综合算力指数 算力产业发展方阵 2025 中国算力大会 2025 年 8 月 综合算力指数 版权声明 本报告版权属于算力产业发展方阵、2025 中国算力大 会，并受法律保护。转载、摘编或利用其他方式使用本报 告文字或者观点的，应注明“来源：《2025 综合算力指 数》”。违反上述声明者，将追究其相关法律责任。 综合算力指数 推荐序 近年来，AI 技术迅猛发展，算力作为数字经济的基础资源，其重要性与日 按照“点、链、网、面”体系化 推进全国一体化算力网络工作，综合算力指数作为衡量我国算力发展水平的重 要标尺，相关研究工作意义深远。 随着 AI 在千行百业加速渗透，算力赋能数字经济社会的效能，不仅仅取决 于算力、存力、运力以及发展环境本身，模型能力也成为决定人工智能深度赋 能的关键。因此，中国信通院研究团队持续优化综合算力指标体系，在往年基 础上，增加模型能力的呈现，从算力、存力、运力、模力、环境多个维度，更 加准确剖析我国算力产业发展态势。 《2025 综合算力指数》为我们提供了一个全面而系统的视角来洞察我国算 力发展最新进展。通过科学的指数体系构建，将“综合算力”解构为几十余项具 体的指标，映射出我国在算力领域的发展状况，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

智算服务案例集 全球计算联盟 智能计算产业发展委员会 1 编写单位（排名不分先后） 中讯邮电咨询设计院有限公司、华为技术有限公司、科大讯飞股份有限公司、 中国信息通信研究院、中国电 序 智算服务推动智算产业纵深发展 数据爆发式增长、算力不断跃迁、AI 算法和大模型持续演进带领我们进 入一个万物重构和万物智联的新时代。算力和 AI 是引领这一时代发展的最核心 的双引擎，是支撑数字建设和数字经济运行的关键要素。 智算建设如火如荼，但唯有建好、管好、用好算力，提供极致的智算服 务，构建稳健高效的算力平台，才能将算力转化为驱动创新的价值源泉，持续 释放算力价值。 智算服务是发挥极致集群算力的关键要素，释放算力新质生产力，服务 不可或缺。智算集群是一个复杂工程系统，非简单的软硬件的堆砌，它要求 算、存、网、服务的高效协同。智算服务包含智算集成、运维、计算使能和优 化、辅助运营等方面。发挥极致集群算力，需要构建智算服务产业共识，持续 推进智算服务产业升维。 我们期望通过本案例集的发布，能够进一步促进行业内各方的深度交流 与协同创新，共同推动

国标分类/信息传输、软件和信息技术服务业/软件和信息技 术服务业/软件开发、头豹分类/信息传输、软件和信息技术 服务业/软件和信息技术服务业/软件开发 Copyright © 2025 头豹 2 智能软件研发：算力与场景双驱动，智能软件研发进入“平台+服 务”融合新阶段 头豹词条报告系列 饶立杰、饶立杰RLJ 2025-07-11 未经平台授权，禁止转载 行业分类： 信息传输、软件和信息技术服务业/软件开发 业化进程最快，英特尔与美光早在2015 年便联合推出了相关产品；MRAM已实现产业化，主要应用于嵌入式存储领域，能大幅降低系统功耗，最高可达90%以上；而RRAM虽 尚未实现大规模商用，但其在存算一体及人工智能领域的潜力值得期待。在全球数据量激增和新型存储技术革新的背景下，智能软件研 发行业将迎来前所未有的发展机遇。 中 产业链中游环节分析 中游分析 智能软件研发企业显现出显著的地域集聚特征，呈现高度集中与区域集群态势。 借强大的经济实力与浓厚的科技创 新氛围，为软件企业的蓬勃成长提供了得天独厚的环境。 下 产业链下游环节分析 6 招商银行股份有限公司 中国工商银行股份有限公司 中国农业银行股份有限公司 浙江网商银行股份有限公司 中国银行股份有限公司 山东第一医科大学附属省立医院（山东省立医院） 爱尔眼科医院集团股份有限公司 北京和睦家医院有限公司 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

