报告行业投资评级 未提及 报告的核心观点 在人工智能落地进程中，以智算中心为代表的算力基础设施是重要基石，但目前利用负载差异大，赋能价值待提升；报告围绕需求场景、关键能力、落地生态阐述发展趋势，助力释放智算中心赋能效应，推动人工智能与实体经济深度融合 [5] 各部分总结 人工智能算力基础设施演进态势 - 技术创新：我国人工智能算力基础设施正系统性升级与架构演进，向集约高效、低碳共生、高速泛在的融合形态发展，呈现超大规模集群化、绿色低碳化与高速互联化特征 [12] - 布局优化：政策引导推动智算中心高质量发展，建设加快布局，总体规模增长，区域智能算力向统筹化和集约化部署 [16][17] - 产业升级：智能算力产业发展提质增速，产业链各环节深度融合，三大运营商和AI大厂积极布局智算领域 [18][19][20] 人工智能算力基础设施赋能的重要走势 - 需求场景：定位日益清晰，促使资源优化配置，实现从“以建促用”到“以用带建”转变 [25] - 关键能力：供给持续强化，服务向高层次、全栈化支持体系演进，提升服务效能 [26] - 落地生态：生态体系加速整合，协同机制完善，促进智算赋能价值规模化释放 [28] 人工智能算力基础设施需求场景 - 大模型预训练场景：万卡集群支撑基础大模型预训练，国内通信运营商和AI头部厂商积极建设万卡智算集群并研发基础通用大模型 [30][31][32] - 大模型微调场景：小体量智算中心可有效推进行业模型微调训练，国内多数智算中心着力支撑该场景 [34][36] - 大模型推理场景：云侧推理需求占据主导，不同推理应用场景对推理模型及智算中心需求不同，专用于推理的智算中心持续涌现 [37][39][40] 人工智能算力基础设施关键能力 - 基础支撑能力：训练场景关注集群算力有效性等，推理场景关注token吞吐率等，大模型预训练对绝对算力性能有强要求，模型推理对智算卡内存和通信带宽有强要求 [44][46][48] - 创新服务能力：训练场景关注云服务高效性等，推理场景关注智算资源池化调度能力等，模型训练要求智算中心提供全栈MaaS服务能力 [50][52][53] - 运营保障能力：训练和推理场景都关注算力调度灵活性等，均需推进智能算力灵活调度，追求高性价比，注重提升安全合规性 [55][56][57] 人工智能算力基础设施落地生态 - 智算与数据要素协同：推进与高价值数据协同，提升基础支撑能力，“算力+数据”双轮驱动构建智算生态 [60] - 智算与模型算法协同：推进与高水平模型算法协同，提升创新服务能力，“算力+模型”一体化模式满足智能应用需求 [63] - 智算与跨域智算协同：推进跨域智算互联协同，运营能力跃升，运营商智算中心长距互联实现实践突破 [66][67] - 智算与行业场景协同：推进与行业场景协同，生态持续演进升级，形成“以算促用、以用带算”良性发展机制 [68] - 智算与区域产业协同：推进与区域产业协同，实现多维度、全场景赋能，形成创新闭环和良好生态 [71] 发展展望 - 需求场景：更加多元、复杂且深度融合，政府、地方国投平台和运营方应分别做好引导员、连接器和跟踪者 [76][77] - 关键能力：更加集约、软性，行业组织应完善关键能力体系，运营方应针对性提升关键能力 [78][80] - 落地生态：更加聚合、协同，政府应引导与对接资源，运营方应主动对接外部要素主体 [81][83]