本篇正文内容如下：

最近刷到个数据挺震撼：截至2024年，咱们国家的算力总规模已经超过280 EFLOPS（简单说就是算力单位，数值越大越能打），稳居全球第二。

更猛的是智能算力——就是专门给AI用的算力，已经飙到90 EFLOPS，占比超30%，比2019年翻了快13倍，平均每年涨90%。

一、AI算力基建，到底在搭什么“骨架”？

首先得明确，AI算力不是单指某一台服务器，而是一整套“国家级基建”——从数据中心到网络，再到怎么调度资源，有点像“AI时代的水电网”。

现在咱们国家的思路很清晰，就是“国家定方向+地方自己干+智能算力优先铺”。

最核心的就是“东数西算”工程，这事儿应该不少人听过，但具体咋回事？其实很实在：东部地区（比如长三角、粤港澳）AI需求猛，但是能源紧张、算力不够用；西部（贵州、内蒙古这些地方）水电风电多，成本还低。

所以国家在这8个地方建了“国家算力枢纽”，相当于把东部的“数据活儿”搬到西部去算，既省钱又环保，现在已经形成了“核心枢纽带头，各个区域配合”的网络。

举个直观的例子：北京、上海、广州这些地方，已经建了不少大型智算中心，专门给本地的AI企业、互联网公司做支撑——比如训练个大模型、跑个智能推荐，都得靠这些中心。

全国现在在用的算力中心机架，已经有830万标准机架，相当于830万个“算力储物柜”，装着各种能给AI供能的设备。

二、为什么现在AI算力突然“火出圈”？

不是凭空冒出来的热度，而是政策、技术、产业、商业模式这四个方面，刚好凑到了一起。

1. 政策给足了“定心丸”

国家层面早就把算力当成“新基建”的关键，除了“东数西算”，还出了《数字中国建设规划》《算力基础设施高质量发展行动计划》这些文件，定了大方向。

地方也没闲着，北京、上海、浙江这些地方都出了具体方案，比如上海直接说“到2027年智算产业要破2000亿”，给企业吃了颗定心丸。

2. 技术终于“跟得上需求”

以前AI算力不够，很大原因是硬件和技术拖后腿。现在不一样了：

• 芯片方面：华为昇腾、寒武纪思元、壁仞BR100这些国产AI芯片，性能越来越接近国际水平，不用再完全依赖进口；

• 散热方面：以前数据中心靠风吹，又费电又降不了温，现在用“液冷”“浸没式冷却”，服务器直接泡在绝缘液体里，散热效率提了40%，还能支持更高密度的设备；

• 调度方面：现在能把分散的算力拼成“一个池”，比如你公司闲置的GPU，能通过云平台租给别人用，不浪费。

3. 产业需求“拦都拦不住”

2023年生成式AI（比如ChatGPT、国产的通义千问）一出来，直接把算力需求拉爆了——训练一个千亿参数的大模型，得用成千上万张GPU跑好几天。

而且不只是互联网公司要算力，现在金融行业用AI做风控、制造行业用AI质检、医疗行业用AI看片子，各个行业都开始抢算力，需求从“试试水”变成“必须有”。

4. 中小企业也能用得起了

以前算力是“土豪专属”——买一套高端服务器得花几百万，中小企业根本扛不住。

现在不一样了，云服务商、运营商都推出了“按需租赁”：比如按小时租GPU，高峰时用高端的，低谷时就退掉，成本一下降下来。

还有“算力交易”，就像买水电一样，用多少付多少，算力终于“普惠”了。

三、从“摸索”到“爆发”：AI算力的4个关键节点

咱们捋捋时间线，就能明白现在的“高速增长”不是偶然：

• 2020年前：摸索期

• 2020-2022年：启动期

  GPT3出来了，第一次实现“不用人工微调就能自己生成内容”，大家才发现“原来AI能这么强”。加上疫情倒逼业务线上化，算力需求开始涨，但还没到爆发的程度。

• 2023年至今：高速增长期

  ChatGPT、GPT4陆续上线，国产大模型也跟着跑起来（比如LLAMA、通义千问开源），AI算力需求从“企业级”直接跳到“超大规模集群”——以前一个公司用几百张GPU就够了，现在训练一个大模型得用上万张。“东数西算”也在这时候加速，基建开始跟上需求。

• 2028年后：成熟期

  到时候AI算力会更“精细”——大家不只会看“算力够不够多”，还会看“调度快不快”“稳不稳定”“安不安全”。可能会普及“按智能成果付费”，比如你用算力训练出一个模型，按模型带来的收益分成，而不是按时间付费。

四、划重点！2025年AI算力的6个趋势

这部分是干货核心，不管你是做技术、搞业务，还是单纯好奇，这些趋势都会影响未来3-5年的AI发展。

1. 国产算力要“站起来”，不被卡脖子

现在国家把“算力自主可控”提到了很高的位置，目标很明确：2027年之前，智能算力里至少70%得是国产的。

比如上海临港已经在建“万卡规模”的国产智算集群，用的全是国产GPU和液冷技术；华为昇腾芯片已经在鹏城云脑这种超算中心大规模用了，寒武纪的思元芯片也能替代部分进口产品。

