智能算力，是数字经济发展的重要基础性资源。由于美国的科技禁运政策与国内人工智能技术差距，我国在实现智算资源完全国产化的道路上仍需努力。为了谋求可用算力资源在物理空间的释放和高效利用，国家层面持续推进“东数西算”工程，智算产业的相关布局已提升到国家未来科技发展的战略性高度。
沙利文持续关注数字经济领域的发展情况，谨此联合天罡智算正式发布《2024年中国智能算力行业白皮书》。本报告旨在分析中国智能算力市场的现状、应用前景、技术动向及发展趋势，并识别智能算力市场竞争态势，反映该细分市场领袖梯队企业的差异化竞争优势。沙利文期待通过对智能算力市场的梳理与分析，加强行业参与者对于市场全貌的理解。
本报告深入解析智算产业情况，并将研究视野拓展至智能算力的供给侧，剖析不同类型市场参与者切入智算赛道的方式、商业模式、差异化优势和劣势，形成全面的市场洞察。
1
AI时代·人工智能发展概览
2023年，全球数字经济的规模已达45万亿美元，占全球GDP的比重达44%，已经成为全球经济发展的强大引擎。受益于大力推动产业数字化转型的国家战略，中国数字经济规模亦迅速增长，增速显著超越美国和德国。人工智能产业作为数字经济生态中的技术推进器与创新加速器，受到全球企业的高度重视与持续性的技术和资金加码。
01
全球：人工智能浪潮席卷全球，各国积极布局加速落地
2023年全球人工智能市场总投资额达到1,835亿美元，预计到2028年将超过6,000亿美元，2023年至2028年全球人工智能市场规模的年复合增长率将达到28%。截至2023年第三季度，全球人工智能企业达29,542家，集中美国与中国的人工智能企业数量占全球总数的49%，全球人工智能企业国家分布呈现出中美主导的格局。
人工智能可按照模型类别分为生成式人工智能与判别式人工智能。生成式人工智能基于大模型与深度学习等技术，在虚拟现实、内容创作等多种方向表现出应用潜力，引发新一轮人工智能革命，市场规模自2020年迎来了高速发展。全球头部大模型企业持续引领和推动生成式人工智能技术的革新与落地，商业化应用逐渐从文本向图像、音视频等领域推进，从而催生了对于高性能智能算力的海量需求。为满足大模型产业的发展需求，全球主要国家相继出台扶持政策，从资金、基础建设、数据供给、人才、下游应用等多方面谋篇布局高性能智算资源。
AI芯片作为智能算力的基石，市场规模将迎来规模化扩张，预计到2028年全球AI芯片市场规模将突破1,600亿美元。AI服务器作为智能算力的载体，市场规模与出货量齐增，预计到2028年全球AI服务器市场规模将突破1,000亿美元，出货量达到343万台。
02
中国：技术突破加速人工智能发展，成为数字经济新动能
当前，中国人工智能领域技术投资活跃，2023年投资额突破193亿美元，同比增长48.2%，占全球投资额总量的10.5%。同时人工智能核心产业体系逐渐完备，2023年人工智能核心产业规模达到5,784亿元人民币，同比增长13.9%，企业数量已超过4300家，下游应用场景覆盖到生活服务、智慧医疗、智慧制造、智慧汽车、物流仓储等多个领域。
中国生成式人工智能市场受到上游技术投资持续加码和下游商业化运用持续落地的双轮驱动，已经展现出强劲的增长潜力和市场活力。虽然国内大模型产业起步晚于西方企业，但随着市场迅速进行技术迭代与商业化落地，产业于2023年开始进入发展爆发期，目前国内头部企业的大模型水平已经追平国际大模型均线。2023年，中国大模型市场规模达到约132亿元人民币，预计在2028年市场规模将达到817亿元人民币。
2
产业升级·中国智能算力崛起
算力、算法与数据是人工智能发展的三大要素。人工智能算力（简称“智能算力”或“智算”）则是指用于处理人工智能训练与推理中的大量数据、模型以及其他计算任务的能力。目前，智能算力的提升已成为推动人工智能应用创新和产业升级的关键因素，也是实现大模型快速迭代和优化的关键。
01
产业链全景解析：从硬件基础到应用场景的纵深发展
