发帖
雷达卡
序言：热潮中的理性审视
2025年是智能计算建设热潮兴起的第三年。
年初，DeepSeek横空出世后，市场上一度引发关于智能计算中心建设和算力需求是否仍需高投入的广泛讨论。
有观点认为，DeepSeek采用的限定算力卡技术路径，使得算力投入不再像2023年和2024年那样昂贵。但也有观点指出，智能计算需求仍将维持高水平。
半年过去，智能计算中心市场如何演变，究竟发生了哪些变化？
最近，通过中国政府采购网、中国招投标公共服务平台、天眼查、企查查、寻标宝等公开渠道梳理发现，2025年上半年的公开招投标市场上，围绕土建基础设施和IT基础架构等多方面的建设内容，国内智能计算中心相关项目中标公告已发布近400个。智能计算中心建设热潮依旧，项目数、建设规模与中标金额均再创新高，上半年涌现超过40个亿元大单。
2024年全年智能计算中心相关公开中标项目458个
2025年上半年智能计算中心相关公开中标项目393个
6月中旬的一场ICT市场趋势论坛上，IDC的一项观察显示——今年一季度，在DeepSeek的推动下，市场不仅没有减少对算力的需求，反而增速超出预期。
基于杰文斯悖论，当技术进步提高了某种资源的使用效率后，不仅不会减少该资源的总体消耗量，反而可能增加其总需求。当DeepSeek降低了AI训练成本后，更多企业接入AI开发，推断需求激增，导致算力消耗呈指数级增长，反而促进了市场需求的大幅爆发。
这场由DeepSeek等大型模型技术引发的算力革命，正在推动智能计算中心从技术概念转变为数字经济的核心基础设施。
智能计算中心究竟是什么？
智能计算中心，即以人工智能计算任务为主的数据中心。
数据中心通常包括三种类型，除了智能计算中心外，还有以通用计算任务为主的通用计算中心，以及以超级计算任务为主的超级计算中心。
自2023年以来，以ChatGPT、Sora为代表的大规模生成式模型的出现，引发了一场席卷全球的AI浪潮。
要在AI浪潮中占据优势，必须具备强大的AI算力支持。智能计算中心，作为AI算力的核心基础设施，逐渐成为人们的关注焦点，也是行业重点建设的目标。
这些智能计算中心采用了专门的AI算力硬件，适合高效运行AI算法。它们可以应用于计算机视觉、自然语言处理、机器学习等领域，处理图像识别、语音识别、文本分析、模型训练推断等任务。
智能计算服务器有何不同？
智能计算服务器是智能计算中心的主要算力硬件。它与传统通用服务器的最大区别在于算力芯片的不同。
传统通用服务器以CPU为主要芯片，有些配置了GPU（图形处理单元），有些则没有。即使配置了，数量也不多（1-2块），主要用于完成传统的图形处理任务（如3D图形渲染）。
Dell R750 基于Intel CPU 的双处理器服务器
智能计算服务器，为了确保操作系统的运行，也配置了CPU。然而，为了更好地完成AI计算任务，配置了更多的GPU、NPU（神经网络处理单元）、TPU（张量处理单元）等计算芯片（4块或8块），主要依赖这些芯片提供的算力。
国产8路“摩尔线程”S4000智能计算服务器
8路英伟达H200智能计算服务器
这种“CPU+GPU”、“CPU+NPU”的架构，也称为“异构计算”架构，能够充分利用不同算力芯片在性能、成本和能耗上的优势。
GPU、NPU、TPU内核数量多，擅长并行计算。AI算法涉及大量简单的矩阵运算任务，需要强大的并行计算能力。
在实际应用中，GPU、NPU、TPU会被制成板卡的形式，插入智能计算服务器的插槽中。服务器上电启动后，再根据调度执行计算任务。
除了芯片不同之外，为了充分发挥性能并确保稳定运行，AI服务器在架构、存储、散热、拓扑等方面也进行了加强设计。
这种疯狂的堆料，必然会带来两者之间的成本差异。一台智能计算服务器的价格，可能达到传统通用服务器的数十倍以上。
前不久，中国移动公布了2024年至2025年新型智能计算中心集采中标结果，采购智能计算服务器总规模达到8054台，中标总金额约为191.04亿元人民币（不含税）。平均每台的价格为237.2万元。通用服务器的价格，根据品牌和配置的不同，大致在1到10万元之间。
最新的NVIDIA DGX B200 AI服务器（标价高达515410美元，折合人民币约369.4万元）
受算力板卡的影响，智能计算服务器的功耗也明显高于通用服务器。
