摘要
2025 年，#全球算力产业 正处于爆发式增长的关键节点。根据最新数据，中国智能算力规模预计达到 1037.3 EFLOPS，同比增长 43%，远超通用算力 20% 的增幅。全球 AI 算力市场规模突破 1.2 万亿美元，预计 2030 年将达到 5.8 万亿美元，年复合增长率高达 37.6%。
技术创新方面，光模块正从 400G 向 800G 快速迁移，1.6T 技术进入商用元年，CPO（光电共封装）技术预计 2026 年开始商用。国产 AI 芯片实现重大突破，寒武纪 2025 年前三季度营收同比增长 2386%，海光 DCU 出货量同比增长 210%。
绿色低碳成为必然趋势，国家要求 2025 年数据中心平均 PUE 降至 1.5 以下，新建大型数据中心 PUE 须降至 1.25 以内。液冷技术渗透率从 15% 提升至 30%，市场规模预计达到 196.3 亿元。
一、算力产业发展现状与基础
1.1 全球算力市场规模与结构分析
2025 年，全球算力市场正经历前所未有的扩张。根据 IDC 最新数据，2025 年全球 AI 算力市场规模达到 1.21 万亿美元，较 2024 年的 8900 亿美元增长 35.9%。这一增长速度远超传统 IT 基础设施，反映出人工智能技术对算力需求的爆发式增长。
从算力结构来看，智能算力正成为市场增长的核心驱动力。预计 2025 年全球总算力将达到 3300 EFLOPS，其中智能算力占比高达 60%，成为核心引擎。在 AI 算力需求方面，2025 年全球 AI 模型训练与推理的算力需求达到 650 EFLOPs，较 2023 年增长 5 倍，其中多模态模型贡献了 60% 的算力增量。
值得注意的是，不同机构对算力增长的预测存在较大差异。IDC 预测 2025 年全球智能算力增速为 87%，而摩根士丹利更为乐观，认为训练算力将增长 10 倍。这种差异主要源于对 AI 应用场景扩展速度和技术突破时间节点的不同判断。
从地域分布来看，中国已成为全球最大的 AI 算力需求国，占全球市场份额的 38%。美国凭借在超算领域的传统优势，仍占据技术制高点，在 2025 年 6 月发布的第 65 届 TOP500 超级计算机榜单中，美国的 El Capitan、Frontier 和 Aurora 占据前三位。欧洲通过 JUPITER Booster 超算的突破，首次跻身全球前四，显示出强劲的追赶势头。
1.2 中国算力产业发展水平评估
中国算力产业在 2025 年展现出强劲的发展势头，整体规模和技术水平都实现了重大突破。根据《2025 年中国人工智能计算力发展评估报告》，2024 年中国通用算力规模达到 71.5 EFLOPS，同比增长 20.6%；智能算力规模达到 725.3 EFLOPS，同比增长 74.1%。2025 年，中国通用算力规模预计达到 85.8 EFLOPS，增长 20%；智能算力规模将达到 1037.3 EFLOPS，增长 43%，远高于通用算力增幅。
从基础设施建设来看，截至 2025 年 6 月底，我国在用算力中心标准机架达到 1085 万架，智能算力规模达到 788 EFLOPS（FP16 半精度）。"东数西算" 工程取得重大进展，八大国家枢纽节点已建成智算规模 62 万 PFlops，约占全国智算总量的 80%。这些枢纽节点不仅在规模上领先，在能效方面也达到了国际先进水平，西部节点 PUE 均值已降至 1.15 以下。
在大模型发展方面，中国取得了举世瞩目的成就。截至 2025 年 6 月底，我国已发布 1509 个大模型，在全球已发布的 3755 个大模型中数量位居首位。这一数字不仅体现了中国在 AI 领域的创新能力，也反映出庞大的算力需求正在形成。
从产业布局来看，中国算力产业呈现出明显的区域集聚特征。北京、杭州、上海在 2024 年中国人工智能城市排行榜中位列前三，深圳、广州、南京、成都、济南、天津、厦门进入前十。这些城市不仅是算力基础设施的主要聚集地，也是 AI 应用创新的重要源头。
在技术创新方面，中国企业在多个关键领域实现了突破。寒武纪、海光信息、壁仞科技等国产 AI 芯片企业快速崛起，2025 年国产芯片在数据中心市场的渗透率预计达到 30%，2030 年有望突破 40%。华为推出的昇腾 384 超节点，算力总规模达 300PFLOPS，展现了中国在高端算力领域的技术实力。
1.3 算力需求驱动因素分析
