中国算力增长预期，不确定性主要在技术 5 第二章：测算方法与结果 7 ● 中国智能算力每年增长 70% 7 ● 乐观情景下国产芯片有望突破 8 ● 2030 年中国智算年用电最高 1.3 万亿度 9 ● 智算中心成为用电量增长主力 10 第三章：中国净零碳电力算力地图 11 ● 智算中心发展初期主要在绿电供给不充分的东部 12 ● 2030 年清洁电力发电量预测 国产芯片将成为智能算力的主要来源，技术保守情景下全部采用等效 A100，以 电力换算力，但更有可能以落后美国 4 年左右的代差持续迭代，提升能效。至 2030 年，全国智算中心年用电量在 0.6 万亿度 -1.3 万亿度，约占当年全社会用 电量的 5%-10%。 中国智能算力每年增长 70% 去年底，中国提出了《算力基础设施高质量发展行动计划》与《深入实施“东 数西算”工程，加快构建全国一体化算力网的实施意见》。全国各地都在摸底 2027 2028 2029 2030 技术保守情景 技术乐观情景 用电量：亿度 AI 改变能源 智算如何引领新型电力系统 扫码了解更多 9 2030 年中国智算年用电最高 1.3 万亿度 智算中心要完成训练与推理任务，所需关键 IT 设备不仅包括 AI 芯片，还包括 驱动这些 AI 芯片正常运行的其他必要组件，即服务器上的 CPU、网卡、供电单 元等，以及服务器间的存储服务器、网络交换机、CPU

中国算力增长预期，不确定性主要在技术 5 第二章：测算方法与结果 7 ● 中国智能算力每年增长 70% 7 ● 乐观情景下国产芯片有望突破 8 ● 2030 年中国智算年用电最高 1.3 万亿度 9 ● 智算中心成为用电量增长主力 10 第三章：中国净零碳电力算力地图 11 ● 智算中心发展初期主要在绿电供给不充分的东部 12 ● 2030 年清洁电力发电量预测 攀升。国产芯片将成为智能算力的主要来源，技术保守情景下全部采用等效 A100，以电力换算力，但更有可能以落后美国 4 年左右的代差持续迭代，提升 能效。至 2030 年，全国智算中心年用电量在 0.6 万亿度 -1.3 万亿度，约占当 年全社会用电量的 5%-10%。 中国智能算力每年增长 70% 去年底，中国提出了《算力基础设施高质量发展行动计划》与《深入实施“东 数西算”工程，加快构建全国一体化算力网的实施意见》。全国各地都在摸底 2025 2026 2027 2028 2029 2030 技术保守情景 技术乐观情景 用电量：亿度 AI 改变能源 智算如何引领新型电力系统 9 2030 年中国智算年用电最高 1.3 万亿度 智算中心要完成训练与推理任务，所需关键 IT 设备不仅包括 AI 芯片，还包括 驱动这些 AI 芯片正常运行的其他必要组件，即服务器上的 CPU、网卡、供电 单元等，以及服务器间的存储服务器、网络交换机、CPU

范围，从单台服务器扩展到整机柜以及跨机柜的大规模集群，超节点域内可达百 GB/s 级通信带宽、 纳秒级时延、TB 级超大内存，实现集群能力跃迁。相较“服务器集群”，超节点代表的是弹性、池 化、开放的系统能力：既能以极致吞吐支撑万亿参数训练，也能以低时延满足企业级大规模推理的 刚性需求。 昇腾 AI 坚持架构创新，开源开放，共建产业生态。昇腾 AI 经过 6 年快速发展，已成长为中国 AI 算力第二平面的坚实基础，并通 表的人工智能技术，成为驱动千行百业 颠覆性变革的核心力量。大模型所展现出的涌现能力与通用潜能，正在重构人类对创新的想象边界， 但同时也对底层智算基础设施提出更高要求和挑战：模型参数规模从千亿迈向万亿乃至更高，训练 数据量呈指数级增长，传统松散耦合的集群架构已难以满足高效的计算需求，智算基础设施正开始 新一轮的技术革新。 在此背景下，超节点应运而生。它并非偶然的技术产品迭代，而是智算需求与系统创新深度共振 与生态发展格局，清晰界定了超节点需具备的技术特征与系统属性，为产业界提供了具有前瞻性的 洞见和系统标准参考，助力行业在算力发展中找准技术方向，推动算力从规模堆砌走向效率跃迁。 国家超级计算广州中心主任 卢宇彤 当前，千亿乃至万亿参数的大模型与 MoE 等先进架构的兴起，对计算基础设施提出了前所未有 的苛刻要求。传统的硬件堆叠模式已难以满足其对于算力规模、通信效率及系统稳定性的需求。《超 节点发展报告》深刻阐述了，必须从

