中國算力發展短板及應對策略

算力作為人工智能三大“底座”之一，是傳輸處理數據的關鍵能力，是工業智能化轉型和數據安全可信的重要保障，為提升我國人工智能競爭力、促進經濟高質量發展提供了重要支撐。

一、中國算力發展存在的短板

中國算力規模全球第二，算力基礎設施持續完善，數據中心機架數量約810萬架，市場規模超2470.1億元，基礎電信運營商全網智算規模超過每秒30百億億次浮點運算，上海、呼和浩特等地萬卡集群初步實現多元異構，中國總算力水平居全球第二。但中國在高端算力芯片及生態、算力結構、算力協同與效率等方面存在諸多短板弱項亟待補齊。

一是高端算力芯片短缺。中國大陸無全球排名前15的半導體廠商，自主量產工藝落后國際先進水平2～3代，加上美國對我國禁售A/H100、A/H800、B100、B/H200等高端智算芯片和ASML高端光刻機，將華為、龍芯、寒武紀、曙光、海光等企業列入實體清單，中國芯片進口和芯片制造先進工藝受限，導致中國缺乏高端算力芯片。而美國有8家半導體廠商全球排名前15，在電子設計自動化（EDA）和半導體制造設備（SME）上處于絕對優勢，其核心算力芯片性能領先中國2～3代。

二是算力配套軟件生態不完善，不能滿足客戶需求，導致其銷售不佳、發展乏力。據不完全統計，2023年騰出貨量十幾萬塊，英偉達H/A100、L40S等芯片出貨199萬塊。與之對比，英偉達CUDA生態完備，有550個SDK，是中國相關企業的上百倍，加上芯片性能強勁，已占全球85%市場份額。

三是算力結構不平衡。目前，中國通用算力規模占比最高，超算、智算算力總體規模較小，大模型訓練、無人駕駛等AI專項算力、高性能算力缺口較大，整體算力結構有待優化。2023年，中國2200多個算力中心的算力規模超0.23ZFLOPS（每秒十萬億億次浮點運算），智算算力占比約30%，仍有很大提升空間。因智算占比少、智算需求放大導致智能算力不足，如Kimi高峰時期提示算力不足。

四是算力利用不充分。中國工程院院士劉韻潔指出，“通用算力和超算算力，我們國家的利用率都不高”。數據顯示，中國IDC 機柜上架率在58%左右，MFU（模型算力利用率）普遍在30%左右，頂尖集群利用率約50%，整體算力利用率不足30%，通用算力利用率低于20%，很多數據中心服務器長時間閑置，CPU平均利用率僅5%～10%，完成同樣任務用電量為美國的8倍。貴州、寧夏、甘肅、內蒙古等地受技術、成本、機制等多重因素制約，一些數據中心利用效率不高，“存多算少”，如中衛集群以存儲為主，調用計算頻次低。

五是算力協同面臨技術及統籌挑戰。由于我國異構算力兼容性不足、不同算力節點間的網絡傳輸時延較高、數據交換帶寬不足等原因，導致算力協同效率不高。首先，我國各算力平臺硬件配置、軟件資源、服務接口各不相同，不同構架芯片、操作系統、固件、數據庫、整機之間存在各種兼容性問題。其次，智算中心內應用層端到端時延需求在微秒級，而目前全國主要城市算力樞紐節點處于20 ms時延圈，如北京與呼和浩特的端到端時延為12 ms，是集群內應用層端到端時延的千倍以上。而英偉達InfiniBand技術讓多服務器節點間延遲低至微秒級。再次，以一臺DGX-1工作站配置8塊NVLink V100 GPU，每塊GPU配置100 Gbit/s的網卡測算，單機架兩臺GPU服務器間需1.6 Tbit/s帶寬，而通常每機架僅配置百兆帶寬，要實現GPU高效協同，存在海量帶寬缺口。最后，算力協同缺乏統一規劃、調度、指揮的體制機制，各單位獨立研究大模型，“百模大戰”，難免低水平重復。

二、應對策略

我國應構建全國一體化的創新、協調、綠色、開放、共享的高質量算力體系，實現智算技術先進、算力生態優美、算用協同高效的發展目標。

一是加強自主研發創新。構建國產萬卡大模型訓練平臺；借助人工智能技術提高芯片設計能力；優先研制訓練芯片、推理芯片、3D視覺芯片、類腦芯片等細分領域AI芯片；加強異構計算創新，整合CPU、GPU、ASIC、FPGA、NPU、DPU多元芯片，x86、ARM、RISC-V、MIPS多元架構，形成異構算力。

二是構建綠色、靈活、可持續的高質量算力。充分利用蒙、甘、青、新等地區豐富的風電、光伏、水電等清潔能源，減少“運營碳”；優化服務器和芯片設計，減少“隱含碳”；新建萬卡智算基地電能利用效率（PUE）在1.2以下；算力服務分層解耦、靈活替換，不綁定廠商；建立關鍵組件和資源戰略庫存、加強供應鏈上下游合作協同、多元化供應鏈，實現供應鏈可持續；算力芯片及配套軟件升級迭代必須兼容，實現技術可持續。

三是共建全球開放、開源共享的算力體系。用開源共享打破算力芯片生態壟斷，共建基于國際標準的開放統一的智能計算軟件棧；發力RISC-V+AI開源技術，力爭成為全球主力貢獻者；向“一帶一路”沿線國家提供算力租用服務，實現互利共贏發展。

四是營造優美算力生態環境。建立與算力芯片協調適配的軟件生態，基礎軟件先行，研制AI編程語言和編譯器，支持異構處理器并行程序，實現算力的跨平臺部署、多場景兼容；研制兼容各類AI芯片和訓練/推理框架的智算操作系統，實現高效管理多類資源，異構智算集群靈活調度、彈性擴展；研制面向PC和小模型的桌面AI操作系統。建立與算力協調適配的運載能力，研發NV-Link、InfiniBand類似技術，提升芯片間、集群間互聯能力；推動新式網絡基礎設施優化升級，構建空天地一體化衛星互聯網，推進5/6G基站建設，提升算力帶寬；加快光傳送網（OTN）、網絡切片、分段路由（SRv6）、IPv6等技術應用，推動智算中心間直達。構建算力安全可靠體系，加強算力核心軟硬件技術研發，實現從元器件、芯片、固件、XPU通信的自主創新和全產業鏈的整體技術突破。

五是優化算力結構，提高算效和算用協同能力。進一步提升智能算力占比，力爭到2030年智能算力占比達50%；充分利用14個國家級超算中心，優化軟硬件協同，設計在超算上做大模型訓練；發揮算力的國家戰略力量作用，整合多方力量，形成算網及大模型研究建設應用合力；構建全國算網協同指揮系統，統籌調度通用算力、智能算力、超級算力、量子算力，保持總算力與美國同等量級，實現八大智算中心十萬億參數大模型分鐘級訓練；將西部智算樞紐城市納入城市算力網建設；著重考核算力中心XPU效率指標，對XPU平均效率低于40%的重點優化；推動數據中心智能化升級，優化自動化管理和調度，提升液冷算力；豐富東西部協同算力應用場景，建立公共算力服務體系，優化算力產品，培育優質算力應用項目并推廣復制。

作者單位：重慶市綜合經濟研究院