行业发展趋势 - 人工智能大模型技术正从实验室研究向产业落地转型 引领算力行业向更高层次 更广领域和更深融合发展[5] - AI 高性能计算和云计算等前沿算力技术正提升对海洋环境变化的理解与预测精度 为可持续发展注入动力[5] - 人工智能大模型深刻重塑海洋经济图景 算力需求进一步拉动高性能计算和智能计算等细分市场增长[12] 技术应用与创新 - GPU+CPU混合架构在深海勘探和海洋碳汇监测等场景实现创新应用[1] - 海洋大模型通过算法进步 算力提升和数据积累能更准确模拟海洋生态系统[9] - 联想万全异构智算平台针对大模型预训练和推理具备五大技术 3.0版本新增四大突破性创新技术[12] - 联想万全大模型训推一体机通过软硬协同垂直优化 打造开箱即用 场景适配和安全可控的AI基础设施新范式[13] 企业战略与成果 - 崂山实验室以海洋科技与异构智算融合 为海洋强国建设提供战略科技支撑[6] - 青岛国实集团围绕海洋科技产业 推进科技成果转化和产业化 在十大领域通过异构算力破解海量数据处理难题[9] - 联想推进"一横五纵"战略布局 推出覆盖万全异构智算平台和全方位基础设施解决方案[12] - 英特尔致力于HPC&AI融合计算技术发展 不断更新和强化产品组合支持企业部署[15] 性能突破与行业认可 - 联想在千卡训练场景中将MFU从30%提升至60%[13] - 联想全速运转满血版DeepSeek R1模型极限吞吐量超越12,000 tokens/s[13] - 联想万全大模型训推一体解决方案荣获2025中国算力大会"年度重大突破成果奖"[13] 生态合作与产业赋能 - 异构智算产业生态联盟携手英特尔等合作伙伴聚焦混合架构在海洋科技领域的应用[1] - 崂山实验室希望与合作伙伴推动关键核心技术协同攻关和前沿技术研究[6] - 潞晨科技致力于帮助企业最大化AI训练效率同时最小化训练成本 促进大模型落地应用[9] - 生态合力让智能转型势不可挡 英特尔支持各行业多元算力需求[15]

行业现状与问题 - 截至2024年9月中国算力规模达246 EFLOPS智能算力同比增长超65%各行业算力应用项目超1.3万个[1] - 智算中心平均机柜利用率仅20%～30%部分企业级中心低至10%[1] - 全国已上线智算中心算力整体利用率仅32%存在供需失衡和资源错配问题[2] - 优质算力供给不足大部分智算中心规模在1000P左右由分散社会资本建设难以匹配需求方[2] - 使用门槛过高创业公司面临找不到或用不起算力问题且缺乏使用裸金属算力的能力[3] - 国产芯片生态割裂多模型多芯片架构导致异构算力无法高效流动部分国产卡难以应用[3] 公司背景与定位 - 无问芯穹于2023年5月由清华大学电子工程系教授汪玉及博士生团队联合创立具备清华科研背景[4] - 公司成立不到两年完成近10亿元融资投资方包括红杉中国百度智谱AI等知名机构[4] - 公司定位为大模型时代"算力运营商"目标解决国产芯片生态割裂和算力使用门槛高问题[5] - 通过"M×N"技术将异构异域异属算力汇聚成云端算力网络实现智能感知和随需获取[5] - 技术路径包括统一中间层屏蔽硬件差异及优化国产芯片在大模型训练推理场景的性能[5] 产品与技术方案 - 公司推出三大核心产品覆盖万卡至十万卡无穹AI云百卡至千卡无界智算平台及单卡至十卡无垠终端智能[6] - 无穹AI云覆盖26省市53个数据中心整合超15种芯片架构异构算力池总算力规模超25000P[7] - 无界智算平台基于3000卡沐曦国产GPU集群支撑百亿参数模型训练600小时不间断利用2000张华为昇腾910B卡实现千亿参数模型推理[8] - 无垠终端智能推出端侧本征模型Infini-Megrez2.0实现21B参数智能水平内存占用控制在7B规模计算量控制在3B规模[9] - 公司通过底层算子通信调度容错技术创新提升算力利用率部分混合芯片算力利用率最高达97.6%[10] 生态合作与验证 - 公司与高校通过产学研协同机制缩短科研成果产业化周期如在研电赛中吸引25支高校团队参与[6] - 无穹AI云覆盖"东数西算"国家战略关键节点通过广域高性能专线实现算力资源实时切换与迁移[7] - 公司服务上海模速空间实现日均Token调用量突破100亿[10]

