正比，因此与更大的生态系统进行互操 的投资。例如，Matter规范定义了能够在Matter消息和命令与非IP等效消息和命令之间进 行转换的网桥。Matter是一项面向消费者的标准，但其他应用领域也可以定义类似的协议 转换方案。 标准应用层 互联网协议（IP）使消息能够在承载IP的网络上传输，而无需经过集线器、网关或协议转换 器。因此，应用可以使用相同（或相似）的消息有效负载与通过Wi-Fi、Thread、卫星或蜂 窝网络连接的IoT设备