优化决策和增强用户体验。行业特征包括技术依赖性强、产品迭代周期短及多样化与跨 领域应用。中国在此领域展现出强劲实力，推动行业持续发展，市场规模不断扩大。未来，智能硬件出货量的增加将带动智能软件需求增长，智能家居和智能汽车等领域的 发展为智能软件研发行业提供了丰富的市场机遇，预计市场规模将持续扩张。 行业定义 行业分类 按照应用领域分类 办公软件 嵌入式软件 新兴技术软件 信息安全软件 邦正科技股份有限公司 科大讯飞股份有限公司 渠道端及终端客户 应用与服务 渠道端 上游分析 数据存储需求的增长正驱动存储技术的革新。 预计到2030年，全球每年数据增量将达到惊人的1YB，其中约50ZB的数据具备存储价值。与2020年相比，数据量将激增23倍，预计未 来十年的年复合增长率将逼近40%。面对如此庞大的数据存储需求，存储技术的革新显得尤为关键。当前，相变存储器（PCM）、磁 阻 中国国家铁路集团有限公司 中国铁路广州局集团有限公司 2019年—2024年，智能软件研发行业市场规模由14,669亿元人民币增长至28,223亿元人民币，期间年复合增长率13.98%。预计2025年— 2029年，智能软件研发行业市场规模由31,977亿元人民币增长至52,693亿元人民币，期间年复合增长率13.30%。 中国在人工智能领域展现出强劲实力，促进智能软件研发行业持续发展。 截至2023年底，中

应用市场。因此，模型数量、模型参数、数据总量的持续增长及 AI 应用需求推动全球算力爆发式增长。在英伟达 GPU 随着架构的不断演进及算力的成倍增长，于 AI 大模型训练中得到广泛运用的同时，为了满足 CSP 客户更高性能 和更好功能的需求，定制化芯片 ASIC 的需求持续提升，牧本钟摆从标准化逐渐摆向定制化。与之相应的算力基础设施持续建设和升级，促使国内外云服务商资本开 支持续高速增长，带来 AI 服务器市场规模大幅提升，预计到 Emergent Abilities of Large Language Models 》，随着模型规模的扩大，语言模型表现出的新的、不可预测的能力。这些新能力在中 小模型上线性放大都得不到线性的增长，但在模型规模突破一定阈值时突然出现。“涌现”能力反映了系统行为 质的变化，这种变化不能简单地通过观察或分析较小规模模型的性能来预测。 2000 150 0 100 0 500 0 Claude 数量位居第二位，占比 36% ，代表性模型包括阿里的通义千问、腾讯的混元大模型、百度的 文心一言、月之暗面的 Kimi 、字节跳动的豆包等。 l 模型参数规模呈现指数级增长，模型性能持续提升。近年来新推出的大语言模型所使用的 数据量和参数规模呈现指数级增长，例如 GPT-3 模型参数约为 1750 亿，据 Semianalysis 推测 GPT-4 参数量达 1.8 万亿；同时，国内目前公布的大模型参数规模也普遍在百亿至千

推荐 首次 核心观点： ⚫ 营收稳健增长，盈利能力逐渐恢复。公司在 2019-2021 年间营业收 入分别为 2.45/3.37/4.50 亿元，同比增长 43.61%/37.58%/33.71%，归母 净利润分别为 0.43/0.77/0.97 亿元，同比增长 22.06%/79.62%/26.24%， 年复合增长分别为 38.24%和 40.40%。2022 年公司业务受到国内新冠 年公司业务受到国内新冠 疫情的影响，营收增速有所减缓，营收同比增长 2.78%，由于公司加 大技术研发投入以及管理人员职工薪酬增长，导致 2022 年净利润同 比有所下降，归母净利润同比下降 9.86%，利润端短期承压。2023 年 伴随着疫情的恢复，公司有望恢复高增长态势。 ⚫ 研发投入持续加码，核心竞争力不断提升。2022 年公司研发投入 1.12 亿元，同比增长 22.52%，公司重视技术能力和产品创新能力的不 45%，市场占有率全行 业第一；3）智慧执行领域的细分软件中，公司的司法查控系统软件具 有较高的市场占有率，其中“总对总网络查控系统”市场占有率全行 业第一。 ⚫ 引领智慧法院建设，AI+法律有望打开增长空间。目前公司持续 深耕法院行业应用，加大大数据、人工智能、移动互联网、区块链等 相关技术的研发，积极推动人工智能、大数据等相关技术在司法领域 的应用，利用大数据分析、自然语言处理、多模态机器学习等技术，

