算力“通胀”:当AI开始“烧钱”,谁在掌控数字经济的命脉?

当我们在手机屏幕上轻轻一点，几秒钟内生成一幅赛博朋克风格的画作，或是让AI助手帮我们写出一篇周报时，人工智能（AI）给我们的感觉是轻盈的、丝滑的，仿佛指尖上的一场魔法。然而，在现实世界的另一端，为了支撑这“几秒钟的魔法”，成千上万块昂贵的芯片正在机柜中以超过100千瓦的功率疯狂咆哮，数据中心的散热风扇发出震耳欲聋的轰鸣，电力负荷如同核潜艇般恐怖。

这种巨大的反差揭示了一个常被忽视的真相：数字经济时代的“石油”并非免费，AI算力正经历着一场从“指尖轻触”到“算力基石”的残酷进化。我们享受的每一个智能功能，背后都是一场关于“逆摩尔定律”成本焦虑、万亿参数模型训练瓶颈以及全球算力基础设施争夺的宏大战争。

一、宏观背景：数字经济的新引擎

AI算力，通常指用于训练和运行人工智能模型的计算资源总和，包括硬件计算能力、软件算法效率、数据吞吐能力等多方面要素。其核心载体是高性能计算芯片（如GPU、TPU、NPU等），辅以高速网络、大规模存储系统和优化的算法架构。在数字经济时代，AI算力被视为新的“石油”，是支撑AI技术发展的核心基础设施。

洞见研报库内数据预测，受大模型训练、自动驾驶等需求驱动，2024年中国AI算力规模快速增长至725.3EFLOPS（百亿亿次/秒）。预计到2028年，随着更多企业布局AI应用，全球AI算力规模将突破50000EFLOPS，带来超过万亿的市场空间，成为拉动经济增长的新引擎。

（资料来源：汉鼎智库）

数据显示，2025年全球人工智能服务器市场规模预计达到1587亿美元，到2028年有望进一步攀升至2227亿美元。在中国，截至2025年6月，智能算力规模已达788EFLOPS（FP16半精度），算力总规模位居全球第二。预计到2028年，中国智能算力规模将达到2781.9EFLOPS，2023-2028年的五年复合增长率高达46.2%。

（资料来源：中国信通院）

这一庞大的市场背后，是全球科技竞争的白热化。美国、英国、欧盟等国家和地区纷纷将AI基础设施上升至国家战略。中国亦通过“东数西算”工程、《算力基础设施高质量发展行动计划》等政策，构建国家级算力网络，旨在抢占全球AI产业竞争的主动权。

二、核心瓶颈：“三堵墙”与逆摩尔定律

尽管前景广阔，但中国AI算力产业的发展并非坦途。中科算网科技的白皮书深刻指出了当前面临的严峻挑战——“算力墙、存储墙、通信墙”。

首先，是算力需求的指数级增长与供给之间的矛盾。洞见研报库内报告显示，全球AI算力需求正以每3-4个月翻番的速度突破临界点，远超传统摩尔定律预测的18个月翻倍速度，形成了所谓的“逆摩尔定律”。训练成本的飙升令人咋舌：2020年训练GPT-3的成本约为450万美元，而到了2025年，训练Llama4等前沿模型的成本预计已超过3亿美元，五年间增长了66倍。

（资料来源：中科算网科技）

其次，是技术层面的“三堵墙”瓶颈。

算力墙：单卡算力存在上限，单纯增加计算单元的效果正在递减。

存储墙：内存带宽和容量限制成为关键瓶颈。研究表明，AI训练未来的瓶颈可能不是算力，而是GPU内存。万亿参数模型需要数百GB甚至数TB的内存容量，而当前AI加速器的内存往往捉襟见肘。

通信墙：集群网络通信开销巨大。过去20年间，运算设备的算力提高了90,000倍，而互连带宽仅提高了30倍。大模型并行训练中的AllReduce梯度同步等操作，受限于带宽，严重制约了训练效率。

这些瓶颈导致了高昂的算力成本与能耗压力，迫使产业界必须寻找新的技术路径。

（资料来源：中科算网科技）

三、技术突围：异构计算与算力网络

面对上述挑战，行业正在通过两大技术主线寻求突围：异构计算与算力网络化。

异构计算是指在同一系统中集成CPU、GPU、FPGA、ASIC等多种计算单元，以适应大模型训练与推理的多样化需求。异构计算已成为大模型时代的刚需。例如，GPU擅长大规模并行训练，而ASIC（如TPU/NPU）在特定推理任务上能效比极高。

中国在异构计算的软硬件生态上已取得显著进展。硬件层面，华为昇腾、寒武纪思元、海光DCU等国产芯片已具备对标国际主流产品的实力。例如，华为昇腾910B在部分性能指标上已能与NVIDIAA100/A800竞争，并在字节跳动、腾讯等互联网大厂实现规模化部署。软件层面，通过MLIR、TVM等编译器技术及AI框架适配（如PyTorch插件），正在努力打破“一云多芯”的壁垒，实现资源的统一管理和调度。

与此同时，算力网络化正在将算力从单点设备升级为全局资源。“AI计算节点”概念正在通过高速互联技术（如NVLink、RoCEv2）将多张GPU集成在一个逻辑单元内，构建起高带宽、低时延的数据传输体系。国家层面的“东数西算”工程正在构建全国一体化的算力网，通过建设八大算力枢纽节点，铺设超过250条干线光缆，旨在打破区域壁垒，实现算力资源的跨域调度。这种架构不仅提高了资源利用率，还通过将算力与西部丰富的绿色电力结合，推动了“双碳”目标下的绿色计算发展。

（资料来源：中国信通院）

四、未来展望：从“可用”到“好用”的跨越

展望未来，中国AI算力产业将在政策与市场的双重驱动下，实现从“可用”到“好用”的跨越。随着大模型参数向万亿级迈进，AI计算节点将成为构建超大规模智能算力集群的核心单元，具备高密集约、高速超宽、高效灵活、高稳可靠四大特征，能够有效支撑万亿参数模型的高效训练与高并发推理。技术演进将不再局限于单一芯片的性能比拼，而是转向系统级效率的竞争，光互连技术、存算一体架构以及全液冷技术将逐步从实验室走向规模化商用，彻底解决“通信墙”与散热难题。

在此过程中，算力的形态将发生根本性变革，从昂贵的专属资源转变为像水电一样即取即用的公共服务。通过国家级算力调度平台与“算力券”等普惠模式，中小企业和科研机构将能以极低的门槛获取顶尖算力，推动AI技术在金融、医疗、制造等垂直行业的深度渗透。算力将不再仅仅是堆叠的硬件，而是融合了算法、数据与场景的“智慧大脑”。最终，随着“东数西算”工程的深化与绿色低碳技术的应用，中国将建立起自主可控、高效绿色的智算产业生态，从“算力焦虑”走向“算力自由”，为数字中国的建设提供源源不断的动力。

点击下方小程序查看相关报告

往期回顾

【专题】

#洞见研报 #研报 #报告 #行业前沿 #AI #通信 #信息技术 #低AI算力 #数字经济 #算力网络 #人工智能 #算力网络