以英伟达GPU为例，A100单卡功耗400W，H100单卡功耗700W。配置了8张GPU的智能计算服务器，仅GPU的热功耗就能达到3.2~5.6 kW。而传统通用服务器的功耗大约在0.3~0.5 kW左右。
较高的功率使得水冷成为智能计算服务区较好的散热解决方案，成本也随之提高。
从外观上看，智算服务器与普通服务器并无显著差异。两者都采用标准设计，能够安装在42U的标准机柜中。如果内部配置了较多的AI运算板卡，智算服务器的体积可能会略大，达到4U、5U乃至10U。
值得注意的是，根据不同的任务需求，智算服务器可分为训练服务器、推理服务器或训推一体化服务器。这些服务器在设计和尺寸上会有所区别。通常，训练服务器相比推理服务器更为庞大（搭载更多的AI运算板卡）。
算力即国力，智算中心的战略意义与技术创新
2024年，中国智能算力规模预计达到725.3EFLOPS，同比增长74.1%，增速是传统算力的三倍以上。据预测，2025年将超过1037.3EFLOPS，2026年将进一步提升至1460.3EFLOPS，实现两年内翻番。
这一激增源自AI技术的基本需求：Gartner预计，2025年将成为AI普及的关键转折点——推理算力规模将首次超越训练算力，至2028年，推理服务器将占据市场的70%。
在此背景下，AI大模型训练、自动驾驶、智慧城市的场景对智能算力的需求呈指数级增长，高性能服务器、智算中心等基础设施成为行业的“必需品”。
在技术和产业的双重推动下，未来的算力设施将展现三大特征：
首先，算力多样化的趋势日益明显。
作为新一轮技术革命的产物，数据资源正以极低的边际成本迅速增加。这些数据资源既可与新材料技术、先进制造技术结合，也可作为独立的生产资料存在，从生产、管理、计算、沟通等多个方面为企业运营提供支持，成为新的关键生产要素。
在这种情况下，没有一种计算架构能适应所有行业的需要，围绕数据处理的算力被赋予了更丰富的内容，在基础通用算力之外，还出现了智能算力、超级算力以及前沿算力（如量子计算、光子计算）等专业的算力设施。
其次，算力布局呈现出泛在化趋势。
算力资源从集中部署的方式，正向多层级发展，特别是以边缘计算、终端计算为代表的算力形式的出现，与大规模算力形成了互补，构建了新型的云计算基础设施，成为各行业转型的数字基石。
同时，供需不平衡、分布不均、使用效率低下等问题迫切需要全社会算力的集约化发展，算力网络技术将整合来自不同来源、不同地区、不同架构的算力资源，打破数据孤岛，推动数字经济的繁荣。
第三，智能灵活、绿色安全将成为算力发展的新标准。
算力的智能化、绿色化、可信化成为未来的发展方向。随着数字世界与物理世界的界限逐渐模糊，人工智能将从无人驾驶、工业互联网等高级应用向基础基础设施扩展，智能灵活、按需自治将成为智能社会算力设施的重要标志。
展望未来，AI基础设施将面临“三重平衡”的持续挑战：算力增长与能耗控制的平衡、算力成本与投资回报的平衡、硬件更新与生态系统兼容性的平衡。
AI的迅猛发展，实质上是一场算力的变革。从全球科技巨头动辄数千亿美元的基础设施投入，到中国智算规模的快速扩张，从训练推理所需的指数级算力，到物理AI对现实世界的深刻影响，算力不仅是技术进步的基础，更是衡量国家竞争力的核心指标，“算力即国力”已成为全球科技竞争的共识。
总结：从实验室到生产线的算力革命
当AI大模型从技术热情迈入价值创造的深水区时，智算中心正从集中式资源转变为泛在化的生产力。中国智能算力规模在两年内突破1460EFLOPS峰值的预测，反映了国家在数字文明时代对核心生产力的重新定义决心。
这场悄无声息的算力革命正在重塑经济地理格局：贵州山区的数据中心推动了《哪吒2》的图像渲染，上海临港的“算力迁移”平衡了远距离的电力负荷，宁夏灵武的液冷系统减少了每一焦耳的碳排放。
随着全国算力互联体系的加速建设，“所思即所得”的算力服务将成为数字经济的神经系统。当各行各业的智能化转型从实验室走向生产线时，智算中心构建的算力支柱，最终将支撑起一个智能时代的来临。
声明：
本文相关资料来源于互联网公开数据或文章，经收集整理而成。若涉及侵权问题，请相关权利人及时与作者联系，作者将在核实后第一时间予以删除，以保护权利人的合法权益。
京公网安备 11010802022788号
