在数字化浪潮的推动下，人工智能已成为全球科技竞争的制高点。2025年，中国人工智能算力发展正以惊人的速度崛起，成为全球关注的焦点。近日发布的《2025年中国人工智能计算力发展评估报告》为我们勾勒出一幅清晰的未来图景：中国不仅在人工智能算力规模上取得显著增长，更在绿色可持续发展、生成式人工智能应用以及算力服务创新等领域展现出独特的差异化亮点。

全球层面，生成式人工智能无疑是当下科技领域的热点。生成式人工智能正在成为企业的重要新型工作负载，其强大的内容生成能力和多场景适用性，正在重塑各行业的智能化转型路径。从内容创作到数据分析，从创意辅助到智能客服，生成式人工智能的应用场景不断拓展，极大地提高了生产效率和用户体验。全球生成时人工智能服务器占比逐步提升，大模型及应用正在驱动计算架构和数据中心变革。

中国层面，中国“两会”政府报告重点强调了数字基础设施建设、积极推进数字产业化和产业数字化、积极培育新兴产业和未来产业等七大加速发展领域。党的二十届三中全会也提出要推动实体经济和数字经济的融合发展，为高质量发展提供新动能。对大型模型及生成式人工智能需求的日益增长，正显著推动中国人工智能算力基础设施的快速发展，根据测算，2025年中国通用算力规模将达到85.8 EFLOPS，预计到2028年将达到140.1 EFLOPS，而智能算力将分别达到1,037.3 EFLOPS（2025年）和2,781.9 EFLOPS（2028年）。

在政策的鼓励和引导下，中国企业将人工智能作为产业创新的抓手，加速探究生成式人工智能等先进技术在行业中的应用，越来越多的中国企业正在积极制定和实践人工智能转型战略。

从调研数据来看，42%的中国企业中国企业已经开始进行大模型的初步测试和重点概念验证，41%的企业正在大力投资生成式AI，并已制定了用于培训和获取生成时AI增强软件的支出计划，说明当前中国企业在生成时AI的投入上正在逐步扩张。但能够将技术引入生产阶段并用于实际业务中的企业进展17%，说明中国企业仍需进一步探索有价值的应用。

随着生成式人工智能和大模型逐步扩大应用，企业将面临来自数据、算力、模型、人才、成本等多方面的挑战。其中，算力基础设施是关键议题，企业当下面临的相关挑战包括但不限于计算架构难以支持大规模应用、与基础设施建设和维护相关的高昂成本投入，以及高性能的计算资源的不足。

企业在人工智能大模型训练、推理阶段，会面临不同的算力挑战。对于持续开展大模型训练和研发的企业和研究机构而言，他们需要完成大量计算任务，推高算力需求，将长期处于高性能算力供不应求的状态；随着大模型和生成式人工智能技术在实际应用场景中落地，企业普遍面临以推理负载为主的算力需求，在推理阶段，算力分配和调度是主要问题，推理任务的算力需求具有波动性，难以预测和管理，导致资源分配不均衡，缺乏有效的算力分配和调度机制，导致算力资源的局部浪费和整体利用率低下，这不仅影响了人工智能基础设施的算力效率，也增加了整体成本。

从调研数据来看，缺乏高质量可靠的数据是企业面临最棘手的挑战，其次为投入成本过高、基础计算架构的技术局限性与规模应用。

从投资支出方向来看，硬件升级与数据采集与处理费用投入是当前企业的优先考虑方向，核心体现企业将优先解决算力与数据的挑战。

面临上述挑战， “扩容”和“提效”并行的策略是当前人工智能算力发展面临挑战的核心破局之法，“扩容”是指增强算力资源的可获得性。通过增加智算中心的数量，实现充足的多元算力供给。“提效”则需要从算力基础设施建设和优化、算法创新、提高数据质量、降低能耗等方面系统性实现。具体而言分为以下两个层面：

优化算力生态：一是增强算力资源可获得性，通过适度超前规划并增加智算中心数量，在区域协调布局中构建千P级政府智算中心与万卡级企业智算集群，实现多元算力供给与技术先进性并重；二是升级基础设施架构，采用先进计算节点与智能调度算法优化内存层次，提升计算效率并降低延迟；三是推动产业聚集效应，依托智算中心建设吸引上下游企业集聚，形成规模效应与技术溢出效应，降低单位算力成本，同步驱动区域经济发展与技术创新。

系统性提升算力利用率：一方面通过算法创新（如模型剪枝、知识蒸馏、高效架构设计及分布式计算）降低模型计算复杂度与存储需求，在保持精度的同时减少算力消耗；另一方面强化数据治理，通过构建高质量数据集、统一数据接口简化共享流程，结合加密技术与访问控制机制保障数据安全，减少无效计算，从而提升训练推理效率并优化整体算力效能。

2025年2月13日，浪潮信息联合国际数据公司（IDC）发布《2025年中国人工智能计算力发展评估报告》，该报告深度解析了AI算力变革趋，聚焦液冷技术、边缘推理等前沿突破，洞察金融、制造、医疗等八大行业智能化跃迁路径，解码北京、杭州、上海等十大城市算力竞争格局。更多内容可扫描下面二维码下载。