狭义的概念上，算力是软硬件配合执行某种信息处理需求的能力。广义概念上，算力是集信息计算力、网络运载力、数据存储力于一体的新型生产力，主要通过算力中心等算力基础设施向社会提供服务。
2、算力分类
3、算力的作用
2）算力与数字产业化互为支撑
3）算力加速产业数字化“数实融合”
（2）算力是通用人工智能的核心动力
对AGI发展来说，数据、算力、算法三大核心要素中，算力向下扎根于数据，向上支撑着算法，将是驱动AGI发展的核心动力。
深度学习出现之前，用于AI训练的算力增长大约每20个月翻一番，基本符合摩尔定律；深度学习出现之后，用于AI训练的算力大约每6个月翻一番；2012年后，全球头部AI模型训练算力需求更是加速到每3-4个月翻一番，即平均每年算力增长幅度达到惊人的10倍；目前大模型发展如火如荼，训练算力需求有望扩张到原来的10到100倍，算力需求的指数级增长曲线将更加陡峭。这也意味着发展AGI需要巨大的算力成本投入。
02
驱动因素
1、政策支持算力基础设施高质量发展
在此基础上，各地市人民政府相继出台多项政策举措，大力支持算力产业发展，全国上下已形成积极推动算力产业快速健康发展的良好局面。
2、ChatGPT掀起AI大模型热潮，拉升算力需求
人工智能大模型训练数据量巨大，对算力尤其是智能算力需求庞大，且将在未来持续高增长，驱动全社会算力产业的快速发展。以GPT大模型为例，GPT-3模型参数约为1746亿个，训练一次需要的总算力为3640PF-days，而新一代GPT-4模型参数量将达到1.8万亿个，算力需求提高68倍。
ChatGPT的轰动引发全球人工智能大模型训练及应用的浪潮，驱动算力需求进入爆炸式增长阶段。尤其是针对人工智能的智能算力，更成为了算力产业未来发展的重要方向。
03
行业发展情况
1、发展情况：算力规模不断提升，产业体系逐步完善
根据《2023智能算力发展白皮书》显示。截至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加了25.7％，占比达21.9％。我国算力规模方面，截至2022年底，中国算力总规模为180EFLOPS，排名位居全球第二。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。
在数据存储力方面，我国存储规模不断扩大，截至2022年底，我国存储总量达到1000EB，较21年增加25%，以全闪存技术为代表的先进存力快速发展。
在网络运载力方面，我国网络基础设施建设不断完善。截至2023年6月，我国累计建成5G基站超过293万个，光缆线路总长度达到6196万公里。
从硬件设备角度，根据信通院测算，2022年我国计算设备算力总规模达到302EFlops，全球占比约为33%，连续两年增速超过50%。
2、发展方向：智能算力成为产业未来主流
智能算力是基于最新人工智能理论，采用领先的人工智能计算架构，提供人工智能模型训练及应用所需的算力服务、数据服务和算法服务。随着人工智能技术在经济社会的加速渗透，人工智能计算需求快速提升。数据显示，人工智能计算需求未来将占据80%以上计算需求，智能算力将成为算力产业未来发展的重要方向。
根据IDC统计数据，全球范围内人工智能支出快速增长，技术投资规模从2019年的612亿美元增长至2021年的924亿美元，2025年有望突破2000亿美元。
3、市场周期：需求爆发驱动进入涨价阶段
对于国内来说，算力的供应更加紧张。23年10月美国更新出口管制新规，将英伟达多款用于AI训练的高端GPU芯片纳入限制出口范围，国内进口GPU难度大幅增加。因此，在本轮全球算力行业涨价周期中，国内算力行业的价格上涨更为突出。
04
算力未来趋势
1、未来需进一步实现算力国产化产业
未来我国需从芯片技术自主创新、高性能计算平台建设、人工智能与深度学习、云计算发展、开源软件和开放合作、教育与人才培养几个方面进一步实现算力国产化。
2、未来算力将在普适和智慧两个维度上加速发展
未来算力将在普适和智慧两个维度上加速发展。“普适”强调以自然交互的方式提供算力，算力将成为人人可得（Affordable）、人人可用（Available）、人人适用（Adaptable）的“3A”型基础资源；“智慧”强调以认知驱动的方式提供算力，算力将具备自适应（Self-adapting）、自学习（Self-learning）、自进化（Self-evolving）为代表的“3S”智能。对于构建“人-机-物”三元融合系统来说，普适和智慧缺一不可，算力终将无处不在。
（1）“普慧”算力助力充分释放数据红利，中国数字经济体量有望突破百万亿元
