中国AI算力行业发展报告.pptx

目录Part01时代动力，AI新世代繁荣的发动机Part02层见叠出，复杂工程需要多样手段解决Part04实践落地，AI算力应用的新标杆Part05来日方长，AI新世代下的不断探索Part03各取所需，市场激发AI算力的选择思考

纵观AI发展，算法的技术突破拉动了算力的需求训练算力（FLOPS）需求与人工智能发展关系图N=121训练算力需求FLOPS2010前深度学习时期之前，训练计算算力需求缓慢增长，算力翻倍需要21.3个月2010-2022深度学习不断取得进展，算力翻倍仅需要5.7个月，所需算力量级由TFLOPs增至EFLOPsGPT-4ChatGPTGPT-3AlphaZeroAlphaGoZeroNeuralMachineTranslationTI7Dota1v1XceptionDeepSpeech2ResNetsGoogleNetVisualizingand Seq2SeqUnderstanding1e-3AlexNet1e-42012201320142015201620172018201920202021202220231e-2 ConvNets1e-1 VGG1e+11e+01e+21e+31e+42015-2016年左右开启了大模型时代，整体的训练计算量较之前的时期大2到3个数量级。从2022年底，随着ChatGPT成功带来大规模参数通用大模型相继发布。这些大模型的训练需要千亿、甚至万亿级参数，以及上千GB的高质量数据，大模型的训练迭代将极大地拉动了智能算力的需求。2012-2023年算力需求翻了数十万倍，AI算力需求远超摩尔定律，大模型对算力的需求每年持续增长，未来10年AI算力需求将再增长500倍。模型规模指数级增长推动算力需求爆发

无论是训练还是推理，大模型的爆发引发全球算力需求的指数级增长PFLOPs1e+091e+081e+071e+061e+051e+041e+031e+021e+091e+081e+071e+061e+051e+041e+031e+02TransformerPFLOPs基于Transformer结构算法训练所需算力短时间内激增，远超摩尔定律基于Transformer结构算法与时间的关系摩尔定律与时间的关系1015101710191021102310250.00.81.0Sora(1minideo)GPT4(10000texttokens)DiT-XL/2ImageGeneration(512x512pximages)技术层面上，基础模型通过迁移学习（TransferLearning）和规模（scale）得以实现；Transformer的应用标志着基础模型时代的开始（基础模型的庞大规模和应用范围突飞猛进），模型参数量指数级增长，带动算力超过摩尔定律。Sora等视频生成类模型相较于大语言模型消耗的算力提升20倍。随着海量数据的积累，大模型需要处理的数据量也在不断增长，进一步加剧了对算力的需求。Transformer结构对于基础模型训练算力需求的推动作用 推理消耗算力对比（单位：FLOPS）

AI产业快速发展为AI算力市场带来新机遇从产业规模看，全球人工智能快速增长。2023年全球人工智能市场收入达5381亿美元，同比增长18.5%，到2026年市场规模将达9000亿美元。从投融资看，2024年Q1全球AI领域完成1779笔融资交易，筹集的风险投资总额达216亿美元。从企业发展看，全球人工智能呈现“中美主导”格局。截至2023年三季度，全球人工智能企业有29542家。美国有9914家，占比为34%；中国有4469家，占比为15%；中美人工智能企业数占全球总数约49%。4541.25381.36382.37575.890001000090008000700060005000400030002000100002022 20232024E2025E2026E图1：2022-2026年全球AI市场规模（单位：亿美元） 图2：全球AI领域投融资情况（单位：亿美元）78914951022900216020060040080010001200140016002020 2021 2022 20232024Q1图3：全球AI企业数量国家分布34%15%6%5%4%36%美国中国英国印度加拿大其他

资源“三剑客”中，算力承接算法及数据，成为AI产业发展基石AI数据数据巨量化算法跨模态融合算力内容创造力算法层面核心技术突破多模态认知计算感知+交互数字孪生 虚拟现实全息立体应用场景算力层面硬件算力实时算力数据层面高精度大数据训练集语料库投喂训练标注计算任务智能交互边缘计算云计算本地化当下的时代机遇：大