$100M+ 投资浪费 业务系统 A 对外出入口 A 应用逻辑 A 算法 算力 适应性差 业务系统 B 对外出入口 B 应用逻辑 B 算法 算力 项目周期长 业务系统 C 对外出入口 C 应用逻辑 C 算法 算力 统一出入口 应用模板（ A/B/C… ) 算法池（ A/B/C… ) 算力池 大模型时代企业 AI 项目“烟囱式 ”建设痛点越发严重 智能化趋势下 DeepSeek 联 网 助 手 文档问答 知识摘要 • 模型 + 训练平台 + 应用构建 平台 全链路能力。 • 提供从训练——推理——应 用的一站式丝滑服务体验 • 全面接入 deepseek 模型 大模型工具链支持大模型研发至应用全栈技术 算力 计算集群（ H20/A10 等） 国产算力适配 工具，交互式代码开发工具，专业的通用任务调度工具 分布式稳定训练：支持多机多卡大规模训练，故障自动重启续训 镜像制作：基于 jupyter 的高效自定义镜像制作工具 训练指标监控：丰富的指标监控及告警，覆盖网络及 GPU 算力 内置训练加速：全新升级 Angel 训练框架加速能力，性能提升 30% 精调数据配比训练： 内置 100+ 任务类型精调配比数据 AI 框架 u Pyspark ， pytorch, vllm

嘎嘎射击 4.4 蚂蚁集团ZOLOZ 前言 IDC分析师认为：全球AI基础设施革新的浪潮中， 算力需求的爆发正在驱动云计算与边缘计算深 度融合，行业定制化与智能化服务加速渗透，成本优化与绿色计算将成为竞争的关键。未来，基 础设施的核心矛盾将从“资源供给”转向“效率与价值平衡”，技术迭代将围绕“弹性算力调 度”“数据主权治理”“垂直场景深度适配”三大主线展开。 越来越多的企业核心数据正在向云 企业在线业务的受众范围和功能复杂度在快速增加，在金融交易、电商直播、实时游戏等场景 下，服务端动辄需要支持百万级并发连接和毫秒级响应要求，应对海量的网络协议处理、页面加 载、安全等事务。企业云计算客户不仅对算力密度有极致追求，还期望通过连接性能和存储技术 等多个方面的协同进步，实现数据库、大数据等服务平台的性能跃升。在IDC面向全球1350家企 业所做的数字化进程与业务成果调研中，应用的可用性、综合安全性、应用的性能等都成为企业 Rate �� 对算力密度的极致追求：企业希望利用有限的物理空间输出更强大的算力。这一方面体现在 一些高端的云服务实例可以提供数百、数千甚至数万数量级的CPU、GPU核服务能力；另一 方面，为满足大数据、数据库、3D视频处理在内的一些单核敏感型业务的需要，云服务仍将 持续提升单核、单实例性能。 多技术融合提升连接性能：云服务商综合利用内存/缓存、PCle、RDMA、IP网、EIP、VPC

仅深刻改变了人机交互的方式，更预示着一个由大模型引领的智能新时代的到来。比尔· 盖茨的赞誉、马斯克的断言以及马化腾的深刻洞察，都从不同角度揭示了大模型技术对于 人类社会发展的深远影响。而国家网信办等七部门联合发布的《生成式人工智能服务管理 暂行办法》，则为中国大模型技术的健康发展提供了坚实的政策保障和合规框架。 在保险行业，这一技术革命同样引发了深刻的变革。国内外众多保险公司和保险科技 大模型技术在保险行业的应用现状及成效···············21 1.1.1 数据：多措并举缓解短缺状态· · · · · · · · · · · · · · · · · · · · 10 1.1.2 算力：单芯片算力达新高，国产化初具规模· · · · · · · · · · · 12 1.1.3 模型：多模态崛起，端侧模型影响未来终端应用· · · · · · · · 14 2.1 全球保险行业的发展趋势· 趋势瞬息万变，整个领域经历了前所未有的百花齐放与创新浪潮。 大模型技术在数据积累、算力支撑、模型精进及应用拓展四大维度上，均实现了显著 突破。合成数据的应用，有效克服了现实世界数据在获取难度、规模限制及多样性不足等 方面的挑战；图形处理单元（GPU）和张量处理单元（TPU）等高性能计算硬件的飞速发展， 为算力提升提供了强有力的保障；多模态模型的突破性进展，打破了传统人工智能（AI）技 术

