2022年中国智能算力规模增长41.4%/EFLOPS

指标 2023年 2024年 2025年

算力规模(EFLOPS) 220 260 300

计算力智能计算中心(个) 30 40 50

智能算力占比(%) 25 30 35

重点应用场所光传送网(OTN)覆盖率(%) 50 65 80

SRv6等创新技术使用占比(%) 20 30 40

国家枢纽节点数据中心集群间网络时延达 65 75 80

标率(%) 存储总量(EB) 1200 1500 1800

先进存储容量占比(%) 25 28 30

表2：国家规划加快算力、运力、存力为核心的数字基础设施建设

运载力

存储力

数据来源：《算力基础设施高质量发展行动计划》、开源证券研究所

注：FLOPS为每秒浮点运算次数，1EFLOPS=10^18FLOPS=1000PFLOPS；据测算，1EFLOPS约为5台天河

2A或50万颗主流服务器CPU或200万台主流笔记本的算力输出。

当下全球智能算力快速增长，据中国信通院数据，2022年底全球算力总规模达到650EFLOPS，其中通用算力规模为498EFLOPS，智能算力规模为142EFLOPS，超算算力规模为10EFLOPS；智能算力规模同比增长25.7%，规模占比达21.9%。国内市场方面，2022年算力总规模为180EFLOPS，排名全球第二，其中通用算力规模为137EFLOPS，智能算力规模为41EFLOPS，超算算力规模为2EFLOPS。中国

智能算力同比增长41.4%，规模占比达22.8%。按照六部门联合印发《算力基础设施

高质量发展行动计划》对2025年智能算力建成105EFLOPS的规划，预计2022-2025

实现36.8%CAGR。

图13：2022年全球智能算力规模增长25.6%/EFLOPS图14：2022年中国智能算力规模增长41.4%/EFLOPS 600 500 400 300 200 100 0

通用算力智能算力超算算力 150

数据来源：Gartner、IDC、开源证券研究所数据来源：《中国算力白皮书》、开源证券研究所

智能算力在AI深度学习中的应用主要体现在以下几个方面：一是训练模型，深度学习模型具有复杂的结构和大量的参数，需要大量的计算资源进行训练，智能算

力通过GPU、TPU等高性能的计算设备，加速深度学习模型的训练过程。二是推断推理，智能算力通过高性能计算设备和专门的推理芯片加速深度学习模型的推断过程，提高了模型的实时性和稳定性。三是模型优化，通过智能算力可以对模型进行自动化的超参数调优、网络结构搜索、模型剪枝等操作，进一步提高模型的精度和效率。