，这将为国家制定精准的产业政 策提供科学依据，为产业的技术创新和投资方向提供“指南”。 展望未来，我国算力发展之路机遇与挑战并存。我坚信，在全国各界的共 同努力下，我国算力产业必将实现量的稳步增长与质的显著提升，加速高质量 发展的新征程！ 邬贺铨 中国工程院原副院长 算力产业发展方阵指导委员会主任委员 综合算力指数 前 言 近年来，AI 快速发展。算力、存力、运力以及模型能力的协同 ..................................................................................... 1 （一）算力需求爆发式增长，全球竞争日益激烈............................................ 1 （二）算力发展持续规划，产业亟待提质升级...................... ................................... 41 综合算力指数 1 一、综合算力研究背景 （一）算力需求爆发式增长，全球竞争日益激烈 随着人工智能、大数据、工业互联网等新技术规模化应用，全 球算力需求呈现指数级增长。从智能工厂中精准控制生产设备的工 业机器人，到智能交通里实时规划路线的导航系统，再到个性化推 荐服务背后复杂的算法运算，各类数字化场景都高度依赖强大、稳

此外，市场调研显示，大模型的应用前景非常广阔。根据 Precedence Research 的报告，全球人工智能市场在 2022 年达到 了 387 亿美元，预计到 2030 年将增至 1,391 亿美元，复合年增长 率达到 17.5%。基于此，开发一个高效、稳定的大模型 SaaS 平 台，无疑是一个充满潜力的投资机会。 在设计方案中，需要重点考虑以下几个方面： 1. 模型选择与优化：需选择适合行业需求的大模型，并在此基础 根据市场研究机构的数据显示，全球人工智能市场规模在过去 五年中以超过 40%的年均增长率迅速扩张。预计到 2025 年，人工 智能市场规模将突破 5000 亿美元。与此同时，中国在人工智能领 域的投资也在持续加大，2022 年，中国人工智能产业的整体规模 已经超过 3500 亿元人民币，预计未来几年将保持强劲增长。 从技术层面来看，当前，大模型（如 GPT、BERT 等）作为深 度学习的重 是吸引和留住用户的 必备条件。 最后，本文将通过实际案例、市场调查结果以及定量分析，插 入以下的表格，来阐明大模型 SaaS 平台的市场潜力与发展前景： 项目 数量/比例 市场需求增长率 25%年增长率 目标用户群体数 量 5000+企业 开发者参与度 60%开发者愿意使 用 资金投入 预计 1000 万人民 币 通过以上分析，本文希望能够为企业和开发者提供一个全面、

转载、摘编或利用其它方式使用本报告文字或者观点的， 应注明“来源：中国信息通信研究院”。违反上述声明者， 本院将追究其相关法律责任。 前 言 当前，全球人工智能（AI）加速发展，伴随着大模型参数规模 与训练数据大幅增长，AI 产业发展推动全球 AI 算力市场规模持续 扩大，互联网、金融、制造等重点行业智能化转型进一步放大算力 需求。同时，传统算力架构面临单机性能受限、集群扩展瓶颈、资 源利用率偏低等多重挑战，新型架构探索成为突围算力瓶颈的关键 2 AI 计算节点特征 （二）发展背景 1.人工智能发展催生智算缺口 AI 计算节点发展研究报告（2026 年） 3 当前，全球 AI 产业迭代加速，AI 大模型参数与训练数据量跨越 式增长，各行业智能化转型提速，智算资源刚性缺口持续扩大，算力 需求激增。国际数据公司（IDC）数据显示，2025 年全球人工智能服 务器市场规模为 1587 亿美元，2028 年有望达到 2227 亿美元1。AI token，节点间 数据传输量几何级增长，进一步加剧了算力资源供给压力。 来源：IDC 图 3 全球人工智能服务器市场规模预测 AI 技术在互联网、金融、制造业等规模化落地进一步放大了智 能算力的需求缺口。随着 DeepSeek、Llama 等开源大模型的普及，大 模型在各行业的落地应用将持续提速，行业模型的智能算力需求也将 快速增长。互联网行业，头部平台算力需求爆发式增长。如字节跳动 全球日活用户达

支撑着其进行数以千亿模型参数训 练,并成为其技术发展和应用的首要前提。 虽然 LLM 持续增加预训练的数据量和模型参数仍符合缩放定 律 [1],但随着硬件集群的限制和成本的约束,模型参数 的增长已逐渐减缓,如何提升算力集群应用效率成为 当前推进 AI 发展必须面对的课题。 1 大模型工作范式 Transformer 是一种基于注意力机制提取数据特征 ·81· ���E�����0 这种技术路线使 DeepSeek 在保持较低算力需 求的同时,实现高效的模型训练和推理。 2 大模型关键技术 2. 1 并行训练 随着 AI 的快速发展,模型的规模不断增大,参数 量从百万级增长到万亿级。 这种趋势带来了巨大的计 算和内存挑战,单一图形处理器( Graphics Processing Unit,GPU)的性能已无法满足大参数量 LLM 训练的 需求,分布式并行训练技术成为关键。 障成为模型预训练过程中的常态。 故障不仅影响单服 务器作业,在梯度同步的过程中可能拖慢数万个 GPU 的整个集群训练作业 [10]。 3. 2 存储读写与带宽瓶颈 随着大模型参数和数据集规模的快速增长,存储 系统面临海量数据的存储与读写需求、存储系统的性 能瓶颈以及检查点(Checkpoint,CKPT) 快速读写三大 挑战。 数据存储容量需求随着模型规模的增加而急剧上 升,大模型训练除了需要处理庞大的训练数据集之外

