... ..........................................................................................12 超大规模主导地位....................................... ....................................................... 经达到或接近容量，迫使租户将电力可用性和可扩 展性置于传统市场偏好之上。尽管需要大量资本投 资，二级和三级市场仍吸引了越来越多的关注。 数据中心行业在2024年经历了前所未有的变革， 这是由超大规模运营商的历史性吸纳率和人工智能 （AI）的快速发展所推动的。各大市场的空置率下 降至历史最低水平，加剧了对空间和电力的竞争， 并要求在土地、开发和基础设施方面进行重大投资 。 投资者渴望参与到该行业的发展，但成功需要不只 4吉瓦增加到2024年的超过18吉瓦——还不包 括另外30吉瓦的计划产能。 1 这种增长是由数字化转型的加速步伐以及人工智能在各个行业的日 益普及所驱动，亚马逊、谷歌、Meta、微软和甲骨文等超大规模企业领导了这一需求增长。 平衡前所未有的机会与战略风险 0 2,000 4,000 6,000 8,000 10,000 12,000

市场追踪报告，2025年H1 头豹研究院 弗若斯特沙利文咨询（中国） 2025年8月 2 关键发现  算力需求重心从训练转向推理，算力基础设施持续扩展与升级 AI算力消耗已从集中式训练转向大规模推理，带来前所未有的增量需 求。2025年被认为是算力爆发的元年，推理算力的需求将迎来井喷式 增长。推理算力的需求将在未来几年内远超训练算力。 01  2025年H1中国推理算力服务市场中，天翼云以【21 了中国 人工智能应用规模快速增长。天翼云息壤一体化智算服务平台率先完 成国产算力与DeepSeek-R1/V3系列大模型的深度适配优化，成为国内 首家实现DeepSeek模型全栈国产化推理服务落地的运营商级云平台。 02  未来推理算力长序列与超大模型推理优化成为关键，国产软硬件 协同与生态成熟推动推理普及 03 中国算力正朝着“训推一体”融合架构快速发展，以支撑大规模 模型与多模态应用的 3 沙利文市场研读 | 2025/08 2 研究框架  中国推理算力市场综述 • 关键发现 • 中国推理算力定义及服务覆盖范围 • 算力需求重心从训练转向推理 • 中国推理算力市场规模分析 • 中国推理算力竞争格局分析 • 中国推理算力核心技术分析 • 中国推理算力相关政策分析 • 中国推理算力发展趋势分析 • 中国推理算力未来挑战分析 4 www.leadleo.com

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 26 年全球 AI 服务器出货量将达到 237 万台，对应 2023-2026 年 CAGR 为 26% 。 l 重点推荐组合：中芯国际、翱捷科技、德明利、工业富联、沪电股份、联想集团、国芯科技、澜起科技、芯原股份、龙芯中科、东山精密、景旺电子。 l 风险提示：宏观 AI 应用推广不及预期、 AI 投资规模低于预期、 AI 服务器渗透率提升低于预期、 万美元，对比 GPT-4o 等模型的训练成本 约为 1 亿美元。 l 2025 年 1 月， DeepSeek-R1 发布，性能对标 OpenAI-o1 正式版。 DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下， 极大提 升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI-o1 正式版。同时 DeepSeek 开源 R1 推理模型，允许所有人在遵循 得益于自研推 理加速引擎加持，硅基流动和华为云昇腾云服务支持部署 的 DeepSeek 模型 可获得持平全球高端 GPU 部署模型的效果。 2 ）提供 稳定的、生产级服务能 力，让模型能够在⼤规模生产环境中稳定运行，并 满足业务商⽤部署需求 华为云昇腾云服务可以提供澎湃 弹性 充足的 图：亚马逊宣布支持访问 DeepSeek-R1 模型 请务必阅读正文之后的免责声明及其项下所有内容 DeepSeek

