中国报告大厅网讯，随着生成式人工智能技术的迅猛发展，全球智能计算基础设施建设迎来高潮，智算中心作为支撑 AI 训练与推理的核心载体，已成为各国科技竞争与产业升级的关键。从市场规模来看，全球算力增长势头强劲，中国在智能算力领域表现尤为突出，同时技术架构持续革新、产业实践分化明显，且行业正逐步向运营优化与生态协同转型，多重趋势共同塑造着智算中心行业的全新发展格局。

  一、智算中心：全球市场规模爆发增长，中国成核心增长极

  从全球视野来看，智算中心建设已进入规模化扩张阶段，算力规模与市场规模均呈现指数级增长。据测算，2023 年全球计算设备算力总规模达到 1397EFlops，其中智能算力规模为 875EFlops，占比 63%，预计到 2030 年全球算力规模将突破 16ZFlops，智能算力占比将超过 90%。在市场规模方面，2023 年全球生成式 AI 市场规模已达 675 亿美元，预计到 2028 年将突破 5160 亿美元，复合年增长率高达 50.2%，智算中心作为生成式 AI 的核心基础设施，其市场需求随之快速攀升。

  中国在智算中心领域的发展尤为亮眼，成为全球智算产业的核心增长极。2023 年中国智算规模为 414EFLOPS，预计到 2028 年将达 1436EFLOPS，年复合增长率超过 28%;2023 年中国智算中心市场规模达 879 亿元，同比增长 90% 以上，2025 年将达到 1356 亿元，其中网络设备市场约 475 亿元。在智能算力规模上，2024 年中国智能算力规模达 725.3EFLOPS，同比增长 74.1%，增幅是同期通用算力增幅(20.6%)的 3 倍以上， 2025 年将达到 1037.3EFLOPS，2026 年中国算力总规模将突破 1200EFLOPS，稳居全球第二，其中智能算力贡献率接近 90%。

  从产业链与技术主权角度看，智算中心建设带动了从芯片、服务器到网络设备的全产业链发展，800Gbps 端口呈现高速增长态势，白盒交换机占比持续上升，主流互联网公司大量采用白盒交换机以降低网络建设成本。同时，全球 ICT 产业正经历生态重构，在 GPU 芯片、高速网络设备等关键领域，技术自主可控成为各国关注重点，开源模型的出现降低了 AI 应用门槛，但也加剧了算法效率竞争，进一步推动各国加大智算基础设施投入。

  二、智算中心：技术架构从 Scale Up 向 Scale Outside 革新，光电融合成关键方向

  智算中心网络技术正经历深刻变革，随着大模型训练参数从千亿级向万亿级迈进，GPU 集群规模从千卡级扩展到万卡级，传统网络架构面临严峻挑战，技术架构逐步从 Scale Up(纵向扩展)向 Scale Outside(横向协同)范式转移。

  在组网架构方面，传统 CLOS 胖树架构在万卡集群中需增加网络层数，导致互联光纤和交换机数量激增、时延增加，行业正向 Dragonfly、3D Torus 等新型拓扑演进。其中，Dragonfly 架构通过三级直连拓扑将端到端平均跳数降至 3 跳，较 CLOS 架构减少 57%，显著降低网络时延;Torus 架构的多维双向环形特性，使其在矩阵运算和集合通信场景中表现优异。

  传输协议与拥塞控制技术持续突破。RDMA 技术成为智算网络核心支撑，通过内存零拷贝、内核旁路等技术，将网络协议栈全卸载到网卡处理，不依赖 CPU 即可实现高性能数据收发，当前 InfiniBand 和 RoCEv2 成为两大主流技术路线。在 GPT-3 训练中，通信耗时占比高达 20%，万亿参数模型中这一比例可能飙升至 50%，低时延传输至关重要。拥塞控制方面，从基于 PFC 的流量控制、基于 ECN 的显式拥塞通知，到带内遥测 INT 技术，机制不断精细化，结合 INT 的 HPCC 可将链路利用率提升至 98%，在 Incast 场景下避免 95% 的 PFC 触发，信用授权等主动预防型机制也开始应用，使网络拥塞概率趋近于零。

  负载均衡与物理层技术创新同步推进。传统 ECMP 算法在 “少流大流” 场景下易引发哈希极化问题，新一代负载均衡技术向多粒度方向发展，逐包调度可将 AI 任务完成时间缩短 40%，时延抖动控制在微秒级，信元调度则进一步实现亚微秒级转发调度，大幅提升带宽利用率。物理层方面，光通信技术发挥关键作用，400G 和 800G 光模块已成为智算网络构建的主流选择，预计 2025-2026 年将迎来 1.6T 光模块的商用元年;线性直驱光模块通过去除 DSP 芯片，显著降低功耗和时延;光电合封技术将光引擎直接与交换芯片共封装，几乎完全消除电气走线，提升集成度的同时大幅降低功耗。