工业增加值 ( 万亿元 ) 0 制造业增加值占 GDP 比重 (%) 数据来源：国家统计局， 由易观分析整理 ◎ 易观分析 www.analysys.cn 2022 年，我国数字经济规模首次突破 50 万亿，达到 50 50.2 万亿元， 总量稳居世界第二，占 GDP 比 重提 升至 41.5% 。作为数字经济核心产业与 实体经 济的根基，当前我国制造业规模已经跃居世界第一位，建立起门类齐全、独立完整的制造体系。在全球经济下行背景下，我国制造业 产业链韧 性和产品竞争力有显著提升。近年来我国数字经济与 制造业融合发展程度不断深化， 2022 年 制造 业数字经济渗透率提升至 24%, 但 与发达国家 相比 2018 2019 2020 2021 规模 ( 万亿元 ) 一○一增 速 ( % ) 50% 50.2 40% 30% 20% 16.1% 10.3%10% 0% 2022 数据来源：国家网信办、信通院，由易观分析整理 ◎ 易观分析

此页载有机密数据，其全部成任何部分不可被复制成再发送。本页不构成对任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。 9  2024年稳定币交易额约37万亿美元，大幅超 出同期比特币交易额19万亿美元 什么是稳定币？ 稳定币 稳定币是一种通过与法定货币、大 宗商品或其他加密资产挂钩，以实 现币值稳定的数字货币。其设计初 衷在于为加密市场提供稳定的交易 媒介，有效规避加密资产价格剧烈 市值 可能达到2万亿美元。6月18日，美国财长Scott Bessent提到，2030年稳定币市场可能增长至3.7万亿美元。  虽然稳定币并不能直接投资于长端国债，但T-Bills发行的增加可以降低整体平均久期，从而稳定长端收益率  保守估计稳定币储备对 T-Bills 投资比例为50%，将带来1万亿美元T-Bills的增量需求  “大而美”法案增加基础赤字3.4万亿，考虑到关税收入的 全球数字资产格局的深刻变革 此页载有机密数据，其全部成任何部分不可被复制成再发送。本页不构成对任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。 ① 日均千亿美元、十年内有望突破万亿美元规模的稳定币发展浪潮下，美国通过《GENIUS法案》推 动美元稳定币全球渗透，意在强化美元在数字资产领域的主导权，又通过美债抵押机制扩大国债需 求。 ② 法币稳定币作为主权货币数字化载体，与加密货币存在本质差异。而且港币

中美在AI领域的对比：企业 n 中美头部高科技企业的市值差距非常显著 n 我国AI独角兽的数量和估值落后于美国 n 头部高科技企业 n 美国7大科技公司市值：均在万亿美元以上，合计约18 万亿美元 n 中国7大科技公司市值：第一名5600亿美元，合计约1.4 万亿美元 n AI独角兽 -14- 中美在AI领域的对比：GPU芯片 中 美 l 英伟达：拥有A100、H100、B200等GPU芯片，性 片市场牢牢占据主导地位 l AMD：MI300系列 l Google: TPU l Groq：高性能AI推理芯片 l 博通：在ASIC（专用集成电路）定制芯片领域表现 突出，2024年市值突破万亿美元 l 华为：昇腾系列芯片，产品性能和销量国内领先， 910B性能对标A100 l 其它国产芯片厂商：海光、寒武纪、燧原科技、沐 曦、天数智芯、摩尔线程、壁仞科技、昆仑芯科技 、阿里平头哥等 情况下模型输出更可靠，什么情况下更容易出现幻觉 -32- 认识大模型的局限性：算力消耗大 n 模型训练：算力消耗大  大模型庞大的参数量：通常包含数十亿到数千亿个参数  训练数据：通常包含数万亿到十几万亿token  训练时间：通常几个月 n 模型推理：算力消耗大，实时性差，支持的并发低  大模型庞大的参数量：通常包含数十亿到数千亿个参数  当前神经网络推理方式的特点：大量的矩阵乘法操作