当前，数据对提高生产效率的乘数作用不断凸显，是最具时代特征的生产要素，与其他生产要素相比，数据具有可复制、非消耗、边际成本接近于零等新特性，打破了自然资源有限供给对增长的制约，能够为经济转型升级提供不竭动力。
（2）“普慧”算力推动大小模型协同进化，通用人工智能将真正走向落地
AI大模型的真正价值最终将体现在具体场景中，未来产业竞争将从“规模”转向“应用”。目前大模型训练都在云端实现，所用算力是中心化的，精度要求高且成本高，意味着大模型落地必然会面临能耗和性能平衡的难题。破局之道在于大小模型协同进化，即在利用大参数训练完大模型之后，通过高精度压缩，将大模型转化为端侧可用的小模型，大模型相当于超级大脑，小模型相当于垂直领域专家，共同推动AGI落到实处。而这一过程中，算力由中心化走向泛在化，由通用化走向智能化，恰恰也是“普慧”算力释放价值的过程。
“普慧”算力作为通用人工智能的核心动力，既是帮助科技公司搭建AI模型的“卖铲人”，又是检验算力公司创新能力、制造能力的“试金石”，更是推动中国迈向科技强国的“加速器”。在全球算力供给告急的背景下，“普慧”算力正在迎来规模化、产业化发展机遇。
（3）“普慧”算力要求安全不容有失，数据、算法、算力三位一体
1）数据安全：已上升至国家立法层面
中国已将数据安全提升至国家立法的层面，《国家安全法》《网络安全法》《数据安全法》及《个人信息保护法》等共同构筑了数据安全保护的法律法规框架体系。推动算力发展过程中，数据流动和安全发展的矛盾将逐渐显现，必须严守数据安全防线，规避数据泄露、数据贩卖、数据滥用等风险。《全国一体化大数据中心协同创新体系算力枢纽实施方案》强调，“加强对基础网络、数据中心、云平台、数据和应用的一体化安全保障，提高大数据安全可靠水平。”
2）算法安全：伦理规范问题不可忽视
公开资料显示，ChatGPT已经引起美国、欧盟等关于人工智能立法的讨论，实际上AI决策难以解释、不可问责一直是棘手难题，导致了无人驾驶、手术机器人等难以落地，数字金融欺诈、大数据杀熟、生物特征识别等更是不断引发信任危机。随着ChatGPT等生成式AI走向应用，AI在“可解释性”上面临的挑战可能更加严峻，例如，现阶段ChatGPT有能力完成各种基于文本的任务，但它不可避免地会产生一些与事实不符的内容，原因是ChatGPT在回答问题时只是根据前一个单词“预测下一个单词”，进而生成答案，这一过程绕不开神经网络运行机理产生的黑箱效应，运行过程难以解释，部分运行结果的说服力也将大打折扣，某种程度上，AI缺乏“可解释性”带来的“不可信”，正在阻碍AI大规模应用，也是算力发展必须克服的难关。
中国正在以算法安全可信、高质量、创新性发展为导向，建立健全算法安全治理机制，构建完善算法安全监管体系，推进算法自主创新，《关于加强互联网信息服务算法综合治理的指导意见》《互联网信息服务算法推荐管理规定》等政策文件出台，中国开始迈向对算法进行事前事中全流程、动态规制与监管的“算法法”时代。
3）算力安全：战略地位将进一步提高
对比数据安全、算法安全来看，未来中国算力安全的战略地位有机会且有必要进一步提升。在国家政策层面，算力安全受到的重视程度相对不足，多以地方政府级别的政策为主，保障算力安全需要国家从顶层设计发力，推动各界共同努力。目前高端芯片、数据中心、网络等基础设施是算力产业可持续发展的重要保障，要以核心技术自主创新为牵引，加快研发突破，通过产学研联合攻关增强算力产业链的稳定可控性，不断提升算力的自主可控水平。此外，中国超大型、大型数据中心仍有较大发展空间，需坚持适度超前原则，以建代用，尽可能提高算力基础设施的承载能力。
（4）“普慧”算力发展任重道远，绿色化、场景化、市场化三措并举
1）算力绿色化关乎可持续发展，亟需提高单位能耗的计算能力
能量和信息是科技发展的主线，计算的本质是利用能量对信息进行处理加工，信息越多，计算就越复杂，需要的能量也越多，当能量增长跟不上近乎无限扩张的信息时，提高能量利用率将成为必然选择。
2）算力场景化面临知识壁垒，亟需业务、数据、算力高效联动
算力要落地到具体场景中才能真正转化为生产力，而行业愈是细分、业务愈是复杂，算力场景化落地面临的“知识壁垒”就越高。例如，大量行业垂直类软件要求高度凝练总结行业经验、最佳实践等知识，这一知识软件化的过程，经常伴随着非结构化和半结构化数据占比不断升高、数据负载从单一负载转向混合负载等结果，会使得数据流通、压缩存储、加密解密等对算力的需求趋向复杂化和定制化，正倒逼着算力服务商不断提高行业理解力、强化数据资产沉淀、提高算力针对场景化需求的适配度等。
可以预见，随着各行业全要素、全流程、全场景迈向数字化和智能化，数据架构和业务架构将不断向更强大的算力平台上迁移，实现“业务、数据、算力”之间的高效联动，是保证算力资源按需匹配、精准赋能的必要前提。
3）算力市场化仍需加强，亟需多方共同推动算力统一交易