算力需求的爆发式增长源于多重因素的叠加效应，其中人工智能技术的快速发展是最核心的驱动力。大模型和生成式人工智能的兴起，对算力提出了前所未有的需求。以 GPT-5 为代表的新一代大模型，上下文窗口扩展至 400K Tokens，模型参数规模达到万亿级别，单次训练需要消耗数千个 GPU 长达数月时间。
从应用场景来看，智能驾驶、工业 AI、医疗影像三大场景贡献了 62% 的算力消耗。在智能驾驶领域，随着 L3 及以上高阶自动驾驶的加速普及，车载计算平台对算力的需求呈指数级增长。2025 年中国 L2 + 及以上级别智能驾驶新车渗透率突破 45%，对应芯片市场规模有望突破 600 亿元。
工业 AI 的广泛应用也成为算力需求的重要来源。在智能制造领域，AI 技术被广泛应用于设备预测性维护、生产流程优化、质量检测等环节。某制造企业部署的 AI 质检系统，将缺陷识别准确率提升至 99.8%，同时降低了 60% 的人工成本。这种效率提升背后，是大量算力资源的支撑。
医疗健康领域的 AI 应用同样呈现爆发式增长。AI 辅助诊断系统将早期肺癌检出率提高 40%，个性化治疗方案推荐系统使白血病治愈率提升 18%。在新药研发方面，AI + 量子计算将化合物筛选效率提升 1000 倍，某药企借助生成式 AI 完成新冠特效药的分子设计，研发周期缩短至 9 个月。
元宇宙和数字孪生技术的兴起，也带来了巨大的算力需求。根据 IDC 报告，2025 年全球元宇宙相关算力需求将突破 1.2 ZFLOPS，相当于当前全球数据中心总算力的 1000 倍。实时渲染、物理仿真、智能交互等技术都需要强大的算力支撑。
云计算和边缘计算的融合发展，进一步放大了算力需求。随着 5G 网络的全面普及和物联网设备的爆发式增长，云边端协同的计算模式成为主流。2025 年全球边缘算力服务器部署量预计达到 1200 万台，形成与中心云算力平分秋色的格局。
1.4 算力供给侧能力现状
中国算力供给侧在 2025 年展现出强大的建设能力和技术水平。从投资规模来看，算力基础设施建设进入了前所未有的高峰期。2025 年第一季度，中国大陆共有 165 个智算中心项目出现新动态，128 个项目总规划投资总额超过 4300 亿元。全年来看，有规划投资额统计的 191 个项目，总规划投资额达到 6755.09 亿元；有算力规划统计的 141 个项目，总规划算力规模为 1,389,527P。
从供给结构来看，中国已形成了通用算力、智能算力、超级算力多元化的供给体系。在通用算力方面，以 x86 架构为主的服务器仍是市场主流，国产化率不断提升。在智能算力方面，GPU、NPU、ASIC 等专用芯片快速发展，国产 AI 芯片在 2025 年实现了重大突破。在超级算力方面，中国虽然在 TOP500 榜单上的数量有所减少，但在 E 级超算技术方面取得了重要进展。
运营商在算力供给中发挥着主力军作用。中国移动建成 13 个全国性、区域性智算中心节点，智算规模超 43 EFLOPS，算力服务器规模超 100 万台。中国联通 2025 年通用服务器集采预算达 79.63 亿元，国产算力占比超九成。中国电信中部智算中心完成扩容，算力规模超 2000P，总投资超 50 亿元。
互联网企业也在大规模投资算力基础设施。阿里巴巴宣布未来三年将投入 3800 亿元用于云和 AI 基础设施建设，总额超过去十年总和。字节跳动、腾讯、百度等企业都在加速建设自有算力中心，以满足自身业务发展和对外服务的需求。
从技术能力来看，中国在算力供给侧的自主创新能力显著增强。在芯片设计方面，寒武纪、海光信息等企业的 7nm 级 AI 芯片已进入量产阶段。在服务器制造方面，浪潮、华为等企业在技术自主（AI / 芯片）、绿色算力（液冷）、边缘场景三大方向引领创新。在数据中心建设方面，中国企业在液冷技术、高密度部署等领域达到了国际先进水平。
然而，算力供给侧也面临一些挑战。首先是结构性失衡问题，通用算力相对过剩，而高端智能算力严重短缺。企业级通用算力中心利用率仅 10%-15%，部分智算中心 GPU 利用率不足 30%，而支撑大模型训练的高端算力缺口却高达 40%。其次是技术自主性有待提升，在高端芯片、操作系统、工具链等关键领域仍存在短板。最后是能效压力日益增大，随着算力密度的不断提升，如何在保证性能的同时实现绿色低碳发展，成为亟待解决的问题。
二、技术创新驱动算力性能提升
2.1 硬件技术创新进展
2.1.1 光模块技术演进路径
光模块作为数据中心 "血管"，其技术演进直接决定了算力基础设施的性能上限。2025 年，光模块技术正处于从 400G 向 800G 快速迁移的关键时期，同时 1.6T 技术也已开始布局。
