IDC2025年新质算力发展白皮书-生成式AI驱动算力基础设施向纵深升级39页_3mb

新质算力发展白皮书总结

报告主旨
IDC联合宁畅提出“新质算力”概念，旨在帮助企业突破传统算力在成本、效率、灵活性和适用性方面的瓶颈，加速智能化业务融合创新。报告为用户制定算力效率雷达、建设路径图和产品选型标准，指导企业科学规划全栈AI算力基础设施，推动AI应用场景落地，实现智能化升级。

核心内容

1. 生成式AI推动算力需求升级
   生成式AI（如DeepSeek）的快速发展引发市场关注，其高性价比的模型训练、高质量推理能力及开源生态降低了应用门槛。AI智能体（AIAgent）在多个行业（如智能客服、自动驾驶、智能制造）的应用深化，推动算力需求趋向多样化、定制化和精细化。

2. 传统算力面临五大挑战

   • 供需脱节：算力中心建设与企业实际需求匹配不足，导致资源闲置和投入浪费。
   • 效率低下：技术架构落后、运维能力不足导致算力利用率低、成本高。
   • 管理复杂：缺乏场景化资源调度机制，难以实现高效协同。
   • 易用性不足：传统算力设施操作门槛高，限制中小企业应用。
   • 绿色节能压力：能源结构转型要求算力中心显著降低能耗与碳排放。

3. 新质算力的定义与优势
   新质算力强调从算力到算效的转变，通过一体化设计、全栈优化及绿色节能技术，提升资源利用效率。其特性包括：

   • 算效提升：通过多精度平衡、动态资源调度等技术优化性能。
   • 体系化管理：整合算力、网络、存储等资源整合与高效运维。
   • 绿色节能：采用液冷、动态能耗管理等手段控制碳足迹。
   • 场景适配：支持垂直行业模型训练、推理及定制化部署。

4. 算力效率雷达与建设路径
   IDC与宁畅提出的算力效率雷达模型，从**算力（软硬协同）、碳力（绿色节能）、存力（高效存储）、运力（网络互联）、智力（智能运维）**五个维度评估算力中心效率。企业需分三阶段推进建设：

   • 第一阶段：需求调研与规划，明确业务目标、资源类型及技术路线。
   • 第二阶段：集群部署，采用软硬一体化方案，覆盖训练、推理、边缘计算等场景。
   • 第三阶段：追踪优化，通过动态调整资源分配、模型精调及系统协同提升整体效能。

5. 算力产品选型标准（PEEIE）
   选型需综合考量以下维度：

   • 产品丰富度：覆盖AI计算、边缘设备及多精度资源支持。
   • 关键性能：评估计算密度、内存访问效率、网络带宽等核心指标。
   • 工程化落地：验证产品稳定性、易用性及兼容性。
   • 行业实践：考察在政务、金融、医疗等领域的成功案例。
   • 服务与生态：包括售前支持、售后服务及与云平台、大数据的集成能力。

6. 行业实践案例

   • 车企客户：通过融合算力中心（超算、智算、通用算力）支持自动驾驶模型训练和智能座舱优化，提升研发效率和用户体验。
   • 互联网企业：基于新质算力栈（如NEXAILab）构建训练推理集群，满足短视频、电商等场景的AI应用需求，加速大模型商业化。

7. 未来展望与建议
   国家政策（如“东数西算”）和市场需求将推动算力基础设施持续优化。企业需关注以下方向：

   • 全周期管理：通过液冷、动态资源调度等技术实现绿色节能。
   • 生态协同：加强芯片、服务器等产业链协同，降低定制化成本。
   • 场景创新：结合行业需求深化算力适配能力，如医疗影像分析、工业质检等。
   • 安全与合规：完善数据安全、隐私保护及监管机制，保障算力系统稳定运行。

总结
新质算力作为算力服务的升级方向，通过全栈整合、精准匹配及绿色创新，解决传统算力效率低、成本高和供需脱节问题。企业需结合算力效率雷达框架和PEEIE选型标准，分阶段推进建设，同时注重软硬件协同、场景适配及生态合作，以实现智能化转型与可持续发展。宁畅等技术服务商通过全液冷解决方案和行业定制化服务，为算力基础设施的优化提供实践参考。