新型智算中心改造系列报告一： 网络成大模型训练瓶颈 ，节点内外多方案并存 证券研究报告 | 2024 年 5 月 5 日 行业研究 · 行业专题 计算机 · 人工智能 投资评级：超配（维持评级） 请务必阅读正文之后的免责声明及其项下所有内容 • A I 大模型训练和推理拉动智能算力需求快速增长。 a ）模型迭代和数量增长拉动 A I 算力需求增长：从单个模型来看，模型能力持续提升依赖于 力、显存、互联需求再次升级，高速互联的百卡“超级服务器”可能成为新的设备形态，智算中心将走向超 级池化阶段，对设备形态、互联方案、 存储、平台、散热等维度提出新的要求。 • 网络互联：节点内外多方案并存。 1 ）节点内：私有方案以英伟达 NVLink 为代表， NVLink 已经发展至第五代产品，同时支持 576 个 GPU 之间 的无缝高 速通信；开放技术方案以 OAM 和 UBB 为主， OCP 请务必阅读正文之后的免责声明及其项下所有内容 网络互联 - 节点内外多种互联协议并 存 资料来源：《数据中心 2030- 华为》，国信证券经济研究所整 理 • 大模型场景，私有和开放技术方案并存。针对传统传统的中小模型， PCIe 技术方案已经非常成熟；面向大模型场景，基于扣卡模组的卡间高速 互 联方案主要分为私有和开放技术两大类，私有方案以英伟达 NVLink 为代表，开放技术方案以

& Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 智算产业发展格局与演进趋势 来源：与非研究院 智算产业呈现高度集中与多元化并存的格局，技术创新和政策驱动为主要推动力，绿色低碳与国产替代 成为新趋势。 10 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce & Proprietary. Do not reproduce or distribute. 4. 未来挑战与趋势 核心点： 技术挑战 ｜ 集群规模扩大导致故障率上升，算法效率提升与算力需求增长并存。 架构演进 ｜ 单节点性能提升+横向扩展并行，推理需求驱动芯片架构创新。 应用落地 ｜ AI与实体经济深度融合，需解决算力利用率低、场景适配不足问题。 长期趋势 ｜ DeepSeek等算法优

........................................................................... 4 2. 大模型和小模型在工业领域将长期并存且分别呈现 U 型和倒 U 型分布态势 .....................................6 2.1. 以判别式 AI 为主的小模型应用呈现倒 U 型分布 ...... 全性、可靠 性要求极高的工业场景中，如航空航天、核能等领域，幻觉现象可能带来灾难性的后 果。 6 工业大模型应用报告 2. 大模型和小模型在工业领域将长期并存且分别呈现 U 型和倒 U 型分布态势 从工业智能化的发展历程可以看出，在大模型出现之前，人工智能技术在工业领 域已有较多应用。在前期阶段，工业人工智能的应用主要是以专用的小模型为主，而 大 6利用检索增强生成（RAG）技术，将大模型与其工业 DataOps 平台 Cognite Data Fusion 结合起来，为工业客户提供基于数据的洞察和解决方案。通过将不 同来源和类型的工业数据进行向量化，并存储在一个专门的向量数据库中，可以作为 RAG 的检索源，与用户的自然语言提示一起输入到大模型中，使模型能够提供更加精 准的建议或解决方案。 C3.AI7推出的 Generative AI

的劳动对象创造了满足 更加多元化、个性化需求的物质基础。二是塑造新型劳动资料。数字 经济推动劳动资料从实体形态向虚拟形态延伸，全方位深化拓展劳动 资料的作用范围，劳动资料分布呈现集中化与分散化并存。三是培育 新型劳动者。数字技术大幅提升劳动者数字技能，深刻改变劳动者工 作方式，催生了自主创业、兼职就业等灵活就业新模式，以工业机器 人为代表的智能装备在劳动过程中得到广泛应用，极大拓展了劳动者 租车、私家车、面包车等传统劳动资料作用的物理和市场空间范围， 综合提升社会资源配置效率和生产力水平。 劳动资料分布集中化与分散化并存。工业经济时代，劳动资料随 着工业企业规模不断扩大，越来越向大企业集中。数字经济时代，劳 动资料分布呈现集中化与分散化并存的发展态势。一方面，核心数字 劳动资料集中化分布。正如同工业大机器往往由企业所有，数字经济 时代，算法、芯片等核心劳动资料一般由数字平台所有，劳动者通常

提升出海效率助力纺织产业国际化 挑战：全球经济复苏步伐放缓，纺织服装传统 CCID CCID CCID CCID CC ID CCID CCID CCID CCID 重点产业国际化机遇和挑战并存 市场需求不振抑制产业国际化 加强谋篇布局，增强制造业国际化前瞻性 01

统一的考核规则 • 统一的异常判定规则 • 关键资源集中控制、 集中统筹共享 • 实现跨职能的信息、流程 横向贯通，提高整体协作 效率 • 实现集团上下的纵向贯 通，建立满足多级组织共 性与个性并存的管理需求 • 实现标准、规范规则与业 务执行的贯通，实现精益 管理思路的落地实现 建立流程和组织的一体化，实现横纵贯通 • 打造智能化管理门户， 集中提取各系统数据， 满足各层级领导实时监 统一的考核规则 • 统一的异常判定规则 • 关键资源集中控制、 集中统筹共享 • 实现跨职能的信息、流程 横向贯通，提高整体协作 效率 • 实现集团上下的纵向贯 通，建立满足多级组织共 性与个性并存的管理需求 • 实现标准、规范规则与业 务执行的贯通，实现精益 管理思路的落地实现 建立流程和组织的一体化，实现横纵贯通 • 打造智能化管理门户， 集中提取各系统数据， 满足各层级领导实时监 统一的考核规则 • 统一的异常判定规则 • 关键资源集中控制、 集中统筹共享 • 实现跨职能的信息、流程 横向贯通，提高整体协作 效率 • 实现集团上下的纵向贯 通，建立满足多级组织共 性与个性并存的管理需求 • 实现标准、规范规则与业 务执行的贯通，实现精益 管理思路的落地实现 建立流程和组织的一体化，实现横纵贯通 • 打造智能化管理门户， 集中提取各系统数据， 满足各层级领导实时监