800G 光模块在 2025 年迎来了爆发式增长。根据行业数据，2025 年是 800G 光模块需求的高峰年，全球出货量预计达到 1800-1990 万只，同比增长 100%。这一增长主要由北美云厂商（谷歌、微软、亚马逊）和中国互联网巨头（字节跳动、阿里巴巴、腾讯）驱动。800G 光模块采用 PAM4 调制技术和先进的数字信号处理器，能够在单通道 100G 或 200G 的基础上，通过 8 通道或 4 通道集成实现 800G 的总带宽。
1.6T 光模块在 2025 年进入商用元年。头部厂商的良率已提升至 80% 以上，支撑规模化交付。1.6T 技术的成熟标志着光模块进入了新的代际，预计在 2026 年开始放量，2027 年将成为市场主力。从技术路线来看，1.6T 光模块将采用更先进的硅光集成技术，在功耗和成本控制方面实现突破。
展望未来，光模块技术将遵循 "800G→1.6T→3.2T" 的代际节奏演进。3.2T 技术预计在 2028-2029 年开始放量，但需要配合新一代 CPU 架构才能实现规模化应用。这种速率升级不仅提升了数据传输能力，也为 AI 大模型训练、超算渲染等高性能计算场景提供了必要的基础设施支撑。
2.1.2 CPO 技术发展前景
CPO（Co-Packaged Optics，光电共封装）技术代表了光通信领域的革命性创新，通过将光学元件直接集成到芯片封装中，显著提升数据传输速率并降低功耗，成为满足 AI 算力需求的关键方案。
CPO 技术的核心优势在于其颠覆性的架构设计。传统的可插拔光模块存在较长的电互连路径，导致信号衰减和功耗增加。CPO 通过将光引擎和 ASIC 芯片紧密集成在同一个封装内，极大缩短了电信号传输距离，实现了高带宽、低功耗、低延迟的新型互连技术。根据 LightCounting 预测，CPO 端口出货量将于 2024-2025 年启动商用，并在 2026 年后规模放量，预计到 2027 年全球光模块（含 1.6T 规格）需求将达到 1 亿只。
从技术发展路径来看，CPO 技术预计将从 2026 年开始商用，2027 年进入大规模生产。这一时间节点与 1.6T 光模块的放量期高度吻合，预示着 CPO 将成为下一代光通信的主流技术。在应用场景方面，CPO 特别适合 AI 训练集群、超算中心等对带宽和功耗要求极高的场景。
中国企业在 CPO 技术研发方面进展迅速。华为、中兴、海信等企业都在积极布局 CPO 技术，部分企业已完成原型验证。随着技术成熟度的提升和成本的下降，CPO 有望在 2027 年后实现大规模商用，为中国算力基础设施的性能提升提供关键支撑。
2.1.3 先进制程与封装技术突破
芯片制程工艺的进步是算力性能提升的根本驱动力。2025 年，全球半导体产业正处于从 3nm 向 2nm 技术节点转换的关键时期。台积电的 3nm（N3P）工艺良率已达 90% 以上，成为苹果 M4、英伟达 H200 等旗舰芯片的核心供给来源。更重要的是，台积电计划在 2025 年下半年开始量产 2nm（N2）工艺，这是台积电从 FinFet 架构转向 GAA（全环绕栅极）架构的第一个制程节点，将导入纳米片晶体管技术。
三星在先进制程方面也取得了重要进展。其 3nm 良率已从初期的不足 20% 提升至 60%-70%，并计划在 2025 年量产第二代 3nm 工艺（SF3P），性能提升 12%、功耗降低 30%。同时，三星的 2nm 制程 SF2 预计在 2025 年量产，同样采用 GAA 架构，并规划引入背面供电技术。
先进封装技术的创新同样重要。Chiplet（芯粒）技术通过模块化设计方法，将大型芯片拆分成多个小型模块，各个模块可以并行设计和制造，既减小了设计难度，又加快了芯片研发进程。AMD 的 MI300X 通过 5 个 Chiplet 组合实现了能效比提升 25%，预计 2025 年将带动全球 AI 芯片市场 30% 的份额增长。
在封装产能方面，台积电的 CoWoS 封装产能在 2025 年目标翻倍至 20 万片 / 月，以满足 AI 芯片的巨大需求。这种产能扩张不仅支撑了英伟达等国际巨头的产品迭代，也为中国 AI 芯片企业提供了重要的代工支持。
2.1.4 国产 AI 芯片技术突破
2025 年是中国 AI 芯片产业实现历史性突破的关键年份。以寒武纪、海光信息、壁仞科技为代表的国产 AI 芯片企业，在技术创新和市场应用方面都取得了重大进展。