AI行业发展趋势 - AI正从热门赛道转变为赋能各行各业的底层技术 围绕AI模型运行所需的技术创新和产业链融合将为整个基础设施市场带来新机遇 [1] - 中国智能算力需求面临爆发式增长 IDC预测五年复合增长率达33.9% [1] - AI在互联网、金融、运营商、制造和政府等行业渗透较深 教育、医疗、能源等行业应用逐渐增强 [1] 企业级AI应用现状 - 企业级市场AI应用速度可能不及预期 AI发展呈螺旋上升态势而非线性增长 [2] - 算力、算法、数据、应用场景及人才培养等因素共同影响AI发展 细分领域突破可能推动AI跨越平台期 [2] - 企业关注如何将算力有效应用于具体场景并实现可衡量的效率提升 [2] 技术演进与门槛降低 - 未来3-5年模型压缩、边缘计算和工具链成熟将大幅降低AI开发与应用门槛 [2] - "AI即服务"成为基础设施标配 企业可通过低代码平台调用AI能力而无需庞大算法团队 [2] - 云端协同架构使算力像水电一样随处可得 [2] 垂直领域价值创造 - 通用大模型向垂直场景纵深演化 医疗、制造、交通等领域的行业模型价值将远超通用能力 [2] - AI深入生产线质检、城市管网监测、金融风险推演和尖端科学研究等核心业务系统 成为决策中枢 [2] - AI将从工具升级为"智能体" 通过多模态交互和自主任务分解实现对人类意图的深度理解与执行 [3] 算力基础设施发展 - 云端协同成为主导演进方向 云与端深度融合协同增效 [3] - 单一类型算力（如GPU）难以满足所有AI场景需求 [3] - 云侧将集成CPU、GPU、NPU、DPU等多种异构算力 针对不同任务提供最优组合 [3] 算力效率优化 - 大规模AI集群算力效率是关键瓶颈 需通过先进网络互联、存储加速、液冷散热和集群管理软件实现资源利用率最大化 [3] - 通过云原生架构、AI开发平台和模型即服务（MaaS）方式便捷提供云上AI算力资源 [3] - 端侧设备本地算力显著提升 能够处理更复杂实时推理任务 减少延迟和带宽依赖 [4] 云端协同体系 - 端侧设备内置全栈AI软件能力 屏蔽底层复杂性 [5] - 端侧与云端实现智能高效的模型更新、数据同步和任务协同 形成"云边端"一体智能体系 [5] - 新华三推出超节点集群、分布式存储、DDC无损网络方案和傲飞算力平台等全栈AI智算方案 [5] 产业生态建设 - "图灵小镇"模式在模型与算力间搭建桥梁 成为孵化应用平台和新兴商业模式温床 [5] - 公司积极参与从Scale-up到Scale-out的下一代互联技术攻坚 提升跨数据中心传输性能 [5] - 通过构建开放高效安全的AI基础设施和技术生态 加速产业链协同 支撑多场景AI技术规模化落地 [6]

行业趋势与AI发展 - AI浪潮推动全球科技行业聚焦算力需求，算力成为AI产业演进的核心生产力[2] - AI技术重构社会基础设施和生活方式，驱动家庭、城市和工业变革[4] - 智能计算从集中式转向分布式，云端算力需求激增，AI计算向终端设备迁移（如AI PC、AI手机、智能汽车等）[5] Arm技术生态与市场表现 - Arm架构芯片累计出货量突破3100亿颗，覆盖全球70%人口，拥有2200万开发者生态[7] - Arm技术在智能手机市场领先，服务器和PC市场份额逐年增长，预计2025年头部云服务商50%算力基于Arm架构[7] - Arm Neoverse™平台加速云计算/数据中心芯片革新，终端CSS平台提升消费电子性能与能效[8] - Arm Kleidi软件库优化CPU平台AI推理能力，支持大模型从云到端落地[8] 安谋科技自研业务进展 - 自研产品矩阵覆盖AI、CPU、信息安全及多媒体处理，包括"周易"NPU、"星辰"CPU等，客户超230家[10] - 自研IP相关专利超200项，本土客户芯片出货量达9.5亿颗[10] - 新一代"周易"NPU将发布，支持CNN/Transformer架构，适配主流大模型，提升端侧AI场景应用[11] 公司战略定位 - 安谋科技作为Arm生态与中国市场的桥梁，引入全球技术助力本土芯片企业开发国际竞争力产品[7] - 公司强调基于全球标准与本土创新，构建IP产品组合和系统级服务能力，赋能AI芯片时代[11]