  此外，协议创新与 AI 原生赋能也在重构智算网络体系。超以太网联盟提出的 UET 协议、分布式解耦 DDC 架构等，尝试优化 RoCEv2 的网络性能，缩小与 InfiniBand 的性能差距;AI ECN 方案通过神经网络分析流量特征动态调整 ECN 阈值，网络大模型应用于拥塞预判，实现预防性控制;在边缘计算领域，云边端协同推理模式创新活跃，推理算力需求快速增长，已超过训练负载，通过边云协同、模型分层协同及安全加密技术，实现跨广域协同推理服务。

  三、智算中心：产业实践分化明显，运营商与互联网企业形成互补格局

  在智算中心建设实践中，电信运营商与互联网公司展现出不同的发展路径和竞争优势，形成差异化布局与互补格局，共同推动智算中心产业快速发展。

  电信运营商凭借 “云网融合” 优势，在基础设施布局上更具战略纵深，侧重 “算力即服务” 和 “模型即服务” 输出，通过算网一体化能力为行业客户提供整体解决方案。以国内运营商为例，部分运营商重点规划 “2+3+7+N+M” 或 “2+3+7+X” 的智算布局，在内蒙古、贵州等地打造公共智算中心，在京津冀、长三角等地区建设大型智算中心集群，通过 “广域智联无损网络” 技术实现 500 公里长距离、高带宽、低延迟的算力协同。同时，运营商依托网络基础设施优势，重点突破广域无损传输技术，基于 800G C+L 技术和长距 RDMA 无损技术，可实现 120 公里、千亿参数大模型的分布式集群训练，性能达到集中训练的 95% 以上，并利用政企客户资源推进行业解决方案落地。

  互联网公司更注重软硬件协同优化和规模效应，通过云计算平台对外提供 AI 算力、AI 平台和 AI 应用服务，形成 IaaS、PaaS、SaaS 的完整服务链条。部分互联网公司将大语言模型训练扩展到 1 万卡互联系统，通过特定架构在万级 GPU 上训练百亿参数 LLM 模型时，实现高达 55.2% 的模型浮点运算利用率;还有企业推出智算集群网络架构，采用双平面双 ToR 设计，解决传统数据中心网络中的哈希极化和单点故障问题，显著提高大模型训练的性能和可靠性。此外，互联网公司凭借开发者生态和应用场景优势，构建更加开放的 AI 平台，更关注集群内部网络优化，通过白盒交换机、定制化芯片等手段降低成本、提升性能。

  从项目主体分布来看，截至 2024 年 11 月，全国已投运的智算中心项目近 150 个，在建及规划建设的智算中心项目近 400 个;截至 2024 年 8 月，地方政府和基础电信运营商主导建设的智算中心项目占比超过 50%，互联网及云厂商项目数量占比约为 17.7%，地方政府及基础电信运营商成为智算中心主要参与方。在企业竞争力方面，国内智算中心重点企业涵盖运营商、服务器制造商、云服务商等多个领域，部分企业已形成覆盖全国的算力网络体系，全网智能算力规模超 26EFLOPS(FP16)，2024 年前三季度营业总收入可达数千亿元;部分企业深度参与多地智算中心建设，提供超千 P 算力，支撑区域 AI 生态;还有企业通过智算云业务实现转型，全球云网一体化布局覆盖 50 + 国家 / 地区。

  四、智算中心：应用场景持续拓展，行业面临同质化挑战与生态协同机遇

  智算中心的应用场景正持续拓展，智能算力已广泛服务于多个行业，从当前应用占比情况来看，互联网领域占比 53%，服务行业占比 18%，政府领域占比 9%，电信、工业制造、教育、金融等行业均占比 4%，在智能制造、智慧城市、智慧医疗、自动驾驶、机器人、元宇宙、文娱创作、智慧科研等领域发挥重要作用，推动各行业智能化转型和产业升级。例如，在智慧城市领域，可利用智算中心高效管理城市、进行公共安全监控、交通规划;在金融领域，可强化智慧营销、智能客服、智慧风控等运营能力。

  尽管智算中心建设如火如荼，但行业也面临 “建得起、用不好” 的同质化困境。据相关数据披露，当前全国已投运的智算中心平均实际利用率仅为 58.3%，远低于理论设计容量的 85% 以上标准。利用率不足的背后，是智算中心建设与实际需求的脱节：部分地区盲目追求硬件规模扩张，忽视本地产业特色与算力需求，导致大量算力资源闲置;同时，算力供给与行业应用场景的适配性不足，无法有效满足不同行业的个性化算力需求，进一步加剧资源浪费。此外，不清晰的商业模式成为智算中心长期发展的核心制约，矛盾集中于运营、收费、兜底三大关键问题 —— 运营层面缺乏专业化团队与精细化管理体系，收费层面尚未形成统一标准与定价机制，兜底层面稳定性保障、数据安全防护、故障应急响应等配套机制不完善，部分项目运营过度依赖政府补贴，市场化盈利能力薄弱，可持续发展能力不足。

