算力调度平台规模化发展-Deepseek带动算力需求井喷，算力调度平台成最优解.docxVIP

行业简报

算力调度平台规模化发展

Deepseek带动算力需求井喷，算力调度平台成最优解

AI变革行业创新发展

名词解释

u算力调度平台：用于统一管理、智能调度和优化来自不同提供商或地域的异构计算资源，如CPU、GPU等，旨在提升资源利用率、降低成本并简化用户操作。

uvGPU：一种将物理GPU的图形处理能力进行虚拟化的技术，允许多个虚拟机或用户共享同一块物理GPU卡，为虚拟桌面和应用提供硬件加速。

uKubernetes：一个开源的容器编排系统，用于自动化部署、扩展和管理容器化应用，在算力平台中常用于管理承载计算任务的节点和容器资源。

u异构算力：指由多种不同类型处理器，如CPU、GPU、NPU、FPGA等组成的计算资源环境，能够为不同特性的计算任务提供最优的硬件支持。

u任务调度：算力调度平台的核心功能之一，指根据任务需求、资源状态、预设策略如优先级、成本等，将计算任务分配至最合适计算节点的过程。

u资源池化：将分散的物理或虚拟计算资源，如CPU、GPU、内存、存储，聚合成逻辑上的共享资源池，进行统一管理、分配与监控，提高利用率与效率。

u弹性计算：指计算资源如算力、存储等可根据业务负载或用户需求自动或手动扩展或缩减，常与按需付费模式结合，提升资源灵活性与成本效益。

u智能调度：区别于固定规则调度，指使用复杂算法如AI、机器学习分析任务特性与资源状态，实现最优化的资源分配与任务调度决策。

u资源利用率：衡量计算资源在一定时间内被有效使用的程度，通常以百分比表示，是评估算力调度平台效率的重要指标。

u细粒度切片：指将计算资源尤其是GPU精细拆分为可独立调度的小单元，更精准地匹配不同任务需求，提高资源共享与并发处理能力。

ead

eade

行业研读|2025/04

Chapter1

算力调度平台的规

模化路径

o在AI大模型驱动下，中国智能算力需求与供给同步高速攀升，超大规模、高性能算力中心加速布局，带动整体算力基础设施快速扩容；在此背景下，具备高效资源整合与调度能力的平台，将具备突出的规模化发展价值

o算力调度中心的盈利高度依赖政府补贴，该补贴旨在通过结构化机制确保本地资源充分利用并控制风险。成功的关键在于企业需战略性地早期介入以影响决策，同时其方案必须精准契合政府经济、社会及政绩等多维核心价值

o平台必须具备高效整合和调度各地异构算力的技术能力，这为实现低成本、规模化和市场化变现奠定了基础。平台应具备的核心技术能力包括资源虚拟化、切片、实时监控和潮汐调度等，确保同一资源能够低成本、多次高效利用

o算力平台规模化价值变现的核心在于庞大且多元的客户基础，这决定了盈利速度与定价潜力。同时，结合高效的生态合作与增值服务策略是进一步提升毛利、控制风险并最大化客户价值的关键手段

eade

中国：人工智能系列

中国：人工智能系列

行业研读|2025/04中国：人工智能系列

算力调度平台的规模化路径——算力需求增长迅速

?在AI大模型驱动下，中国智能算力需求与供给同步高速攀升，超大规模、高性能算力中心加速布局，带动整体算力基础设施快速扩容；在此背景下，具备高效资源整合与调度能力的平台，将具备突出的规模化发展价值

中国智能算力发展及预测（2019-2026E）

单位：百亿亿次浮点运算/秒(EFLOPS)

CAGR

CAGR：68.97%

1,271

923

725

451

268

155

75

32

2019

202020212022202320242025E

2026E

城市|智能算力规模（EFLOPS）

北京45

广东38

上海30

深圳25

贵州80

河北35

n智能算力需求的激增，特别是在大模型应用领域，显示了AI技术快速发展和未来算力市场的巨大潜力

伴随着人工智能大模型及其相关应用的爆发式发展，智能算力的需求正在经历前所未有的激增。当前，智能计算已经成为中国算力结构中增速最快的类型，尤其在大规模语言模型