当前算力需求增长确定性高，算力供给规模相对有限，通过市场化交易可以大幅提升算力资源配置效率，是破解算力供需矛盾，推动算力产业生态进入正向循环的关键。各方仍在积极探索算力交易模式，亟需解决算力归属复杂、难以度量定价、区域发展不平衡等问题。
针对算力归属复杂的问题，主要原因在于当前规模化算力基础设施大多由多方共建，要求算力建设方明确划分算力资源占比，保证算力产权可溯源；针对算力难以度量定价的问题，可以提倡由行业管理部门和龙头类企业带头建立统一标准，为算力定价提供可靠依据；针对算力区域发展不平衡问题，在“东数西算”工程稳步推进过程中，各级地方政府部门可以结合区域算力资源禀赋和市场环境，“因地制宜”建设算力基础设施，积极融入全国算力一体化网络，大力建设算力供需适配平台、算力交易平台等，畅通区域间算力流通、共享、按需分配。
05
产业链分析
算力产业链上游涵盖由基础硬件、基础软件等，中游由第三方数据中心、云计算服务、网络运营服务、IT外包服务、系统集成服务构成，下游为应用领域，由互联网、制造业、金融、能源等各行业企业用户构成。
1、上游重点环节
2024年，预计算力仍是发展主线之一，GPU、其他各大厂商的云端AI芯片等有望保持高增长，服务器也有望跟随受益。
（1）芯片：国产芯片厂商快速崛起，生态加速丰富
1）GPU：性能持续进化，价值量提升
当前阶段，GPU仍然是算力硬件的主流选项。以中国为例，按照IDC统计，2023年上半年GPU服务器占据加速计算服务器90%的比例，其余NPU、FPGA等形式的加速计算服务器占比为10%，此前几年GPU也一直是主流选项。
2）AI芯片：百花齐放，实现更高性价比
除GPU外，其他专用AI芯片也是2024年发展的一大主要方向，将在一定程度上影响未来云端算力芯片的市场格局趋势。
3）国产智能芯片硬件性能不断提升
大模型装备竞赛下国内对高端算力芯片需求旺盛，BIS加强对华高端半导体管控，英伟达多款高端算力芯片限制对华出售，高端算力芯片国产替代正当时。大模型能力的提升需要算力硬件进行支撑，算力充足与否，直接决定了AI产品供应商能否长期稳定的提供服务，从而保持行业竞争力。根据头豹研究所和沙利文联合发表的白皮书，2022年中国AI芯片市场规模为368亿元，预计2027年将达到3400亿元，2022-2027CAGR56%。
华为海思有超20年技术积累，芯片超200项自主知识产权，技术实力领先。目前有智能终端和处理器两大产品线，处理器产品包括麒麟、昇腾、鲲鹏、巴龙、凌霄。目前在全球设有12个办事处和研发中心，产品和服务遍布全球100多个国家和地区，有超8000项专利，研发实力突出。其中昇腾作为新一代智算芯片，有昇腾310与昇腾910两款产品。昇腾310是华为首款全栈全场景人工智能芯片，昇腾910是华为目前推出的算力最强的AI芯片，昇腾系列后续发展也被各界给予较高期待。昇腾芯片搭载的华为独创达芬奇架构神经网络处理单元NPU（NeuralNetworkProcessingUnit），该架构具有极具创新的高性能3DCube计算引擎等关键技术，大幅提升AI计算的效率和灵活性，能够在多场景，云、边、端，提供最优算力支持。
4）国产芯片厂商软件生态仍在不断丰富，华为较为领先
CUDA生态是英伟达关键壁垒之一，国产厂商加速建立自身开发者生态。国外厂商英伟达除芯片硬件性能之外，软件CUDA生态亦是其重要壁垒。借助CUDA，开发者能够利用GPU的强大性能显著加速计算应用。CUDA工具包中包含多个GPU加速库、一个编译器、多种开发工具以及CUDA运行环境。国内厂商由于起步较晚，在开发者生态上与国外成熟产品仍有差距。在政府推动及下游产业支持下，国产芯片厂商开发者数量逐步上升，生态渐渐形成。
以华为昇腾计算生态为代表的国产开放式生态快速发展。华为在生态建设持开放的态度，在华为建立的全场景开源AI框架昇思MindSpore外，支持与各种计算框架对接。除自研的应用使能工具MindX外，支持第三方平台应用。实现了从模型研发到落地千行百业的全链条赋能。在今年5月的鲲鹏昇腾开发者峰会上，华为公布目前鲲鹏和昇腾AI开发者已经超过350万，合作伙伴超过5600家，解决方案认证超过15500个。昇腾AI基础软硬件平台已孵化和适配了30多个主流大模型，覆盖中国一半的原创AI大模型，包括鹏城盘古、紫东太初。有25个城市基于昇腾构建人工智能计算中心，其中14个已经上线并饱和运行。
沐曦等AI独角兽企业则采取兼容CUDA生态的方式，以及与华为等国内大厂共建国产生态的路线。摩尔线程携手浪潮共建元脑生态。在2023年人工智能框架沐曦等AI独角兽企业则采取兼容CUDA生态的方式，以及与华为等国内大厂共建国产生态的路线。摩尔线程携手浪潮共建元脑生态。在2023年人工智能框架。