参与强化学习 多模态预训练模型 NLP 大模型 NLP 大模型 NLP 大模型 计算机视觉模型 计算机视觉模型 图、文 、音三模态 对话式大型语言模型 数据量 超过万亿单词的人类语言 数据集 中文多模态数据集 M6- Corpus 1.9TB 图像 292GB 文本 五大跨模态视频检索数据 集 40TB 训练数据 数百 G 级别不同领域的 高 亿条文本数据 纯文本和知识图谱的 4TB 语料库 5000GB 高质量中文数据 集 基于万条小规模数据集 大模型： 人工智能时代的操作系 统 参数 1750 亿 174 万亿 10 万亿 万亿 千亿 10 亿 5300 亿 2600 亿 2457 亿 100 亿 300 亿 千亿 百亿 , 浪潮信息 商扬科技等 商 汤 科 技 r6 数据日趋庞 大

人工智能大模型算力估计 ■ 1, 数据量 ( D ) >15* 模型参数量 ( N ) ■ 万亿模型 (N )=1000*109=1012 ■ 数据量 (D )>15*1012 =1.5*1013 ■ 2, 计算次数 C≈ 6* N * D ■ 万亿模型计算次数 C≈ 6* N * D 1 ≈ .5*1025 OpenAI."Scaling "Scaling Laws for Neural Language Models",2020 ■ 万亿大模型预训练系统成本估计 ■ 条件：计算量 C≈ 6 * N * D ≈1.5*1 025 ■ 最低时间、成本估计 ■ 单 H800(25 万 ):1.5*1010 秒 (174000 天 ) ■ 1000 张 H800(2.5 亿 ):1 .5*107 秒 (174 天 ) 算力

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 普遍在百亿至千亿级 别。性能方面，据 Data Learner 数据， GPT-4o 在 MMLU 测评中获得 88.7 分的高分，分数较 GPT- 3 数字化解决方案的潜在价值对应近 27 万亿美元。数字化转型是以价值驱动的，其需求来源于企业即通过数字化来解决业务痛点、创造真实 价值。根据华为的数据，制造业、金融保险、零售、能源电力等产业的数字化潜在价值均在 2 万亿美元以上；以作为支柱性工业的制造业为 例，多为重资产企业，且流程复杂，需要在制造、运输、管理等多个环节进行数字化应用以实现降本增效，转型诉求强，数字化创造的潜在 价值达 6 万亿美元。 图 ：数字化潜在价值 加快投资于使用生成式 AI ， 2024 年全球 IT 总支出预计将达到 5 万亿美元，较 2023 年增长 6.8% ；中国 IT 总支出预计将达到 3.9 万亿元，较 2023 年增 长 6.2% 。 l AI 技术将产生巨大的经济影响，其投入产出效益显著。据 IDC 数据，预计到 2030 年，人工智能对全球经济的累计影响将达到 19.9 万亿美元，占到预计 2030 年全 球 GDP 的 3.5% 。到

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） ............................................................ 17 图 37： 机顶盒产业链................... 亿个。2019 年我国物联网市场规模约在 1.76 万亿元左右，2020 年根据赛迪公布的数据，我国物联网市场规模约达到 2.14 万亿元左 右。初步统计，2021 年市场规模为 2.63 万亿元。未来广阔的市场需求将为物联网带来 难得的发展机遇和广阔的发展空间。未来 6 年中国物联网的发展将保持高速增长，到 2027 年市场规模超过 7 万亿元。 图35：2019-2025 年物联网连接数规模及预测（亿个） 年物联网连接数规模及预测（亿个） 图36：2022-2027 年中国物联网行业规模预测（万亿元） 数据来源：GSMA，东吴证券研究所 数据来源：赛迪，东吴证券研究所 物联网由三项关键的新兴技术支持：人工智能(AI)：使设备能够像人类一样学习、 推理和处理信息的可编程功能和系统。5G 网络：具有高速，接近零延迟的第五代移动 网络，用于实时数据处理。大数据：从众多互联网连接来源处理的大量数据。随着物联