人工智能芯片作为智能算力产业的基础硬件，为智能算法与应用提供必要的计算能力。由于美国对中国半导体监管趋严，叠加全球经济放缓，中国芯片市场规模自2021年呈现下滑趋势。得益于国家的高度重视，人工智能芯片市场逆势高速上涨，2023年中国AI芯片市场规模达652亿元人民币。随着自主可控的人工智能芯片技术不断发展，叠加AI芯片需求持续上涨，未来市场增长潜力巨大。
搭载AI芯片的人工智能服务器为智算产业提供了必要的算力支撑，使大规模数据处理、模型训练与推理计算等任务高效完成。中国人工智能服务器市场在智算行业高速发展的带动下表现火热，市场规模与出货量同步增长。随着人工智能应用的成熟度提升，市场对于人工智能服务器的需求预计将持续走高。
智能算力的中游企业类型较多，可大致分为ICT硬件集成商、电信运营商、第三方数据中心服务商、云服务厂商、人工智能企业、AI Infra厂商以及跨界企业七大类。通过整合上游智能算力的基础设施和核心硬件设备，各类中游企业可以发挥自身在供应链、渠道、产品、平台和技术等方面的差异化优势，为下游智能算力需求方交付高性能智算资源。例如：数据中心可为智算资源供给方搭建并运维物理平台，并提供海量数据存储、高速网络传输以及实时处理服务；云服务商可凭借自身在云计算方面全面的技术能力与完善的产品矩阵，提供算力资源与算法增值服务。
下游层面，人工智能技术已经逐渐渗透到社会的各个角落，在互联网、服务业、政府部门、金融业、工业制造等领域得到了广泛的应用。随着人工智能技术的不断成熟与普及，AI加速服务器预计将在更多行业中发挥关键作用。同时，随着垂直行业大模型的渗透程度逐渐加深，商业化落地不断推进，各行业对于智算资源的需求也将逐渐凸显，助推社会的数字化转型与智能化升级进程。
由于智能算力产业属于技术密集型科技产业，涉及算力感知、调度、运营等众多关键技术，而目前国内智算市场正处于先行先试的早期发展阶段，因此需要全产业链参与者发挥自身优势，实现合作共建。智能算力的投资方、建设方、运营方、模型研发商等角色需根据各自具备的不同核心资源，探索不同的盈利模式，实现现金流的健康循环。
02
解析智能算力：驱动因素、趋势前瞻与竞争壁垒剖析
驱动因素：政府出台政策加快智算产业布局，是智算产业发展的重要基础：近年来，国家已出台一系列政策文件，积极发展算力产业生态，强化算力供需对接，推动算力产业区域协同发展。地方各级政府响应国家号召，引导与鼓励政策已覆盖包括基础设施建设、区域协同发展、人才培养与技术创新在内的多个维度；人工智能蓬勃发展带动智算需求，是智算产业发展的核心动力：目前，人工智能正加速向各行业、各领域的各个生产环节中渗透，人工智能在新兴领域中的应用不断涌现，需求侧产业的转型升级正驱动智算行业的发展；算力技术的迭代，进一步推动智算产业高速增长：人工智能的不断发展使得大模型使用的数据量与参数规模指数级增长，供给侧对于大规模数据的处理能力和实现复杂计算的能力要求愈发严苛，要求智算产业长效发展。
发展趋势：未来智算中心的区域化协同效应越发明显：智算中心的跨区域协同正在增强，分布式训练需求逐渐提高，同时大模型与业务场景融合逐渐加深，终端设备性能提升，“云-边-端”协同应用将成为主流；此外，普适普惠的智算服务正在发展：平台调度算力的模式正变得越发重要，算力服务模式正从资源式向任务式逐渐转变。算力的使用门槛与智算中心的运维难度将逐渐降低，而算力的利用效率将逐渐提升；智算的绿色低碳转型也是未来的发展重点：算力生产、运营、管理、应用的全链路绿色化是产业发展的重要方向，要求智算中心积极应用绿色能源，并将进一步实现绿色算力与重点碳排放行业的深度融合，实现环境与业务的双重可持续发展。
竞争壁垒：作为技术密集型科技产业，智算行业的壁垒较高，主要表现在人才资源壁垒、资金壁垒、增值服务技术壁垒以及品牌效应壁垒等方面。智算企业不仅需要数据处理、行业知识挖掘、大模型搭建与优化方面的人才，还需要高额的前期投入并面对持续的运营成本，从而实现对于算力资源的适配、纳管以及调度等工作，因而市场资源与机会逐渐向少数资本实力雄厚的头部企业集中。同时，在充分的技术投入与迭代后，头部厂商的品牌效应愈发明显，使得其具有广泛的用户基础，同时用户更换平台时面临较高的数据迁移与系统重构成本，进一步增强了用户粘性。多重因素影响下，新进入企业在竞争中往往处于劣势。
