超训练部分。 1.2 技术破局：从GPU集群到分布式协同一体 建设和运营智算中心需要巨大的资本投入，包括购买昂贵的AI芯片、建设高密度机房等。AI工作负载对 网络带宽和存储性能有极高的要求。AIDC需要优化网络架构，例如采用高吞吐量的以太网或InfiniBand，并 部署高速、大容量的存储系统。互联网公司通常具备强大的云计算、大数据、人工智能等核心技术积累和研 发实力，能够快速迭代和推出 的比较如下（表2-1）所示： 表2-1 运营商和互联网企业智算中心 智算网络核心技术 19 中国电信智算建设重点规划“2+3+7+N+M”的智算布局，建设“中心集群+边缘DC”一体化的 AIDC，在内蒙古和贵州打造两个公共智算中心，在京津冀、长三角、粤港澳大湾区、成渝等地建设大型智算 中心和超算集群，重点承载AI训练、高性能计算等需求，在省会城市及重点地市部署边缘算力池，提供低时 延 2025 12. 《Data center capex and IT component markets》 Dell‘Oro 参考资料 缩略语 英文全称 中文全称 缩略语 AIDC AI Data Center 智算中心 BBR Bottleneck Bandwidth and Round-trip 拥塞控制算法（谷歌提出） CPO

....................... 15 在 AIDC 需求释放态势下对 HVDC 技术放量的市场推演 .................................................................................... 16 需求侧：看好 HVDC 在 AIDC 需求驱动下突破渗透率瓶颈 .................. 300Pflop/s 的 S1 级超算中心（通常为国家级 超算中心或国家级实验室）为例，计算节点的用电需求为 25～28MW，高速网络、存 储等节点的用电需求合计 2MW 左右。 3） 智算中心 AIDC-智能算力：通常采用芯片异构计算架构，结合 CPU、GPU、NPU、TPU 等多种芯片，形成高并发的分布式计算系统。随着智算需求的持续增加，当前我国智算 中心用电规模可以达到 100-200MW（根据 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 10 工业/能源 综上所述，我们认为 AI 数据中心将加速传统数据中心向智算中心 AIDC 的切换，展望后续， 或将面临四大挑战催化供配电系统迭代。 #1 电能供应：电能消耗随 AIDC 市场（推理算力需求带动）规模提升和硬件功耗膨胀相应 增长，对电力接入、电能利用率和能源利用效率（PUE）提出挑战； #2 空间利用：随着数据中心

MindSpore ， 2048 块 GPU 16 块 GPU 280 块 GPU 鹏城云脑工 (2048 块 CPU) 和百度 飞桨 4095( Pflops-day)/2128 张 GPU 商汤 AIDC ，峰值算力 3740Petaflops3 异腾 AI 基础软硬件平台 复旦大学超算中心 模型类型 多模态训练模型结合人类 参与强化学习 多模态预训练模型 NLP 大模型