首页科技快讯《2022中国算力服务市场发展研究报告》｜亿欧智库

《2022中国算力服务市场发展研究报告》｜亿欧智库

来源：晰数塔互联网快讯时间：2023年04月11日 11:04

算力指通过CPU、GPU、FPGA、ASIC等各类计算芯片设备处理数据，实现特定结果输出的计算能力，可以通过每秒可处理的信息数据量来衡量算力的强弱。现阶段，根据使用设备和提供算力强度的不同，算力可分为基础算力、智能算力与高端算力三大类，本报告中算力服务研究范围以智能算力、高端算力为主。

2020年我国算力总规模达到135EFlops，全球占比约为31%，保持55%的高速增长，高于全球增速约16个百分点，未来我国算力规模仍将持续扩大，三类算力服务的结构也将继续发展优化。

中国数字经济规模持续增长：国务院在“十四五”数字经济发展规划中明确提出，“到2025年，数字经济核心产业增加值占GDP比重达10%”。同时据机构预测，2025年中国数字经济规模有望超过60万亿。

中国生产数据要素喷涌而出：据报告数据，2018年中国产生了约7.6个ZB的数据，2025年这一数字将增至48.6ZB，且数据生产量约占世界数据总量的28%，或将超越美国成为世界第一大数据生产国。由此可见，未来数据的收集、存储、管理、使用的难度及价值均会呈现质的飞跃。

数字经济的蓬勃增长与海量数据的管理使用，对算力供给提出更高要求。智能计算中心、一体化大数据中心等算力基础设施纷纷出现，而算力服务作为核心供给形态之一应运而生，成为数字时代的核心信息新底座。

从底层算力融合释放，到软硬一体的全栈能力加持，以及性价比兼具，才能真正推动普惠算力。目前使用高端及智能算力用户可分为三大类：前沿算力用户，中小微用户及具有鲜明特色的部分用户。第一类用户工作可对接高端计算中心完成，后两者的需求受制于对接门槛与算力类型，难以与传统计算中心匹配；如自建机房与数据中心，效率及性价比相对低。因此，合适、优秀的算力服务平台，成为了提升效率的最优选。

此外，人工智能领域的大模型训练对算力依赖较强，开发者及企业对算力的多样性、易用、经济、效率有较高要求，同时建议配备专业的运维团队。因此，平台服务的形式相比自建要更适宜，可以让更多人以高效简洁的方式使用到匹配的算力。

《2022中国算力服务市场发展研究报告》内容摘要：

算力资源分布不均、数据传输难度大、各地计算中心间缺乏任务协同与资源流通

从资源调度视角来看，呈现出明显的算力资源分配不均与供需不平。首先区域间算力资源供需还未平衡，尽管地方积极布局算力基础设施，但目前供需矛盾还较为突出。其次海量数据传输困难，算力的即时调度难度大，各算力中心间也缺少任务协同和资源流通共享,导致跨广域数据交互效率低。

区域资源分布不均，加大基础资源调度难度：

东部地区大规模数据中心大，但能耗指标紧张、电成本高；西部地区可再生能源丰富，但网络宽带小、跨省数据传输费用高，无法有效承接东部需求，在资源分布侧加大了算力调度难度。

大型算力数据传输依靠传统运输方式，算力即时调度与应用难度大：

面临数据时延不敏感、单通道传输带宽有限、通道宽带数量有限等问题，导致算力传输延迟，传输费用高昂等问题。例如石油勘探行业，具有数据量大、并行任务较多、网络体系复杂等特点，对于勘探数据的精确度和丰富度需求相当之高，同时要求高精度承载力的网络和设备，对于不少计算中心而言都难以独立供给。

大多数中小型企业缺乏专有算力平台：

平台用户间算力资源衔接较难，缺少标准化、体系化。为了保证科研机构、国家项目等的执行优先级，算力中心对市场用户关注度不足。

缺乏统一的跨网技术标准与服务标准，算力资源度量衡的标准化滞后，导致多样算力与多元场景匹配充满挑战

从顶层设计视角来看，目前算力领域标准化的进程相对较慢。技术侧，尚未对算力度量、算力感知、算力路由、算力编排、算力分发、作业需求等形成统一共识，导致精确判断、匹配需求难度大，易造成资源的错配或浪费。服务运营侧，亦需在用户管理、策略管理、定价策略等层面搭建标准化运营运维团队，方能实现算力服务的标准化发展。

缺乏统一的技术标准与服务标准，导致算力调度与按需分配难度较大：

无法准确、量化描述算力供需体量。计算资源呈多样化。例如CPU、GPU各类专用芯片产生的诸多类型算力，同时在精度、形态等方面也有诸多差异，尚未形成标准度量衡用于标准化交易。

算力分配错位，加重资源分布不均：

缺乏标准度量衡，将影响算力供给侧精准衡量、判断需求，从而导致供需错位（出现资源浪费与资源短缺较难缓解），长期将会加重资源分布不均。

对于众多人工智能训练、工业生产企业而言，巨大的算力支撑是其生产发展的基础，供需错位一定程度上，给其进一步发展带来周期拖延与应用落地拖延。