自主智能供应链正是价值创造的新高地。近三分 之二的受访企业计划在未来十年内大幅提升供应 链的自主化水平。 由此产生的财务效益十分可观。本次调研的 受访企业预计，息税及摊销前利润（EBITA）有望 增长5%，已动用资本回报率则有望提高7%。在运 营层面，企业有望将订单交付周期大幅缩短27%， 生产力提升25%，碳排放量降低16%，同时，从运 营中断事件中恢复所需的时间也能缩短约60%。 在打造自主智能供应链的进程中，领军企业 报日益递减，无论是规模经济、全球化，还是精益 生产和六西格玛TM，这些都催生出了对开辟新价 值来源的迫切需求。 与此同时，线上消费交易额急剧攀升，供应链 所承受的压力也与日俱增。过去三年间，全球消费 者线上支出增长了30%1，这不仅催生了众多新兴 渠道，也带来了产品个性化定制的新需求。气候变 化、公共卫生危机以及汽车行业等特定领域的深 刻变革，均对企业的敏捷性提出了前所未有的要 求。突发且不可预测的地缘政治变局以及持续变 策自主化。 实现自主智能供应链 15 图6 最先进的工业多集中在离散制造领域 • 未来五年内，所有行业的供应链自主化 水平预计都将实现显著提升。大多数行 业从当前到未来的自主化发展均呈现持 续增长态势，反映出向自动化与自主化 转型的普遍趋势。然而，各行业转型的 速度与广度差异显著，这为根据其独特 需求和运营现状制定针对性的战略举 措带来了机遇。 • 汽车行业已成为数字化供应链转型的

大模型算力解决方案手册 1.1 大模型下半场： 推动 AI 普惠并抢占战略制高点 在全球数字经济加速向智能化转型的浪潮中，生成式 AI 技术突破、大模型生态爆发与数 据量指数级增长，正重塑企业竞争格局，使得算力需求呈现前所未有的增长态势。企业正 站在从传统 IT 架构向智能决策体系转型的战略窗口。在这场智能革命中，算力集群的弹 性扩展能力、算法框架的优化及数据资产的跨域融合，共同构成了数字化转型的坚实“数 型的坚实“数 ” 字底座 。I DC《2024 全球 AI 基础设施报告》显示， 中国企业 AI 算力支出达 127 亿美元， 年增长率 58%，但算力利用率中位数仅为 34% “ ， 高投入、低效能” 的矛盾凸显。企业迫 切需要突破算力孤岛、算法碎片化和数据质量瓶颈。构建全栈协同、自主可控的智能基 础设施，成为企业实现战略转型的必选项，而这正是中国市场展现创新活力的关键所在。 的过程中，进一步衍生了全新的挑战。 ※ 资源效能定制与算力短缺困局 企业在应用 DeepSeek 技术时，需根据不同模型应用场景定制方案，然而计算资源短缺 成为横亘在前的首要难题。AI 大模型训练与推理对算力需求呈指数级增长，不仅硬件采购、 运维成本高昂，资源动态分配与调度逻辑复杂，且模型开发所需的基础环境搭建涉及软件 适配、系统调试等大量工作。 第二章 企业 AI 大模型应用：从试水到规模化落地的全新挑战

正成为云服务商的核心竞争力。面对企业客户的数字化转型需求，减少延迟和工作负载可移植性 将是客户的关键优先事项，为垂直特定数据类型提供量身定制的云服务将创造有利的竞争优势。 云提供商须为跨行业数据采集、存储和计算需求的大幅增长做好准备。 在AI高速发展和在线业务快速膨胀的时代，企业用户对云基础设施的性能、成本、稳定性、安全 性等方面提出了全新的要求。为适应企业创新、降本增效以及业务出海等需要，云服务商不断通 过协同 等都成为企业 核心关注的目标。 趋势：云服务能力持续跃升 加速企业数智化转型与创新 01 IDC预计，云数据中心数据增长在2025年为58.1ZB，����年将翻4倍，达到228.9ZB，����-���� 年复合年增长率为40.9%。 图1 全球云数据中心数据增长，2024-2029 来源：IDC全球数据圈预测, 2025‒2029 ��.� ��% ��% ��% ��% 控、服务治理以及相关 的配置管理等云原生能力。 �� �.� AI数据处理与计算协同的复杂度激增 传统的云存储和处理架构难以高效应对，存储和传输成本也非常高昂。同时，AI算力需求持续高速 增长，为保障AI系统的实时响应，云基础设施需要在架构层面做出创新，以应对多种类型的挑战。 数据处理挑战：除AI海量、多模态特征外，工业制造、医疗等领域的AI应用所涉及的异构数据 多，格式和标准不统一