2023_AIGC算力全景与趋势报告-量子位_41页_2mb

AIGC算力全景与趋势报告总结

2023年被视为AIGC元年，算力成为产业发展的关键基石。随着大模型参数量攀升（如GPT-3达1750亿参数，GPT-4达万亿级别），算力需求激增，英伟达凭借高性能GPU主导市场，但其产能已无法满足增长需求。国内算力产业面临挑战，需通过智算中心建设、算力调度优化及多元化芯片路线应对。

算力产业现状
AIGC对算力需求集中在训练与推理阶段。训练阶段依赖GPU实现大规模并行计算，需高算力支撑，而推理阶段转向能效比更高的专用芯片（如NPU、ASIC）。当前，GPU仍是主流选择，但其高功耗与成本限制了部分企业的发展。智算中心作为公共算力基础设施，通过整合算力、框架、模型及应用场景，成为AIGC的关键支撑。

产业发展趋势

1. 芯片路线分化：GPU通用路线（如英伟达A100/H100）与专用AI芯片（如华为昇腾、寒武纪）路线并存。GPU适合大模型训练，专用芯片更适用于垂直领域小模型，后者因研发周期长、商业风险大，短期内难以替代GPU。
2. AI服务器需求爆发：2025年全球AI服务器市场规模将达3179亿美元，年复合增长率19%。国内服务器厂商业务增量普遍超30%，但面临供不应求问题。
3. MaaS模式重塑云服务：模型即服务（MaaS）成为大模型厂商的主要变现路径，云计算厂商需从单纯算力提供转向“云智一体”的集成能力。
4. AI模型一体机兴起：云厂商通过硬件与软件整合，推出开箱即用的AI模型一体机，解决传统行业数据确权、模型部署难题。
5. 智算中心为核心基建：中国超30个城市已落地智算中心，通过“东数西算”策略将东部算力需求转移到西部，优化成本结构。

产业周期预测

• 基建期（2023-2025）：GPU厂商（如英伟达）及AI服务器企业率先受益，智算中心建设加速。
• 开发期（2026-2028）：推理芯片需求增长，存算一体、类脑芯片等创新方案或成突破口。
• 商业期（2028年后）：AIGC应用广泛落地，算力感知弱化，租赁模式成为主流盈利方式。

代表案例

• 阿里云：推出MaaS平台，提供从训练到部署的全流程服务，降低企业研发门槛。
• 百度智能云：构建“云智一体”全栈AI设施，包含自研芯片昆仑、框架飞桨及行业大模型文心系列。
• 腾讯：通过高带宽星脉网络及H800 GPU支持大模型训练，加速AI应用落地。
• 墨芯人工智能：基于双稀疏算法推出Antoum芯片，支持千亿参数模型训练，成本与能效显著优化。
• 天数智芯：自主研发通用GPU架构，适配主流CPU及服务器厂商，实现算力灵活性与性能提升。
• 亿铸科技：开发存算一体芯片，通过ReRAM技术提升大模型训练效率及能效比。

行业挑战与机遇
国产芯片厂商在高端GPU领域与英伟达差距显著，需依赖成熟制程工艺及先进封装方案追赶。同时，专用芯片路线需平衡能效与通用性，而MaaS模式为中小企业提供算力租赁服务，推动垂类模型与产业结合。未来算力将向集群化、标准化发展，智算中心与超算中心融合，形成更高效的资源配置体系。

报告指出，算力产业需通过技术创新（如稀疏计算、存算一体）、生态兼容及区域协同（如“东数西算”）应对AIGC带来的机遇与挑战，助力中国算力基础设施实现从追赶向引领的跨越。