此外，中国智算产业在发展中表现出明显的痛点。供给方各类成本投入较高，需求方对于算力的调度则表现出差异化特点。供需错配的格局与技术水平的限制阻碍了智算资源的灵活配置，市场亟需探索更加多元化的算力供给格局，解决智算生态中出现的各类问题。
3
需求跃迁·智算租赁开启新篇章
生成式人工智能正在迅速发展，要求大模型能够处理更长的数据序列，完成更复杂的任务。而大模型所需的算力规模与算法结构、参数量、数据量以及训练轮数等紧密相关，当模型规模突破某一阈值时，其性能会显著提升。从训练到微调再到推理的全周期算力消耗，成为大模型功能的关键，大规模智能算力集群的模型训练，已经成为模型优化的必然选择。
01
智算租赁的崛起：穿透供需矛盾背后的市场逻辑
现阶段，大模型的训练、微调和推理主要依赖以英伟达为代表的高性能GPU来提供强大的并行计算能力、显存容量和成熟的软件生态支持。2023年中国市场加速芯片出货量达140万张，其中英伟达以119万张占据85%的市场份额。近年来算力需求呈现跃迁式增长，尽管英伟达出货量持续增加，但市场的需求并未得到完全满足，市场供需失衡导致GPU价格上涨。
此外，美国政府自2018年来相继推出多项针对中国的科技封锁政策，使得中国市场上海外高性能GPU供给更为紧缺，而国产GPU短时间内在技术水平和实际运用方面都还未能实现完全替代。因而，高性能智算资源的稀缺性进一步提升。
据沙利文测算，以ChatGPT 3.5的训练成本作为估算基础，2024年中国大模型训练端对于A100 GPU的需求达到26,380张，推理端对于A100 GPU的需求达到3,298张。高性能GPU供需错配的格局下，如何分配智能算力资源，优化GPU的使用效率成为关键问题。
供需错配等客观因素一定程度上制约了国内模型研发企业的发展速度。除此以外，部署成本、运维成本、时间成本、算力资源的灵活性以及数据的安全性也对智能算力的调配提出了更多要求。在此背景下，相较于自建智能算力，智算租赁在资金成本和运营灵活性方面均表现出显著的优势，对于大型互联网企业之外的模型研发企业更为友好，大幅降低了企业使用高性能智算资源的门槛，成为国内大模型厂商发展的智能算力来源新选择。
02
智算租赁新风口：租赁模式如何重塑行业版图
目前，我国智算租赁市场正处于发展初期，参与者类型众多，各自存在差异化优势，智算租赁的服务形式有所区别，商业模式也正处于探索进程中。市场上主流的智算租赁模式大致可概括为四类：云服务商的一站式解决方案，GPU算力池租赁，GPU算力池调度，和搭载硬件的推训一体机模式。不同的智算租赁商业模式拥有各自的优劣势，可以锚定差异化的下游客户需求。例如：云服务商可凭借其在云计算方面全面的技术能力和完善的产品矩阵，依托其底层的高性能智算资源，搭载其技术增值服务，为下游客户提供一站式的智算解决方案；而GPU算力池调度平台则以提供算力发现、供需撮合、交易购买、调度使用为服务，算力交付更加灵活。
智能算力产业链上中下游不同类型的参与者正在入局，依托自身原有业务，构建独特产品矩阵，按照不同业务设立逻辑，探索多种商业模式，在智算租赁业务中各自表现出差异化优势。例如：IDC企业由于具备完善的数据中心建设能力以及大规模硬件集群部署与配套运维能力，可构建以机房和基础设施建设服务、智算中心运维服务、云服务等为主的产品矩阵，通过与ICT硬件集成商、电信运营商或互联网大厂等合作共建智算集群项目，承担运维与智算资源出租的业务；AI Infra厂商可基于自身突出的人工智能与智算技术能力，支持模型的训练和推理、服务器的部署和运行，提供推理引擎、训练加速、智算租赁等以软件与平台为主的产品；也有部分本身从事其他行业业务的跨界企业将智算产业作为其第二成长曲线，基于其智算资源渠道与充足的资金储备部署GPU芯片等资源，通过出租自有智算硬件设备的形式对智算产业进行投资。特色化商业模式的发展与多元化市场参与者的进入，正令算力租赁的行业矩阵变得更加立体。