模型，当丢包率达到1%时，RDMA报文吞吐量接近为0。 3）不同负载情况下，网络性能指标波动，性能表现不一致。通用数据中心网络在轻载 时一般都可以达到较高的性能，但AI训练是多任务集群，在多任务并存的情况下，同时满足 各任务的高性能需求，对于网络资源的规划和保障提出了更高要求。 中兴通讯版权所有未经许可不得扩散 5 3.1.3 极致高性能是核心 为了最大化集群算力利用率，AI大模型训练通常采用并行处理机制，将一个任务分布在 精密 协同基础上的组件解耦，支撑更具成本优势和持续性的产业生态。基于硬件快速检测的全维 度性能可观测技术，也势必成为支撑下一代智算中心网络高效运行和交付的关键技术。 高性能广域网无损与有损路线并存。广域无损技术能够为业务提供低延迟、低丢包和高 带宽利用率的数据传输服务，除光互联方案之外，确定性网络技术也可用于提供广域长距无 损承载能力。由于广域无损对网络有极高要求，对于时延不敏感的业务，也可增强网络能力 事实上，根据Meta 最新公开的数据，在AI业务的驱动下，2023-2024年间Meta骨干网流量呈现出30%以上的 高增长，且AI流量绝对值已经超过了传统流量。 趋势五：高性能专线与广域公网并存，高通量广域公网受业务和成本双重驱动 受在线和线下计算两种不同场景的差异化需求驱动，高性能广域网将在可预见的未来并 存专线和增强性公网两种模式，前者面向时延极度敏感的在线分布式训练等场景，后者面向

www.iresearch.com.cn 29 n 瞻趋势：保险行业 AI 应用呈现多场景落地与差异化并存的特点，未来 2-5 年有 望出现行业“超级智能体” 保险行业 AI 应用现状呈现多场景落地与差异化并存的特点：保险行业的 AI 应用覆盖保险价值全链路，从产品开发端的需 求 挖掘与精算定价，到销售端的 AI 电销、代理人辅助及营销素材处理，再

地消纳的重要方向，有望推动“新能源+负荷+储能”融合发展的新模式。逐年提升 数据中心可再生能源利用率是绿色数据中心建设的重点任务之一，储能成为保障 数据中心绿电稳定供应的重要解决方案。 未来用户侧储能市场发展将面对风险与机遇并存的局面，如何摆脱对于工商 业电价政策的高度依赖，如何在用户侧主体和虚拟电厂全面入市、新能源与负荷 融合发展的大背景下寻找市场发展之机，都将成为影响未来用户侧储能市场走向 的关键。 本报告由 市场参与门槛或将进一步提高。 在传统削峰填谷模式之外，数据中心、光储充一体化、备用电源、高速公路、离 网型微网等场景进一步丰富了用户侧储能的应用模式。 未来用户侧储能市场发展将面对风险与机遇并存的局面，如何能解决工商业 电价频繁调整对于削峰填谷模式之危，如何在用户侧主体和虚拟电厂全面入市、 新能源与负荷融合发展的大背景下寻找市场发展之机，都将成为影响未来用户侧 储能市场走向的关键。

2025年的AI技术发展呈现出全球化、实用化的鲜明特 征。从资本投入到用户增长，从技术突破到产业应用，AI 正以前所未有的速度重塑各行各业。 中国力量的崛起为全球技术格局注入新活力，而挑战 与机遇并存的时代背景下，拥抱变革、构建新型领导力将 成为制胜关键。人工智能不再只是技术概念，而是驱动未 来发展的核心引擎，其演进之路才刚刚开始。 AI应用：从AIGC到AIGD，AI应用从供给拓展到决策 消费 者使用媒体，获得品牌信息最重要的工具之一，未来的品 牌要影响消费者，就要先从影响AI开始。对AI的营销 （Marketing To AI）至关重要。 对于企业来说，AI认知的机遇和挑战并存。机遇在于， 对于AI这个新触点，每个品牌都站在同样的起跑线上。挑 战在于，当下AI并非付费高就能直接获得排名提升或改变 推荐，AI最终给消费者程度的结果，是基于训练语料的知 识积累，联网搜索的信息引用，对消费者问题的意图判断， 分销模式差异：履约模式包括了线下门店上翻、专门 的前置仓，以及半店半仓的混合模式。 运营主体差异：主要是平台型模式(美团、饿了么、 秒送)与自营模式(沃尔玛、屈臣氏、山姆会员店、盒马) 并存。值得关注的是，越来越多的零售商开始采取双轨策 略，既运营自有小程序，也入驻平台。 比如，今年的双11，天猫就公布了优衣库、迪卡侬等 品牌的门店已开始在淘宝闪购上线，从过去的纯自营O2O 转向与平台合作。