#寒武纪 作为国产 AI 芯片的领军企业，2025 年的业绩表现堪称 "炸裂"。第三季度营收达到 17.27 亿元，同比增长 1332.52%，净利润 5.67 亿元；前 9 个月累计营收 46.07 亿元，同比增长 2386.38%。这种爆发式增长背后，是产品竞争力的全面提升。寒武纪的思元 590 在 2025 年上半年中标率达到 37%，单卡吞吐量超 800FPS，能耗比优于国际竞品。更重要的是，寒武纪计划在 2026 年量产 5nm 思元 690，FP16 算力将冲击 1000TOPS，剑指全球第一梯队。
海光信息在通用计算和 AI 加速领域都表现出色。2025 年上半年，海光 DCU 出货量同比暴涨 210%，某头部电商平台为支撑 "618"AI 推荐系统，一次性采购了 1.2 万台海光 AI 服务器，替代了原本计划采购的英伟达 A100 服务器。这一案例充分说明了国产 AI 芯片在实际应用中的竞争力。
壁仞科技专注于高性能 AI 训练芯片，其产品在 FP32、FP16、INT8 等精度下算力指标领先，尤其擅长大规模模型训练。壁仞科技的 BR 系列芯片已在多个超算中心和智算中心实现部署，为大模型训练提供了强大支撑。
从技术路线来看，国产 AI 芯片呈现出差异化发展的特点。海光走软硬协同的通用路线，与服务器厂商深度绑定；寒武纪在低功耗、低延迟的边缘场景表现稳定；壁仞则专注于高性能训练级产品。这种差异化定位不仅避免了同质化竞争，也为不同应用场景提供了最优解决方案。
在生态建设方面，国产 AI 芯片企业正在加速构建自主可控的软件栈。寒武纪的 CANN、海光的 DeepSea 等软件平台不断完善，为开发者提供了便捷的开发环境。同时，国产 AI 芯片在兼容性方面也取得突破，磐久 128 超节点 AI 服务器实现了多芯片兼容与开放架构，有望在多元化算力供给下提升 GPU 的部署效率。
2.2 软件技术创新趋势
2.2.1 算力调度技术发展
算力调度技术是实现算力资源高效利用的关键，特别是在异构算力环境下，如何实现资源的智能调配成为技术创新的重点。2025 年，算力调度技术呈现出智能化、精细化、自动化的发展趋势。
从调度策略来看，现代算力调度系统采用多层次、多维度的调度机制。基于实时资源状态的调度能够根据 CPU、GPU 等异构节点的实时可用资源情况进行动态调配；基于任务优先级的调度则结合应用任务的状态和需求，与底层异构算力的状态和属性进行智能匹配；指定异构算力节点或集群的定向调度，能够根据算力标识进行精准的资源分配。
在技术架构方面，新一代算力调度系统采用分层解耦设计。业务层负责接收任务并转化为调度指令，管控层协同调度各类资源，资源层整合异构计算资源，三层协作形成闭环调度体系。这种架构设计不仅提高了系统的灵活性和可扩展性，也为跨域、跨平台的算力协同提供了技术基础。
全局池化调度成为 2025 年算力调度技术的重要创新方向。通过统一抽象 "三异"（异构、异地、异主）资源，提供无差别使用体验，构建算力网生态，实现 "像用水用电一样用算" 的愿景。这种技术特别适用于企业大模型后训练场景，能够将分散在不同地域、不同架构的算力资源统一管理和调度。
在实际应用中，算力调度技术已经取得了显著成效。中国移动的算网大脑 3.0 在京津冀、长三角等 4 个枢纽级、区域级算力节点落地，特别是在 "长三角芜湖集群" 打造了全国首个 "四算合一"（超算、智算、通算、量算）的国家枢纽算力调度平台。该平台并网 21 家智算中心、3 家国家级超算中心、3 家量算中心，实现了算力资源的统一调度和高效利用。
2.2.2 异构计算技术进展
异构计算通过整合 CPU、GPU、FPGA 及 ASIC 等多元计算单元，成为突破算力瓶颈的核心方案。数据显示，异构架构可将资源利用率提升 30%，并通过定制化任务调度实现能效优化，其中 ASIC 芯片在推理场景下的能效表现尤为突出。
2025 年，异构计算技术在多个方面实现了重要突破。在硬件层面，Chiplet 异构集成技术日趋成熟，能够通过模块化设计突破单一制程的性能限制。AMD 的 MI300X 通过 5 个 Chiplet 组合实现了能效比提升 25%，这种设计思路正在被广泛采用。同时，存算一体架构的兴起为突破内存墙限制提供了新的解决方案，通过将计算单元和存储单元集成在一起，大幅减少数据搬运开销。
在软件层面，异构计算的编程模型和工具链不断完善。针对不同厂商异构芯片的算力、显存、互连带宽的差异性，业界采用细粒度显存优化技术，如 SelectiveRecompute、AsyncOffload 以及异构 TP（不同流水 Stage 采用不同的 TP 策略）等，在流水调度层面取长补短、深度调优。