以后国产算力会越来越主流，不用再担心“别人断供”。

2. 算力要“绿色”，越省电越吃香

“双碳”目标下，算力中心不能再“大手大脚用电”了。

现在工信部要求新建大型数据中心的PUE（能源使用效率，越接近1越省电）必须降到1.3以下，头部智算中心甚至要求1.2以下。

怎么做到？一方面靠技术：液冷、浸没式冷却能把PUE降到1.2，比传统机房省30%电；另一方面靠能源：西部的算力中心用风电、水电，东部买绿电，上海有些智算园区已经有50%的电来自清洁能源了。

3. 全国算力“打通用”，东部西部互相帮

“东数西算”下一步要做的，就是让8个枢纽节点互联互通。比如现在已经有26个国家级骨干直联点，以后会更多，带宽也会扩，实现“全国算力自由流动”。

具体怎么用？东部白天算力紧张，就用西部的便宜绿色算力；西部晚上用电低谷，就用东部闲置的算力做数据备份。

比如宁夏的算力中心，已经能给东部的AI企业提供服务，既帮西部赚了钱，又满足了东部的需求。

4. 智算云平台分“两条路”，通用和垂直都要

以后的智算云平台会分成两种：

• 综合型平台：比如阿里云、华为云做的，相当于AI时代的“操作系统”——集成了数据处理、模型训练、推理部署全流程，不管你是做电商还是教育，都能在上面搭AI应用，门槛很低；

• 垂直型平台：专门服务某个行业，比如医疗AI平台会内置病历知识库、医学算法，金融AI平台会有风控模型，不用再从零开始搭，行业用户拿来就能用。

这两种平台会互相配合：综合平台给垂直平台提供基础能力，垂直平台的经验再反过来优化综合平台，最后满足不同用户的需求。

5. 大模型要“装知识”，更费算力但更有用

以前的大模型有时候会“瞎说话”（比如编造事实），现在要解决这个问题，就得给大模型“装知识库”——比如把公司的政策文档、行业的专业资料喂给模型，让它回答问题时有依据。

这种“大模型+知识库”的模式，会更费算力：比如企业部署一个带中型知识库的大模型，需要的算力是基础大模型的2-3倍。但好处也明显，比如你问“公司新产品营销预算怎么审批”，模型能直接翻内部文档，给出准确答案，不会再瞎编。

以后金融、医疗这些对准确性要求高的行业，都会这么做，也会催生更多高端算力需求。

6. 算力“云化”越来越普及，像水电一样随用随取

“算力即服务（CaaS）”会成为主流：以后没人会再花大价钱买服务器，而是直接从云端租。

比如九章智算云搞的“1度算力”，把算力标准化，不管你租的是哪的设备，都按统一标准计费，公平又方便。

中小企业和个人开发者会受益最多：不用管机房、不用维护硬件，打开电脑就能用世界一流的算力。

以后云算力还会延伸到工厂车间、医院诊室这些边缘场景，形成“云-边-端”一体的供给体系，解决安全、带宽这些问题。

五、上海为什么能成为“AI算力优等生”？看这3点

最后拿上海举个例子，看看先进地区是怎么搞AI算力的，其他地方可以参考：

1. 指标领先：截至2024年，上海的算力总规模已经到了“数十EFLOPS”，智能算力占比、投入强度这些关键指标都是全国第一梯队；

2. 基建够硬：浦东张江有公共算力平台，临港新片区在建1.5万卡GPU的智算中心（里面有国内最大的单池万卡液冷集群），还有腾讯、阿里云、商汤共建的AIDC，形成了集群优势；

3. 生态够全：有“书生·浦语”这些基础大模型，有专门做AI语料的公司（库帕思），还有近千亿的AI产业基金，聚集了商汤、华为、阿里这些头部企业，形成了“模型-数据-算力”的完整链条。

上海还定了2027年的目标：智算产业规模破2000亿，算力规模200 EFLOPS，自主可控占比超70%，野心不小。

六、不同人该怎么应对这场“算力革命”？

• 对政府来说：要统筹规划，别让各地盲目建数据中心；多给绿色算力、国产技术一些资金和税收优惠；开放政务、医疗这些公共数据，带动更多算力需求。

• 对企业来说：如果是提供算力的，就把平台做得更易用，多搞行业定制方案；如果是用算力的，优先租算力不用自建，把算力当成“生产要素”提前布局。

• 对普通人来说：以后不管是找工作还是创业，围绕“AI+算力”的方向（比如智算工程师、行业AI应用开发）都会是风口，多关注这个领域准没错。

本文太侠拆解自易观分析《2025年中国AI算力基础设施发展趋势洞察.pdf》。