� 亚洲零售数字化行业概览 � 亚洲零售数字化行业市场规模，按收入计（����-����预测） � 中国零售数字化行业市场规模，按收入计（����-����预测） � 零售数字化产业链生态图谱 � 亚洲零售行业市场规模，按照地区进行细分（����-����预测） �.� 亚洲实体零售行业市场规模（����-����预测） �.� 亚洲零售行业的痛点分析 数字化转型在零售行业的演变历程 � 全球零售行业市场规模，按零售额计（����-����预测） � 全球零售行业市场规模，按照大洲进行细分（����年） � 中国零售数字化企业出海趋势分析 � 中国零售数字化企业出海的机遇和挑战 � AI技术赋能中国零售数字化企业出海 � 中国零售行业市场规模，按零售额计（����-����预测） ··········· ·······································�� 消费需求： 以基本生活物资为 主，如粮食、布匹， 选择有限 推动因素： 低生产力水平导致 商品生产分散，缺 乏规模化的供应能 力，且信息闭塞 消费需求： 商品多样化增加， 交易便利度提升， 如超市、百货商店 等零售业态满足日 常消费 推动因素： 流水线技术推动商 品工业化生产与规 模化供应，人口聚 集区催生高密度零

、辐射全国， 低空 产 业国际国内影响力和品牌标识度大幅提高，产业集聚集群发展取得明显成效，低空产业体系更加健全，在技 术创新 、标准政策 、低空安全 、应用需求等领域形成全国引领示范， 产业规模达到 1000 亿元。 2. 到 2027 年， 围绕应急管理 、物流配送 、空中摆渡 、城际通勤 、生态安全 、特色文旅等， 形成 10 个 以上可 复制可推广典型应用场景。 主要任务（共 6 项）： 家以上具有低空智能制造主导力的龙头企业，培育一批专精特新“小巨人”企业， 有效引领和支撑北京市乃至全国低空装备制造业发展。 示范应用带动明显 。到 2027 年， 航空应急救援 、智慧物流配送实现规模化应用， 城市空中交通实现示范 运 行， 形成 5 个以上可复制 、可推广的典型应用场景， 打造若干低空经济领域全国品牌产品。 重点任务（ s 项）： 提升低空产业技术创新能力；强化低空安全监管服 游区域， 突出房山特色， 规划低空特色文旅项目， 开发低空观光 、短线游学等低空旅游产品。 4. 探索北京城市空中交通应用示范。 5. 创新传统多元应用场景 。促进传统农林植保 、巡测巡检等通用航空业务规模化运行。 3 北京市 丰台区 文件名称： 关于促进丰台区 低空经济产业高质量发展 的 指 导 意 见 ） （ 2024 年 — 2026 年） 发文时间： 2024/8/ 19

产业链转移，成衣制造业随之持续发展。 全球成衣制造业的发展历程可以分为三个阶段： 第一阶段：早期阶段（20世纪初期及以前） 全球成衣制造业的规模较小且增长速度迟缓。尽管工业革命带来了机械生产，但并未广泛普及，手工制作依旧是成衣制造的主 要方式，生产效率不高。全球成衣市场规模较小，多数国家服装生产以满足国内需求为主，国际贸易量不多。从区域分布来看，成 衣制造主要集中在欧美地区。欧洲是当时成衣制造的核心区 来，主要集中于东北部地区，利用当地的劳动力和资源优势进行生产。 第二阶段：快速发展阶段（20世纪中叶-20世纪末） 成衣制造在全球范围内呈现出规模快速增长的态势。二战结束后，全球经济复苏，人们对服装的需求呈持续增长。纺织技术和成 衣制造技术不断进步，机械化生产模式广泛运用，大幅提升了生产效率，推动全球成衣制造行业的规模扩张。欧美依然占据重要 地位，但亚洲开始崛起。美国的成衣制造业在这一时期高速发展，成为全球最大的成衣生产国之一，其产品不仅满足国内需求， ·ODM阶段：随着技术积累，部分企业从单纯代工转向设计制造（ODM），开始参与产品设计环节，但仍以出口导向为主。 第二阶段：高速发展阶段（2001年-2010年代） ·加入WTO的推动：2001年中国加入WTO后，服装出口规模快速扩张，外贸需求拉动产业升级，形成完整的纺织服装产业链。 ·国内市场萌芽：伴随居民收入增长，国内消费市场逐渐起步，但国际品牌仍占据中高端市场主导地位。 1.1.3 中国服饰时尚行业发展历程 图：中国服饰时尚行业发展历程

