1 算力基础设施高质量发展行动计划 算力是集信息计算力、网络运载力、数据存储力于一体的 新型生产力，主要通过算力基础设施向社会提供服务。算力基 础设施是新型信息基础设施的重要组成部分，呈现多元泛在、 智能敏捷、安全可靠、绿色低碳等特征，对于助推产业转型升 级、赋能科技创新进步、满足人民美好生活需要和实现社会高 效能治理具有重要意义。为加强计算、网络、存储和应用协同 创新，推进算力基础设施高质量发展，充分发挥算力对数字经 创新，推进算力基础设施高质量发展，充分发挥算力对数字经 济的驱动作用，制定本行动计划。 一、总体要求 （一）指导思想 以习近平新时代中国特色社会主义思想为指导，全面贯彻 党的二十大精神，立足新发展阶段，完整、准确、全面贯彻新 发展理念，加快构建新发展格局，着力推动高质量发展。以构 建现代化基础设施体系为目标，面向经济社会发展和国家重大 战略需求，稳步提升算力综合供给能力，着力强化运力高效承 载， 多元供给，优化布局。坚持多元发展路线，调动各类市场 2 主体积极性，构建通用、智能和超级算力协同发展的供给体系， 持续优化算力资源地域布局，加强集约化建设，强化算网存用 协调发展，推动新一代信息技术与算力设施融合应用，引导算 力运营智能化升级。 需求牵引，强化赋能。坚持市场需求导向，发挥区域比较 优势，进一步释放工业、金融等重点行业对算力应用的需求潜 力，激发智能算力、边缘算力等全场景应用创新活力，推动算

析了在 从开发到采用的所有阶段所需的必要要求和政策，以促进可持续发展的 包容性技术进步。 这需要一种多维和基于证据的方法。为此，确定了三个关键杠杆点—— 基础设施、数据和技能，提供了一个广泛的社会经济视角，并突出了构 建有弹性的基础设施和促进包容性和可持续工业化和创新的需求。 v Rebeca Grynspan 联合国贸易和发展会议秘书长 历史表明，虽然技术进步推动经济增长，但它本身并不能确保公平的收 术转向人，使各国能够共同构建全球人工智能框架。这样一个框架应优 先考虑共享繁荣，创造公共产品，并将人类置于人工智能发展的核心。 报告开始，详细记录了几家企业和国家在人工智能开发中的高度集中情 况，并识别了数字基础设施方面的广泛差距，这些差距可能加剧各国和 各国内部的不平等。接着，它探讨了生产率和劳动力动态，重点关注经 济增长和体面工作。从国家层面看，报告分析了支持人工智能的采用、 适应和发展所需的要求数和政策。从国际角度看，它考虑了全球人工智 球 技术差距的扩大，使得后来者追赶变得更加困难。 同样，发达国家和发展中国家之间存在着显著的AI差距。例如，在基础设施方面，美国 拥有大约三分之一的顶级500台超级计算机和超过一半的总计算性能。大多数数据中心 也位于美国。除了巴西、中国、印度和俄罗斯联邦外，发展中国家在AI基础设施方面的 能力有限，这阻碍了他们采用和开发AI的能力。在服务提供商、投资和知识创造方面， AI差距也十分明显。 发达国家和发展

智算产业关键技术 , 智算产业竞争格局 生成式AI驱动的变革 , 生成式AI对智算产业的影响 , 生成式AI发展挑战 , 大模型对智算产业的作用 , 智算产业是否过度依赖大模型 算力基础设施架构和国产化情况 , 智算中心如何影响我国算力分配 , 算力卡供应情况 , 国产算力卡替代情况 , 智算中心AI芯片主要方向 , 智算中心利好AI芯片类型 未来挑战与趋势 , 如何提高智算中心运行效率 Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 核心点： 驱动力 ｜ AI训练与推理需求激增，驱动算力基础设施快速迭代 技术体系全景 ｜ 覆盖芯片器件层（CPU/GPU/TPU）、硬件设施层（AI服务器/液冷）、平台调度 层（弹性调度/绿色节能）、应用场景层（AI训练/边缘智能） 规模与增长 ｜ 2024年中国智能算力规模达725.3EFLOPS，同比增速74 智能算力GPU集群 • HPC • 边缘算力 平台调度层 ｜ • 异构资源管理 • 弹性调度系统 • 数据湖仓 • 绿色节能控制 • 安全可信框架 硬件设施层 ｜ • AI服务器 • 存储阵列 • 高速网络 • 边缘节点 • 液冷机柜 芯片器件层 ｜ • CPU/GPU/NPU/TPU • HBM