在应用优化方面，异构计算正在 AI 训练和推理场景中发挥越来越重要的作用。通过 PP（Pipeline Parallelism）流水线异构并行拆分策略，能够根据不同芯片的特性进行任务分配，实现负载均衡。同时，异构并行自动寻优机制能够动态调整拆分策略，找到最优的组合方案。
展望未来，异构计算将朝着更加智能化、自动化的方向发展。端侧 MoE（Mixture of Experts）模型与算力交易市场的结合，将推动 AI 技术的普惠化发展。通过智能调度和动态资源分配，即使是资源有限的边缘设备也能够享受到强大的算力服务。
2.2.3 存储技术创新
存储技术的创新对于释放算力潜力至关重要，特别是在 AI 时代，海量数据的快速存取成为性能瓶颈。CXL（Compute Express Link）技术的兴起为解决这一问题提供了革命性方案。
CXL 技术基于 PCIe 5.0 物理层构建，通过内存扩展、内存共享和缓存一致性三大核心能力，正在重塑数据中心架构。在内存扩展方面，CXL 技术能够将内存容量提升至本地内存的 10 倍以上，同时延迟远低于 SSD。三星推出的 CXL DRAM 设备（如 CMM-D）通过 Type 3 模式实现了这一突破，成为理想的内存池化解决方案。
内存池化架构的优势在于能够实现资源的高效利用。通过 CXL Switch 技术，多台服务器可以共享访问一个统一的内存地址空间，大幅提升内存利用率。阿里云推出的磐久 CXL 内存池化服务器，是业界首个基于 CXL Switch 的内存池业务系统解决方案，包含 4 台 2U 通用计算服务器、自研的 CXL Switch Box 以及内存节点（JBOM），通过 CXL 连接实现了高性能的内存池化系统。
在实际应用中，CXL 内存池化技术已经展现出巨大价值。PolarDB 引入 CXL 高速互连技术，基于 CXL 的分布式内存池解决方案，实现了延迟低至百纳秒级、带宽吞吐达到数 TB/s 的远程内存访问。这种性能提升对于 AI 训练、数据库查询等对内存访问敏感的应用来说意义重大。
浪潮信息的元脑服务器 CXL 内存池化方案同样值得关注。该方案以内部高性能 CXL 交换单元为核心，解耦重构服务器存储架构，实现内存资源重组与异步迭代。通过创新设计的内存管理引擎，能够灵活配置调整系统拓扑方案，实现内存资源按需扩展。同时，基于元脑 KeyarchOS 服务器操作系统集成的智能化内存分层功能，能够自动识别、迁移、监控冷热数据，实现内存细粒度分层应用。
2.2.4 网络技术演进
网络技术的演进直接影响着算力的互联效率和整体性能。在 AI 时代，传统的网络架构已经难以满足高性能计算的需求，因此 InfiniBand 和以太网两大技术路线的竞争日趋激烈。
InfiniBand 作为专为高性能计算设计的互连标准，在低延迟方面具有天然优势。其端到端延迟可低至 0.5-1 微秒，而传统以太网为数十至数百微秒。InfiniBand 支持 NDR 400Gbps（单端口）、HDR 200Gbps，未来将演进至 XDR 800Gbps，通过链路聚合可达更高速率。更重要的是，InfiniBand 实现了零拷贝传输，数据直接从应用内存传输至目标设备，无需 CPU 参与，节省 90% 以上 CPU 资源。
然而，以太网凭借其成本优势和生态开放性正在快速追赶。2025 年，以太网通过 RDMA（Remote Direct Memory Access）技术显著降低了延迟，RoCE v2 的延迟已降至 5 微秒左右，接近 InfiniBand 的 2 微秒水平。同时，以太网在大集群组网方面展现出优势，仅需两层结构，规模可达 InfiniBand 的 4 倍，整体功耗更低，交换机数量少 3 倍。
超级以太网联盟（UEC）的成立标志着以太网在 AI 领域的雄心。Broadcom 推出的业界首款符合 UEC 标准的 800GbE AI 以太网网络接口卡 Thor Ultra，展现了以太网在 AI 场景的竞争力。与 InfiniBand 相比，超级以太网体系在兼容性、可扩展性和生态开放性上具有明显优势。
在实际应用中，网络技术的选择需要综合考虑多个因素。对于训练场景，InfiniBand 当前仍占优势，但以太网通过技术优化正在快速追赶；对于推理场景，以太网因其与前端网络的兼容性和多租户支持能力而更受青睐。未来，随着技术的不断进步，两种技术可能会在不同场景中形成互补关系。
2.3 能效技术创新方向
2.3.1 液冷技术规模化应用
液冷技术作为解决高密度算力散热问题的关键技术，在 2025 年迎来了规模化应用的爆发期。随着 AI 服务器功率密度的不断提升，传统风冷已难以满足散热需求，液冷技术凭借其高效散热能力成为必然选择。
