> **来源：[研报客](https://pc.yanbaoke.cn)** # 智算中心发展趋势报告总结 ## 核心内容概述 智算中心作为现代化算力基础设施，正在从传统的“算力设施”向“AI 工厂”演进。它不仅提供算力资源，还涵盖数据服务、算法服务和智能服务，支持大模型训练、推理、智能体应用等高复杂度场景。自2020年算力纳入“新基建”以来，我国智算中心发展迅速，截至2026年3月，全国智能算力总规模已达1882EFLOPS，建成超70条算力大通道，展现出强劲的发展势头。 ## 主要观点与关键信息 ### 智算中心的内涵升级 - 智算中心已从“提供算力资源”向“生产交付智能”转变，成为标准化生产词元（Token）的“AI 超级工厂”。 - 核心价值从“算力规模”转向“词元产出效率”，并逐步形成“服务升级、互联互通、算电协同”三大新特征。 - 未来的智算中心将提供“数据、模型、知识、智能体、应用”等全要素的云化工程平台，实现大模型即服务、智能体即服务的模式。 ### 智算中心的关键技术 1. **芯片级高速互联** - 采用 NVLink、灵衢协议、IB、RoCE、UEC 等技术实现 GPU 与 LPU/NPU 之间的高效互联。 - 光电互连技术（如 CPO、LPO、OCS）提供更高带宽密度、更低功耗与延迟。 2. **集群调度与运维** - 资源池化通过虚拟化、容器、切片等技术实现统一资源管理。 - 集群调度系统具备任务匹配、容错保障、多租户隔离等能力。 - 运维系统构建“可观测、可诊断、可自愈”三位一体保障体系，确保高可用性与稳定运行。 3. **智能原生云平台** - 云服务化趋势显著，智算中心通过云原生、低代码技术构建面向 AI 应用的工程平台。 - 模型即服务（MaaS）和智能体即服务（AaaS）成为关键能力，降低用户使用门槛，提升交付效率。 4. **制冷与算电协同** - 高功率密度要求采用风液协同、浸没式液冷、自然冷源等技术，PUE 控制在1.08至1.2之间。 - 算电协同实现“算优化电，电支撑算”，通过 AI 预测与动态调度，提升电网灵活性与算力绿色化水平。 ### 现状与趋势 - **向词元工厂演进** - 生成式 AI 已进入工业化生产阶段，智算中心成为持续生成词元的“AI 超级工厂”。 - 词元作为 AI 时代的统一计量单位，客户关注重点转向词元成本与响应延迟。 - **系统性升级改造** - 智算中心架构向异构化、专用化发展，采用“GPU+LPU/NPU+CPU+ASIC”的协同模式。 - CPU 从“数据搬运工”升级为“系统总指挥”，算力与电力配比优化，提升整体效率。 - **边缘中心快增长** - 算力网络从“枢纽-集群”向“枢纽-区域-边缘”三级体系演进。 - 边缘算力承担70-90%的日常推理与实时响应任务，成为算力网的重要延伸。 - **算力边界快拓展** - 算力从集中式走向分布式，覆盖空、海、地等场景。 - 上海临港海底数据中心和之江实验室“三体计算星座”代表算力边界拓展的前沿实践。 ### 存在问题与建议 - **电力能源供应瓶颈** - 电费占比超50%，东部电力紧张，西部绿电消纳不足。 - 建议强化算电协同规划，推动源网荷储算一体化调度，加快液冷技术规模化应用。 - **供需错配利用率低** - 高端算力紧缺，低端算力过剩，利用率普遍低于40%，部分国产芯片集群甚至低于30%。 - 建议推动算力标准化、平台互联互通、应用侧需求牵引，提升资源利用率。 - **生态及供应链风险** - 高端 GPU、HBM 等关键部件依赖进口，供应链脆弱。 - 建议加快国产软件生态建设，推动行业标准统一，实施多元化供应链战略。 - **私有重复建设严重** - 企业因数据安全与合规需求倾向于私有部署，但利用率低、成本高。 - 建议推广“行业共享+区域共建”模式，推动私有与公有算力平台互联互通。 ## 结语 智算中心正从基础设施向智能服务转型，成为 AI 产业发展的核心支撑。未来，需在技术升级、生态构建、算电协同、资源利用等方面持续发力，以实现高质量、高效率、可持续的算力发展。