  面向未来，智算中心行业正迎来生态协同发展的重要机遇。“云端集中训练、边缘灵活推理” 的协同模式将广泛应用，超节点架构将突破传统算力集群瓶颈，成为大型智算中心的重要选择;全国算力一张网加速成型，八大国家算力枢纽节点将承载全国 80% 以上算力资源，算力服务业态从资源供给导向升级为价值产出导向。同时，政策持续赋能推动智算中心建设从 “遍地开花” 向 “精准布局” 转变，“东数西算” 工程进入全面建设阶段，各地从网络传输、算力供给、调度运营等多维度发力构建算力 “一张网”，部分地区已在算力跨域协同、技术创新突破等方面形成可复制的实践经验，例如建成跨域算力网为多家科研院所、企业提供超百 PFlops 的算力服务，研发算力调度平台实现超大规模高性能智算中心算力供给。

  五、智算中心：2026 年成本双轨化与国产算力突围成重要趋势

  2026 年，智算中心行业将呈现 “算力成本双轨化” 的鲜明特征，一方面，随着模型架构从密集预训练向混合专家模型转型，大模型参数规模向十万亿级別演进，叠加多模态训练带来的复杂数据处理需求，单个训练任务所需的计算量将呈指数级增长，导致尖端模型的全量训练成本持续提升;另一方面，开源模型体系通过提供高性能基座模型，为企业创造了闭源 API 之外的可行替代方案，有效打破原有模型能力的垄断定价，且结合模型压缩、量化等优化技术的成熟，模型在部署与推理阶段的硬件要求与能耗成本持续降低，单位智能任务的算力成本快速下降。目前，千亿参数级别的大语言模型已在手机、汽车、智能家居等物联网设备领域实现流畅运行，2025 年全球出货的智能手机中，有超过 50% 具备本地运行大模型的能力，实时翻译、离线生成式智能相册等功能成为很多手机品牌旗舰机的标配，用户数量迅速过亿。

  国产算力在 2026 年将迎来业绩弹性与投资确定性兼备的发展机遇，有望实现算力突围。在海外管制背景下，半导体设备、AI 芯片等领域发展紧迫性增强，国产替代成为大势所趋;国内芯片厂商已初步探索出超节点等解决方案，以多卡数量优势补足单卡性能劣势，多卡集群的建设对零组件的数量和质量提出更高要求，为产业链上下游带来更大的投资机遇，液冷、存储、电源、光模块、PCB、量子计算等细分领域有望迎来更高的业绩弹性。同时，多地政策支持国产算力发展，提出建设多元可控的算力基础设施，统筹推进区域级、城市级算力中心建设，加快超大规模智算集群技术突破和工程落地，提升国产算力芯片使用率，完善新型算力供给体系，加强算力互联互通和供需匹配，创新算力基础设施运营模式。

  从全球竞争格局来看，全球计算供应链格局加速多极化，北美、欧洲、亚洲等多个区域形成相对独立、内部协同发展的供应链中心;计算产业的核心竞争范式发生结构性转变，企业竞争转入 “全栈生态” 比拼;随着半导体制造工艺逐步逼近物理极限与经济可行性的双重约束，芯粒异构集成技术将进入普及期;端侧、边缘侧算力迈入规模化场景应用爆发期，“泛在计算体” 将不断丰富智能安防、无人零售、预测性维护、智慧农业等领域应用场景;模型即服务(MaaS)将成算力普惠的基本路径，算力优化工具 “效能倍增器” 作用凸显，算力与能源的关系由传统的 “采购 — 消耗” 转入系统性深度协同新阶段。

  总结

  中国报告大厅《2025-2030年中国智算中心行业重点企业发展分析及投资前景可行性评估报告》指出，综合来看，智算中心行业正处于高速发展与深度变革的关键时期，全球市场规模与算力规模持续爆发增长，中国凭借强劲的增长势头成为全球核心增长极。在技术层面，智算中心从组网架构、传输协议到物理层技术均实现革新，光电融合与 AI 原生赋能成为重要发展方向;产业实践中，运营商与互联网企业差异化发展、互补协同，共同推动智算中心落地应用;应用场景不断拓展的同时，行业也面临同质化与利用率不足的挑战，但全国算力一张网建设与生态协同为行业带来新机遇。2026 年，“算力成本双轨化” 与国产算力突围将成为行业重要趋势，随着政策支持、技术创新与生态完善，智算中心将进一步成为数字经济时代促进科技创新、优化产业结构、提升国家竞争力的核心支撑，为千行百业的智能化转型注入强劲动力。