从市场渗透率来看，液冷技术正在经历快速增长。2025 年最新数据显示，全球 AI 服务器液冷渗透率已经从去年的 15% 涨到 30%，国内头部云服务商的新建数据中心，一半以上都采用了液冷技术。在 "东数西算" 工程中，八大枢纽节点中有五个明确鼓励采用液冷技术，宁夏中卫、甘肃庆阳等地的新建数据中心项目液冷渗透率已达到 35% 以上，较 2023 年提升近 15 个百分点。
从技术路线来看，液冷主要分为冷板式液冷和浸没式液冷两大类。冷板式液冷因兼容性强、改造成本低，在 2024 年占据约 68% 的市场份额，是当前主流技术路线；浸没式液冷虽然部署复杂、初期投入较高，但其散热效率可达 95% 以上，特别适用于 GPU 密集型 AI 训练集群。
市场规模方面，2025 年中国数据中心液冷解决方案市场规模预计达到 196.3 亿元，同比增长 41.7%。预计 2026 年国内液冷市场规模将达 113 亿元，2027 年进一步增长至 238 亿元，两年内实现翻倍增长。这种爆发式增长反映了市场对高效冷却方案的迫切需求。
在实际应用案例中，液冷技术已经展现出卓越的性能。马来西亚气象局数据中心为满足增加 27 倍的算力需求，配置了联想的冷板式液冷设备，应用后散热效果高达 90%，有力支持了气象预测的精度提升。Meta AI 实验室采用浸没式液冷，GPU 集群温度波动小于 2℃，训练中断率下降 70%。
中国企业在液冷技术创新方面表现出色。中科曙光旗下子公司曙光数创在 2024 年实现液冷产品营收超过 28.6 亿元，同比增长 51.2%，其自主研发的相变液冷技术已在中科院多个超算中心成功部署，PUE 最低可达 1.04。#浪潮信息 推出的全栈液冷解决方案，涵盖服务器、机柜、数据中心级冷却系统，2024 年液冷产品出货量同比增长超过 70%。
2.3.2 AI 驱动的能效优化
AI 技术不仅是算力需求的主要驱动力，也成为提升算力能效的关键手段。通过 AI 算法优化，可以实现数据中心能耗的精准控制和资源的智能调配。
在数据中心能效管理方面，AI 技术通过实时数据分析调整制冷系统，最大限度地减少能源消耗。基于 AI 算法的负荷预测技术，能够精准匹配绿电供应，显著提升可再生能源利用效率。例如，通过分析历史能耗数据和实时环境参数，AI 系统可以预测未来的能耗需求，提前调整制冷系统的运行策略，实现能耗降低 15%-20%。
在算力调度优化方面，AI 技术展现出巨大潜力。绿色算力技术栈通过 RAPL 功耗控制技术、基于负载的 GPU 频率缩放策略和 PUE 优化实践，实现了 AI 集群能效比的显著提升。中等负载下功耗可降低 25%-30%，高负载下功耗可降低 15%-20%。更重要的是，通过强化学习算法，系统能够自动发现最优能效策略，不断优化能耗表现。
在芯片设计层面，AI 技术也在推动能效突破。通过 AI 辅助的芯片架构设计和功耗优化，新一代 AI 芯片在保持高性能的同时实现了能效比的大幅提升。例如，第五代至强可扩展处理器内置英特尔 AMX（Advanced Matrix Extensions），可减少服务器数量，节省高达 1,643.6 兆瓦时的能源，减少将近 697 吨碳排放。
在应用场景优化方面，AI 技术正在各个行业发挥能效提升作用。在制造领域，AI 优化生产流程、精准匹配用能需求；在建筑领域，AI 分析碳排放节点，优化能源使用；在交通领域，AI 调度系统减少空驶里程，降低能源消耗。这些应用不仅提升了效率，也实现了能耗的大幅下降。
2.3.3 绿色芯片技术突破
绿色芯片技术是实现算力产业可持续发展的根本保障。2025 年，业界在芯片设计、制程工艺、封装技术等多个维度实现了能效突破。
在制程工艺方面，先进制程不仅提升了性能，也显著改善了能效。台积电的 3nm 工艺相比 5nm 工艺，在相同性能下功耗降低了 30% 以上；2nm 工艺采用 GAA 架构和背面供电技术，预计能效提升将更加显著。三星的 3nm 工艺通过持续优化，良率已提升至 60%-70%，同时实现了性能提升 12%、功耗降低 30% 的目标。
在架构创新方面，Chiplet 异构集成技术展现出独特优势。AMD 的 MI300X 通过 5 个 Chiplet 组合，不仅实现了性能的大幅提升，还将能效比提升了 25%。这种模块化设计思路使得不同功能模块可以采用最适合的制程工艺，在性能和成本之间找到最优平衡。