能评资源、资金实力等多方面因素。结合信通院等权威机构统计披露的算力中心服务商历史市占率等相关行业数据，模型中所选取 的20家第三方算力中心服务商占据当前市场中绝大部分在运营容量的份额。随着AI技术取得的突破以及需求方对算力基础设施的要 求不断提升，上述的头部第三方算力中心服务商凭借技术、资金及资源等优势，其市场份额将逐步扩大。 ➢ 需求端：我们详细梳理了包括字节、阿里、腾讯在内共计15家下游厂商的IT容量需求情况。基于各需求方的业务发展情况、服务器 算力中心服务商位于算力产业链的中游，是算力中心基础设施建设方和运营方，提供高可靠性的主机托管、服务 器出租等基础业务，以及高品质的网络安全、数据应用、 运行维护等增值服务。 7 算力中心1产业链分析 上游：软硬件供应商 … … 基础电信运营商 第三方算力中心服务商 中游：算力中心服务商 下游：算力应用领域 互 联 网 金 融 泛 政 府 制 造 AI 冷却系统 基础设施管理系统 基础通信服务 、高速网络等基础设施，提供提供大规模、 高效率、低成本的算力服务。确保算力资源的集中部署、高效运行。 8 算力中心的定义与概览 中央监控 电源配电柜 消防减压系统 机柜及其附件 气体灭火系统 UPS不间断电 源及PMM电 源管理系统 精密空调设 备和冷却器 高性能液冷 服务器机柜 钢制布 线系统 光纤布线系统 • 算力中心，是一种集中提供计算能力的基础设施，主要由算力设备、

AI 技术的深度应用, 将其巧妙转 化为自身降本增效的强大生产力工具,也带领众多合作伙伴开启了全新的发展篇 通过 "全栈 AI" 的战略布局, 企业从智能终端领域的 "一体多端" , 到智能 基础设施领域的 "一横五纵" ,再到面向不同客群的智能解决方案领域的 "一擎 三箭" , 全方位勾勒出人工智能蓬勃发展的壮丽画卷, 为新质生产力的茁壮成长 培土施肥。 从企业的实践与探索中, 我们也看到 能化发展的新纪元, 引领新一轮的数字底座重构升级。 随着技术创新的不断突破, 以算力和数据要素为代表的数字底座迎来结 构性变革。AI 新型基础设施建设的需求正在增长,依托坚实的智能化基座, 数字技术和实体经济深度融合。智算中心、深度学习平台和大模型等 AI 新 型基础设施建设, 对经济发展和产业升级有明显推动作用, 更好地赋能产业 智能化升级。根据《数字中国发展报告 (2023 年) 》 , 截至 2023 3) 延续了通过价值主张传递、形成转型共识、优化智能业务运营、加大 数字基础设施投入、推动组织和文化变革等多维度、 系统性地推进企业智 能化的实施路径。 发展和创新的部分包括: 1) 升级 "数字底座建设" 为 "混合 AI 数字底座" 。紧密结合 AI 技术创 新趋势和在企业的落地进展, 进一步凸显 "AI 基础设施" 的重要性,强 更多干货请关注公众号“管理技术化平台” 9 调混合