Transformer 架构，支 持 RESTful API 和 SDK 两种接入方式，能够与主流 CRM 平台（如 Salesforce、Zoho、微软 Dynamics）实现无缝对接。通过 API 网 关层的数据格式转换（JSON/XML），系统间的数据交互延迟可控 制在 200ms 以内，满足企业级实时交互需求。关键性能指标测试 显示，在并发量 500QPS 的场景下，DeepSeek 的响应成功率保持 的 TCO（总拥有成本） 比自建同类模型低 40-60% ，主要节省来自： - 无需维护 GPU 计算 集群 - 按实际调用量计费的弹性成本模型 - 内置的模型优化减少 30%的算力消耗 最后的技术风险评估确认了两个需重点关注的领域：数据隐私 保护通过部署私有化模型容器解决，而模型幻觉问题则通过结合业 务规则引擎（Drools）进行输出校验。实际压力测试证明，在峰值 负载下系统能保持 场 景的负载预测，需从硬件配置、云服务选型、网络带宽三个维度进 行规划。 硬件配置 针对 DeepSeek-V3（128K 上下文版本）的推理需求，建议采用以 下基准配置： - GPU 算力：单实例至少配备 NVIDIA A100 80GB 显卡，处理典型 CRM 工单分析任务时，响应时间可控制在 800ms 以内。若需支持 高并发（>50 QPS），建议采用 A100 集群或 H100

统行业接受新技术仍面临多方的挑战。 无论是用智能自动化取代重复性的手动操作，还是帮助员工增强判断能力， 改善与客户之间的互动，抑或是设计出智能产品，技术都将推动保险公司的 发展，帮助他们持续地盈利。动脉网（微信号：vcbeat）编译了埃森哲发布 的“AI+保险”行业报告，该报告的重点包括： •人工智能将帮助保险公司重新规划现有流程，设计创新产品，提升客户体验； •保险公司必须采取合适的战略，来更好地管理人力资源； 企业员工必须明白，技术是强大的推动者，而不是他们工作的替代者。人工 智能将为人类劳动力创造新的工作——甚至可能是全新的工作类别。例如， 保险公司需要更多的员工，来执行控制和管理的工作，因为虚拟工作者和算 6 法需要人工监督。事实上，根据埃森哲的研究，68%的保险公司高管预计， 智能技术将在未来三年内为他们的公司带来就业机会的净增长。 如果保险公司想要应用人工智能技术，就需要相关员工(数据科学家、人工智

（RNN）或变换器（Transformer）用于序列数据处理。模型架构 的选择应基于任务的特定需求，如处理速度、准确率和模型的复杂 性。 模型训练的过程中，优化算法的选择同样重要。常用的优化算 法包括随机梯度下降（SGD）、Adam 等。这些算法的优化策略直 接影响到模型训练的效率和最终性能。此外，学习率的设置和调整 也是训练过程中的关键因素，可以采用学习率衰减或自适应学习率 方法来提高训练效果。 关键因素。根据模型规模、数据量以及训练时间的要求，需合理配 置计算资源、存储资源以及网络资源。以下是对硬件资源配置的具 体规划。 首先，计算资源方面，建议采用高性能 GPU 集群作为主要计 算单元。对于大规模 AI 模型的训练，GPU 在处理矩阵运算和并行 计算方面具有显著优势。具体配置建议如下： - GPU 型号：推荐使 用 NVIDIA A100 或 H100，单卡显存容量分别为 级存储，并支持动态扩 展。 网络资源的配置对于分布式训练尤为重要，需确保节点间的高 效通信。具体建议如下： - 网络带宽：采用 InfiniBand 或 100Gbps 以太网，确保节点间数据交换的低延迟和高吞吐量。 - 网 络拓扑：建议使用 Fat-Tree 或 Dragonfly 拓扑结构，以减少通信 瓶颈并提高网络效率。 以下是一个硬件资源配置的参考表格： 资源类型 配置建议 备注