在专用芯片设计方面，针对特定应用场景的优化带来了能效的飞跃。ASIC 芯片在推理场景下的能效表现尤为突出，相比通用 GPU 可实现 10 倍以上的能效提升。例如，在自动驾驶、智能安防等推理密集型应用中，专用 AI 芯片通过精简架构、优化指令集等手段，在保证性能的同时大幅降低了功耗。
在封装技术方面，先进封装不仅提升了集成度，也改善了散热效率。通过优化热设计和采用新型散热材料，新一代封装技术能够更好地应对高功率密度带来的散热挑战。同时，通过缩短互连长度、优化信号路径等措施，减少了信号传输过程中的功耗。
展望未来，绿色芯片技术将朝着更高集成度、更低功耗、更智能化的方向发展。通过 AI 辅助设计、新材料应用、架构创新等手段的综合运用，预计在 2030 年前，AI 芯片的能效将再提升 10 倍以上，为算力产业的可持续发展提供坚实支撑。
三、绿色低碳发展趋势
3.1 政策导向与标准体系
绿色低碳已成为算力产业发展的核心议题，国家层面出台了一系列严格的政策要求和标准体系。2025 年，随着 "双碳" 目标的深入推进，算力产业的绿色发展要求更加严格。
根据国家发展改革委、工业和信息化部、国家能源局、国家数据局联合印发的《数据中心绿色低碳发展专项行动计划》，到 2025 年底，全国数据中心布局要更加合理，整体上架率不低于 60%，平均电能利用效率（PUE）降至 1.5 以下，可再生能源利用率年均增长 10%，平均单位算力能效和碳效显著提高。到 2030 年底，全国数据中心平均电能利用效率、单位算力能效和碳效要达到国际先进水平，可再生能源利用率进一步提升。
对于新建数据中心，政策要求更加严格。到 2025 年，全国新建大型、超大型数据中心电能利用效率（PUE）要降到 1.3 以下。而作为 "东数西算" 核心的国家枢纽节点，要求最为严苛，PUE 必须控制在 1.2 及以下，绿电使用比例超过 80%；非枢纽节点的大型数据中心 PUE 须降至 1.25 以内。
在标准体系建设方面，国家正在加快构建完善的绿色算力标准体系。2025 年 10 月，工信部公开征求对《算力标准体系建设指南 (2025 版)》的意见，明确到 2027 年，围绕基础通用、算力设施、算力设备、算网融合、算力互联、算力平台、算力应用、算力安全、绿色低碳等方面制修订 50 项以上标准。其中，绿色低碳是重要的组成部分，将涵盖能效评价、绿色设计、碳管理等多个维度。
地方政府也在积极响应国家政策，出台了更加具体的实施措施。例如，北京市发布的《北京市算力基础设施建设实施方案（2024-2026）》，明确了算力基础设施的绿色发展目标和路径。上海市发布的《上海市关于促进智算云产业创新发展的实施意见 (2025-2027 年)》，将绿色低碳作为智算云产业发展的重要原则。
在国际合作方面，中国正在积极参与全球绿色算力标准制定。2025 年，由中国联通研究院主导制定的算力网络领域重要国际标准 ITU-T Y.2502"Computing power network - Authentication and orchestration architecture"（算力网络 - 认证与编排架构）正式发布。这标志着中国在全球算力标准制定中发挥着越来越重要的作用。
政策的执行监督也在加强。相关部门建立了数据中心能效监测体系，对 PUE、可再生能源使用比例等关键指标进行实时监测。对于不符合要求的项目，将采取限期整改、暂停审批等措施。这种严格的监管机制，推动了整个行业向绿色低碳方向转型。
3.2 能效技术创新与应用
面对日益严格的能效要求，算力产业在技术创新方面取得了显著进展，多种能效优化技术正在大规模应用。
液冷技术是最具代表性的能效创新。2025 年，液冷技术的应用呈现爆发式增长。全球 AI 服务器液冷渗透率从 15% 提升至 30%，国内头部云服务商的新建数据中心超过一半采用液冷技术。在 "东数西算" 工程中，宁夏中卫、甘肃庆阳等地的新建数据中心项目液冷渗透率已达到 35% 以上。
液冷技术的节能效果显著。采用液冷技术的数据中心，PUE 可以降至 1.1 甚至更低，而传统风冷数据中心的 PUE 通常在 1.5 左右。某超算中心采用浸没式液冷技术后，PUE 达到 1.04，创造了行业新低。在能耗降低方面，液冷技术可以将数据中心的制冷能耗降低 40%-60%，整体能耗降低 15%-25%。
AI 驱动的能效优化成为新趋势。通过机器学习算法分析历史能耗数据和实时运行参数，AI 系统能够自动优化数据中心的运行策略。在制冷系统优化方面，AI 系统可以预测负荷变化，提前调整制冷设备的运行状态，实现能耗降低 15%-20%。在服务器调度方面，AI 系统能够根据工作负载动态调整服务器的运行频率和数量，在保证性能的同时最大限度降低能耗。