建与业务协同发展、适度超前的IT架构，基于技术优势带动业务创新和商业 模式创新，推进企业整体发展目标的达成。以云为核心的IT基础设施规划与 企业业务规划密切相关，在业务发展的每一个阶段都应起到核心推动作用。 面对业务和技术发展新需求，越来越多的企业开始在已有云设施之外，规 划、建设新的云环境，利用技术的更新和IT架构的迭代，获得新的发展动 力，并通过引入新的合作对象，解决企业当前云环境下存在的问题。多云策 业认知，进而在企 业追寻新价值曲线的过程中获得越来越多的实践。 当前，以人工智能为代表的数字经济新技术、新产业、新模式，正在持续推动各 行业的高质量发展进程。人工智能、数据要素、算力和网络基础设施等具备极强 的行业普适性，一系列的数字化、智能化升级几乎可以给所有行业带来降本、提 质、增效的显著效应；更重要的是，人工智能应用进一步加速了数字产业化的进 程，产生了许多新的产业形态和就业岗位，从而帮助各地方构建出可持续发展的 财政部 对外发布《企业数据资源相关会计处理暂行规定》 ����年�月��日 五部委 印发《元宇宙产业创新发展三年行动计划(����—����年)》 ����年�月�日 工信部 印发《算力基础设施高质量发展行动计划》 ����年��月�日 工信部 印发《人形机器人创新发展指导意见》 ����年��月��日 工信部 印发《�G+工业互联网”融合应用先导区 试点建设指南》 ����年��月��日

部人员充分信任，这对企业而言至关重 要。 为人工智能应用打造可持续的技术和 数据基础设施 数据是一项重要的战略资产，也是所有人 工智能举措的基础。银行应建立强大的数 据治理框架，重点关注质量、集成和安 全，为长期可扩展性奠定基础。这就要求 对可以为大量交易、复杂风险模型和实时 决策提供支持的企业级人工智能基础设施 进行投资。 培养利用人工智能提升人类潜能的文 化氛围 采用综合人才战略以留住人才及提升人才 国际有限公司（英国私营担保有限公司)相关联的独立成员所全球组织中的成员。 版权所有，不得转载。 智慧银行：以人工智能驱动转型并创造价值 8 现状 银行业正积极探索和完善人工智能部署策略。在基础设施和人才不足的压力之 下，银行业正谨慎地探索人工智能应用创新，采用不同实施策略，并整合互补 技术以实现关键业务职能转型。 对于银行业而言，人工智能不再只是一个未来概念，而是已在欺诈检测、个性化和风险管 关键流程并增强客户体验。他们已摸索出数百个人工智能用例，涵盖了从简化运营到提供 超个性化的产品和服务的多个目标。然而，我们的研究表明，其他银行正面临着诸多限制 因素： 基础设施仍有待完善 银行在为能灵活扩展的人工智能解决方案建设关键基础设施方面存在困难：只有25%的受 访银行具备了能为数据驱动的服务提供战略支持的整体云或混合云平台，这使得许多银行 难以为有效应用人工智能奠定基础。 管理层和员工刚刚开始了解人工智能的潜力

坏情况下也能有可接受的性能。这在大多数消费和工业场景中可行，但对于关键基 础设施或安全相关应用来说还不够好。 • 高安全性——自20世纪90年代初以来，SIM卡就为移动设备提供了安全保障。如今， 超过70亿台设备使用基于SIM卡的安全机制。对于AIoT设备，同样的安全元件和支 持智能手机的可扩展基础设施能在关键领域提供高级别的链路安全，如临床医疗设 备、重工业和关键基础设施等。不过，所有应用都应在每个网络链路（蜂窝网络、 本节将简要介绍Matter，并探讨其作为AIoT应用层的关键特性。 Matter简介 Matter的主要目标是统一消费类设备网络和协议，这样任何制造商生产的认证产品都能通 过现有的网络基础设施实现无缝互操作。如需详细了解该标准，请参考恩智浦Matter系列 的其他三篇MI&S白皮书： 第8页 人工智能物联网（AIoT）：将人工智能与现实世界相连 版权所有 部署，只能转而选择需要授权的连接解决方案。接下来，我们将探讨免授权连接在企业应用 中的局限性。 表1：消费者与企业设备连接 连接要求 消费类（HSB） 企业 频谱 免授权（ISM频段） 免授权和授权 基础设施成本 超低投资（现成） 高投资 QoS、性能 不可控 – 超额配置的mesh网络 可控 – 端到端QoS 用户身份验证 主要用户；共享的网络PW 个人用户和团体 多站点 无要求

