来自能源的革命的雪球专栏
认知转变轨迹
初期英雄叙事（春节前后）
市场将DeepSeek视为"东方神秘力量"，以558万美元训练成本（不足GPT-4o的1/10）突破规模定律
引发"英伟达护城河消失"等市场情绪，导致美股科技股下跌
现实认知回归（春节后）
算力不足成为新共识：API服务暂停充值暴露服务器资源紧张
国泰君安测算显示惊人算力需求：普通推理场景需16,177张H100或51,282张A100
本地部署要求升级：32B参数模型需24GB+ GPU及更高硬件配置，推动AIPC换机潮
算力需求关键数据
推理算力需求：1.6*10¹⁹ TOPS（基于1亿次日均访问量/10次提问/1000 token回复）
硬件配置标准：
推理端：FP8精度H100（50%利用率）或A100
终端：32B+模型需24GB+ GPU/更大内存/更高散热
市场格局演变
算力供给多元化：英伟达非唯一选择，"国产算力+国产大模型"成A股热点
产业链影响：
科技股涨幅前20中7只为DeepSeek概念股
PC硬件升级需求推动AIPC产业变革
信创/软件ETF领涨反映算力生态扩展
认知转变本质从过度解读技术突破的"爽文"叙事，回归到对算力基础设施瓶颈的清醒认识，反映出：
算法创新需匹配算力基建的现实需求
开源生态扩张加剧算力消耗
硬件迭代与国产替代的必然性
$中兴通讯(SZ000063)$ $卧龙电驱(SH600580)$ $赛力斯(SH601127)$
《智能算力发展趋势洞察》这篇文章深入探讨了人工智能时代背景下，智能算力的发展趋势及其在各行业中的应用前景。文章指出，随着AI技术的快速发展，尤其是大模型的兴起，对智能算力的需求呈现出爆发式增长。以下是文章的核心内容和重点：
背景知识AI技术发展：AI技术经历了三次高潮和两次低谷，2022年11月OpenAI发布的ChatGPT标志着第三次AI技术发展达到新高度。
智能算力需求：大模型的训练和推理对算力提出了高性能、大规模并行、低时延互联的要求，推动了智能算力的快速发展。
研究方法算力基础设施分析：文章从算力、存储、网络等基础设施的角度，分析了智能算力的发展趋势。
AI芯片技术分析：探讨了AI芯片的关键需求和技术路线，包括GPU和AI专用芯片的特点。
智算存储和无损网络：分析了智算存储的多元存储需求和无损网络的必要性，以及如何通过技术创新提升存储和网络性能。
关键结论AI芯片需求：AI芯片需求分为训练芯片和推理芯片，训练芯片需要更高的算力以缩短模型训练时间，推理芯片则需满足不同业务场景的多样化需求。
智算存储：智算存储需提供多元数据存储能力及多协议互通能力，通过软硬件调优提升性能。
无损网络：AI大模型训练的并行计算特性要求网络具备零丢包、高吞吐大带宽、稳定低时延及超大规模组网的能力。
实验和案例分析RoCEv2网络端网协同创新方案：中兴通讯提出的方案通过端网协同联动机制，实现了精准、快速的拥塞控制和流量调度算法，使网络吞吐率提升至90%以上。
智算AI平台：中兴通讯开发的智算AI平台集成了硬件适配层、引擎层、服务层和能力层，支持从数据管理到模型推理的全业务流程。
大模型赋能通信运维：大模型技术在通信领域的智能运维中得到广泛应用，包括运维知识问答、故障异常检测、根因定位和故障预测与预防等。
观点和现象智能算力的重要性：智能算力是大模型发展的基石，对推动AI技术的广泛应用至关重要。
技术创新的必要性：面对大模型训练的挑战，需要在算力、存储、网络等方面进行技术创新，以提升智能算力的性能和效率。
智算中心的部署模式：智算中心的部署呈现枢纽大模型训练中心、省份训推融合资源池、边缘训推一体机三级部署模式，以满足不同场景下的性能、成本和服务需求。
未来展望AI芯片技术发展：未来AI芯片设计将引入存算一体架构和Chiplet技术，以降低功耗和提升性能。
智算基础设施的优化：通过硬件、资源管理和产品方案的优化，构建高效、安全的智算基础设施。
大模型的应用拓展：大模型将在更多行业和场景中得到应用，推动各行业的智能化转型。
文章通过深入分析智能算力的发展趋势，展示了中兴通讯在智能算力领域的技术创新和应用实践，为推动AI技术的广泛应用提供了有力的支持
作者：能源的革命链接：https://xueqiu.com/7659667127/322733258来源：雪球著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。