芯片技术的进步也带来了能效的大幅提升。新一代 AI 芯片通过优化架构设计、采用先进制程工艺，在提升性能的同时显著降低了功耗。例如，第五代至强可扩展处理器内置英特尔 AMX，在保持高性能的同时，可减少服务器数量，节省高达 1,643.6 兆瓦时的能源，减少将近 697 吨碳排放。
绿色芯片设计理念正在深入人心。Chiplet 异构集成技术通过将不同功能模块采用最适合的制程工艺，实现了性能和能效的最优平衡。AMD 的 MI300X 通过 5 个 Chiplet 组合，不仅实现了性能的大幅提升，还将能效比提升了 25%。这种设计思路正在被越来越多的芯片厂商采用。
在系统层面，能效优化技术也在不断创新。CXL 内存池化技术通过共享内存资源，提高了内存利用率，减少了服务器数量。某数据中心采用 CXL 内存池化技术后，服务器数量减少了 30%，整体能耗降低了 20%。在网络优化方面，通过采用低功耗的网络设备和优化网络拓扑，数据中心的网络能耗降低了 10%-15%。
可再生能源的应用也在加速。越来越多的数据中心开始采用太阳能、风能等可再生能源。某数据中心通过建设屋顶光伏电站和购买绿电，可再生能源使用比例达到 40% 以上。在储能技术的支持下，数据中心能够更好地利用可再生能源，实现能源的可持续发展。
3.3 绿色算力产业发展前景
绿色算力产业正在成为推动数字经济可持续发展的重要力量，市场前景广阔，发展潜力巨大。
从市场规模来看，绿色算力相关产业呈现快速增长态势。2025 年，中国数据中心液冷解决方案市场规模预计达到 196.3 亿元，同比增长 41.7%。液冷市场预计在 2026 年达到 113 亿元，2027 年进一步增长至 238 亿元，两年内实现翻倍增长。这种高速增长反映了市场对绿色算力技术的强烈需求。
产业链协同发展格局正在形成。上游的芯片、服务器、制冷设备等核心器件供应商，中游的数据中心建设和运营企业，下游的云计算、AI 应用等用户，正在形成紧密的合作关系。通过产业链协同，企业能够在技术创新、标准制定、市场推广等方面形成合力，共同推动绿色算力产业发展。
技术创新生态日益完善。产学研合作模式在绿色算力领域发挥着重要作用。高校和科研机构提供基础研究支撑，企业负责技术转化和产业化应用，政府提供政策支持和资金扶持。例如，上海鼓励智算云企业与高校、科研机构、智库机构等合作，通过联合研发项目、共建实验室等方式，推动智算云领域关键技术突破。
商业模式创新不断涌现。除了传统的产品销售和服务提供，租赁、共享、算力交易等新模式正在兴起。企业可以通过租赁绿色算力设备，降低初始投资成本；通过算力共享平台，提高设备利用率；通过算力交易市场，实现资源的优化配置。这些创新模式不仅降低了企业的运营成本，也提高了整个行业的资源利用效率。
国际合作前景广阔。在全球应对气候变化的大背景下，绿色算力成为国际合作的新领域。中国企业正在 "一带一路" 框架下，与沿线国家开展绿色算力合作。中国联通在 "一带一路" 沿线布局 2650MW 算力储备和 30EFlops 智算规模，2025 年计划在中东、非洲新增 3 个国际云节点。这种国际合作为中国绿色算力技术和产品走出去提供了重要机遇。
投资热度持续高涨。绿色算力作为新基建的重要组成部分，吸引了大量投资。2025 年，多个绿色算力项目获得巨额投资。例如，张家口中明算力中心项目投资额达到 200 亿元，打造国家一体化算力网络京津冀枢纽。这些大规模投资为绿色算力产业发展提供了充足的资金保障。
展望未来，绿色算力产业将迎来更大发展机遇。随着技术不断进步、成本持续下降、应用场景不断拓展，绿色算力将从可选配置转变为必选方案。预计到 2030 年，绿色算力技术将全面成熟，成本将大幅下降，应用将更加普及，成为支撑数字经济发展的重要基础设施。
结语
算网融合作为新一代信息基础设施的核心特征，正在从概念走向大规模建设和应用。2025 年，中国在算网融合基础设施建设方面取得了突破性进展。算网融合加速推进，#东数西算 八大枢纽节点智算规模达 62 万 PFlops，占全国总量的 80%。1ms 城市算网、5ms 区域算网、20ms 跨国家枢纽节点算网初步实现。
算力应用场景呈现全面拓展态势，1509 个大模型在金融、医疗、制造等领域深度落地。自动驾驶芯片市场规模突破 300 亿元，L2 + 及以上级别智能驾驶新车渗透率突破 45%。#算力产业 生态日趋完善，政策支持力度空前，产学研合作深入推进。但同时面临通用算力过剩、高端算力短缺的结构性矛盾，企业级通用算力中心利用率仅 10%-15%。
相关阅读：