S0980522100001 S0980522090001 l GPU 是人工智能时代下满足深度学习大量计算需求的核心 AI 芯片。 过去五年，大型语言模型的参数规模以指数级增长；从 2018 年起， OpenAI 开始发布生成式预训练语言模型 GPT 以来， GPT 更新换代持续提升模型 及参数规 模； 2022 年 12 月， OpenAI 发布基于 GPT-3 引领全球人工智能浪潮，人工智能 发展需要 AI 芯 片作为算力支撑。据 Tractica 数据，全球 AI 芯片市场规模预计由 2018 年的 51 亿美元增长至 2025 年的 726 亿美元，对应 CAGR 达 46.14% ；据前瞻产业研究院 数据，中国 AI 芯片市场规模预计由 2019 年的 122 亿元增长至 2024 年的 785 亿元，对应 CAGR 达 45.11% 。 AI 芯片中 成为数据中心发展关键。 据 IDC 数据，全球数据总量预计由 2021 年的 82.47 ZB 上升至 2026 年的 215.99 ZB ， 对应 CAGR 达 21.24% 。其中，大规模张量运算、矩阵运算是人工 智能在计算层面的 突出需求，高并行度的深度学习算法在视觉、语音和自然语言 处理等领域上的广 泛应用使得算力需求呈现指数级增长。 据 Cisco 数据，全球数据中心负载任务量预计由

....................... 8 图 9： 全球边缘计算潜在市场规模（亿元）....................................................................................... 9 图 10： 中国边缘计算行业市场规模（亿元）....................................... ................... 16 图 35： 2019-2025 年物联网连接数规模及预测（亿个） ................................................................ 17 图 36： 2022-2027 年中国物联网行业规模预测（万亿元） ........................................ 发展改革生产力，已具备多领域应用能力。AIGC 可以利用大量无标注数据 进行自监督学习再利用少量的标注数据进行迁移学习，能够持续生成规模大、质量高、 单位成本低的内容，在生产力上具有革命性的增长。在应用方面，按场景分类 AIGC 已 经较为成熟地应用于文本和代码撰写、图像识别和生成，在影视、传媒、电商、C 端娱 乐领域规模应用，未来将逐步拓展到视频和游戏等其他领域，为各个行业和领域的创新 和发展提供更多可能性。

............ 6 图4： 当模型的参数量大于一定程度时模型效果会突然提升 ...................................... 6 图5： 小模型的性能也随着规模扩大而逐步提高 ................................................ 6 图6： 2022 年最大的五个 transfomer 模型条件 ....... 22 图46： 全球智能家居啊出货量预测 .......................................................... 22 表1： GPT 参数和训练集规模快速增长 .........................................................8 表2： 大语言模型的计算 ..................... 0 时代的特征是通过海量数据，无需标注自监督学习，训练一个基础大模型， 并在各个应用领域将其专业化。具体来说有三个特点：1）对于拥有的超级海量的 数据，无需进行人工标注，即进行自监督学习；2）基础模型规模非常大，参数规 模从十亿到千亿级别；3）训练出的基础模型具有跨领域知识，而后通过微调用降 低成本的方法来训练，以适应不同领域的任务。AI 2.0 的巨大跃迁之处在于，它 克服了前者单领域、多模型的限制。

本报告的依据和范围 1 3.1 可行性研究的依据文件 1 3.2 可行性研究报告的范围 1 4 项目基本情况 2 4.1 项目拟建设地点 2 4.2 建设规模 2 4.3 项目投资及资金来源 2 5 结论 3 二、项目提出的背景、必要性 3 1 ☑观环境与政策导向 3 1.1 数字经济步入新阶段 夯实XX数字化转型的坚实底座 19 5.2 提升金融服务生态系统的竞争力 19 5.3 保障银行的业务安全与运营稳定 20 6 建设必要性小结 20 三、需求分析与建设规模 21 1 数据中心需求分析 21 1.1 数据中心市场概况 21 1.2 数据中心市场分布 22 1.3 数据中心市场竞争 25 1.4 数据中心市场容量 数据中心市场容量 26 1.5 本项目需求分析 26 2 本项目定位 27 2.1 总体定位 27 2.2 能级定位 27 3 本项目建设规模 28 3.1 测算依据 28 3.2 数据中心需求 29 3.3 配套用房需求 29 四、场址选择 30 1 选址原则 30 2 选址位置及地块情况