实体历史数据仿真的生成孪生数据。同时，数据层能够运用 机器学习，大模型技术等 AI 技术对数据集进行各类预测及 模拟生成，对数据进行虚拟化，实现数据智能孪生。 算力层：支撑以上各层服务的算力基础设施层，包括云 计算、容器化、云原生等技术，通用计算、智能计算、存储、 网络等资源，提供弹性高效的算力基础服务。 4 图 1 数字孪生体系架构 （四）数字孪生的关键技术 支撑数字孪生架构体系的关键技术如下。 景中熟悉不同业务的厅堂服务流程，提高实际工作中的应对 能力。 3.技术实现方案 数字孪生技术在厅堂服务方面的应用，主要围绕虚拟网 点的建设。通过对线下网点实体进行对象定义，选取部分物 理设施、流程作为数字化建模的对象，包括客户取号、业务 咨询与导引、业务办理、系统操作、业务资料归档、办理业 务回执等流程，根据不同对象及流程，选定相适应的属性及 行动，最终迭代输出数字化模型。通过构建场地、终端、人 的活力 （见图8）。 图8 数字孪生技术在普惠金融中的应用 （八）养老金融 1.应用场景概述 养老服务体系的建设需要大量的资金，养老领域的贷款 可以帮助养老服务机构拓展经营场所，优化服务设施，提升 服务质量。数字孪生技术通过数据采集和仿真建模，可以帮 助金融机构实时采集养老机构的医、食、住、行等信息，提 31 供产业经营的全景数据，辅助贷款审核与发放。此外，数字 孪生技术还可

⼈⼯操作，并可能导致停机时间。 考虑到电动⻋辆（EVs）更⼴泛的应⽤，需要更⾃主的解决⽅案是显⽽易⻅的。⼀项 调查显⽰，超过70%的受访者认为充电基础设施匮乏是采⽤EVs的重要障碍。这个类 ⽐可以延伸到机器⼈技术。 开发机器⼈⾃动充电基础设施⾯临的挑战之⼀是不同机器⼈使⽤的电池类型、充电速 率和电压的多样性。这种多样性使得统⼀的充电解决⽅案变得复杂。 然⽽，标准化⼯作已经在进⾏中，像WiBo ⼈形机器⼈的设计和建造成本有显着改进 ，这将是市场准备就绪的重要指标。 ⼈形机器⼈的命题的重要部分很简单 - 我们已经把我们⼈造的世界设计成适合⼈类 ，所以⼈形机器⼈可以直接适应⽽⽆需进⾏重⼤基础设施更改。 © 2024 花旗集团 37 Citi GPS:全球视⻆和解决⽅案 2024年12⽉ 我们看到并分析了机器⼈的七个主要⽤例。由于经济和环境因素，第⼀个⽤例领域将 是⼯业领域，包括制造业 最近发布的⼈形机器⼈⽂稿。 您提供哪些人工智能机器人解决方案？ 我们专注于为专业化、⾼技能⻆⾊提供机器⼈，从⽣物制造开始。这些⾼薪⼯作 需要进⾏密集和专⻔化的培训，要求⾼精度，并且由于需要在封闭设施⾥完成⼯ 作⽽具有⼀定的体⼒需求。 我们先进的AI⼤脑架构融合了许多不同的AI模块，像⼈脑的叶叶⼀样协同⼯作。 这使我们的机器⼈能够处理复杂数据，做出明智决策，并减少⼈为⼲预即可学习 新任务。AI