中国智能计算产业联盟：
《2025年中国算力发展之AI计算开放架构研究报告》

（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

中国智能计算产业联盟发布的《2025 年中国算力发展之 AI 计算开放架构研究报告》，聚焦 AI 算力需求爆发背景下的架构创新与产业突破，系统梳理了 AI 计算开放架构的概念内涵、发展现状、核心价值与实践路径，为破解我国算力瓶颈、构建自主可控的智算产业生态提供了重要指引。

一、AI 计算开放架构的崛起背景

AI 技术的迅猛发展与规模化应用，推动算力需求呈指数级增长，同时也暴露出现有算力体系的诸多痛点，为 AI 计算开放架构的兴起奠定了基础。

（一）AI 算力需求的爆发式增长

大模型的持续迭代是算力需求增长的核心驱动力。从 GPT-3 的 1750 亿参数到 GPT-4 的 1.8 万亿参数，模型参数量的指数级增长直接带动算力需求攀升，训练万亿参数模型需万卡级集群支撑数月。AI 应用的泛在化进一步放大算力需求，多模态融合技术、科学智能（AI for Science）、智能体等新兴场景，对算力的需求较传统语言模型提升数倍甚至数百倍。在此背景下，万卡、十万卡级超大规模集群成为科技巨头与头部企业的标配，Google、Meta、字节跳动、阿里巴巴等纷纷投建超大规模智算集群，推动算力规模向新高度突破。

（二）国内算力发展的趋势与瓶颈

全球算力呈现多元异构融合发展态势，通用算力、智能算力、超算算力协同发展，CPU、GPU、FPGA、ASIC 等不同类型处理器的科学组合成为提升算力效能的最优选择。我国智能算力规模增长迅速，但仍面临三大核心瓶颈：一是 AI 芯片单卡性能与国际先进水平存在 2-3 代代差，训练相同参数模型的成本和时间高出 30%-50%；二是集群互联带宽不足，国产芯片卡间互联带宽远低于国际领先水平，制约大规模集群性能发挥；三是智算配套生态不完善，软硬件适配度不足、生态协同缺失，导致智算中心平均算力使用率仅 30% 左右，远低于数据中心平均水平。

二、AI 计算开放架构的核心内涵与特征

AI 计算开放架构是应对算力瓶颈的关键解决方案，其核心是通过产业链跨层协作，实现从单点突破到集成创新，以集群算力弥补单卡性能差距。

（一）概念与核心目标

AI 计算开放架构面向大规模智能计算场景，联合芯片、计算系统、大模型等产业链上下游，构建以 GPU 为核心的高效紧耦合协同创新体系。其核心目标一是优化算力供需匹配，适配不同厂商 AI 计算卡，满足多元场景下的多精度运算需求；二是降低算力使用成本，通过标准化架构替代专有化方案，推动算力普惠与生态繁荣。

（二）六大核心特征

AI 计算开放架构构建的集群系统具备鲜明特征：多元算力适配多品牌 GPU 加速卡，满足大模型训练推理、科学计算等多元场景需求；高速互连通过 Scale-up（纵向扩展）和 Scale-out（横向扩展）多层次网络，提升数据传输带宽与访存效率；存算协同通过算、存、传一体化设计，突破存储 IO 瓶颈；绿色高效采用先进液冷技术，支撑高密度部署并提升能效；稳定可靠通过软硬件高可靠性设计与 AI 辅助运维，保障大规模集群平稳运行；生态繁荣兼容主流异构计算生态，降低模型开发适配成本。

（三）架构演变与组网方式

计算架构历经大型机时代的集中式架构、集群时代的分布式架构，如今进入智能时代的超异构融合架构，超节点、整机柜、超大规模集群成为核心载体。集群组网主要采用 Scale-up 和 Scale-out 两种方式：Scale-up 通过增加单节点 GPU 数量或性能提升计算能力，以超节点为代表，依托高速互联技术突破通信瓶颈；Scale-out 通过增加服务器节点数量实现分布式扩展，采用 Infiniband、RoCEv2 等基于 RDMA 的通信技术，保障低时延与高负载均衡能力。

三、国内外 AI 计算开放架构的发展现状

国内外企业与机构纷纷布局 AI 计算开放架构，形成各具特色的技术路线与产品方案，推动架构标准化与生态化发展。

（一）国际发展现状

国际科技巨头凭借技术积累占据主导地位，同时通过开放社区推动架构标准化。英伟达推出基于 Blackwell 架构的 GB200 NVL72 机架级解决方案，贡献 OCP 社区规范，支持大规模 AI 基础设施部署；Meta 发布 Catalina 高功率液冷机架、Grand Teton 平台等开放式 AI 硬件设计，支持跨厂商加速器适配；OCP（开放计算项目）作为全球最大开放计算社区，已建立 40 多个项目和子项目，涵盖 AI、边缘计算等多个领域，推动芯粒技术、光路交换等关键技术创新。

（二）国内发展现状

国内企业以自主创新与产业协同为核心，推动 AI 计算开放架构落地。华为推出昇腾系列 AI 芯片与开源软件平台 CANN，构建 “硬件 + 软件” 协同体系；字节跳动定义 “大禹” 服务器架构，推动开放部件应用与产业链协同；中科曙光发布单机柜级 640 卡超节点 scaleX640，适配多品牌加速卡，支持百万卡规模扩展；海光信息推出自主研发的开放系统互联总线 HSL，联合 10 余家国产厂商共建生态。同时，国内行业组织积极推动标准制定与生态协同，ODCC（开放数据中心委员会）累计发布 300 余项成果，OCTC（开放计算标准工作委员会）发布服务器带内管理软件开源项目，AI 计算开放架构联合实验室推动产业链跨层技术协作。

四、AI 计算开放架构的核心价值与面临挑战

（一）核心价值

AI 计算开放架构的价值体现在四大维度：一是推动跨层协作，整合上下游资源形成全链条优化，加速 AI 技术迭代创新；二是破解算力瓶颈，以集群创新弥补单卡性能差距，保障算力供给稳定可持续；三是降低使用成本，通过开源开放与集群优化，推进算力普惠；四是强化产业协同，打破厂商锁定与生态碎片化，构建共建共赢的产业生态。

（二）面临挑战

当前 AI 计算开放架构发展仍面临双重挑战：一方面，国产算力硬件处于 “多线并进” 的爬坡期，技术路线多样，尚未形成统一标准与接口规范，跨架构调度与适配成本较高；另一方面，国产算力软件栈仍需完善，开发工具链、通信库与算子库的丰富度与国际主流生态存在差距，生态协同机制缺失，芯片能力难以高效赋能上层应用。

五、实践案例与未来展望

（一）典型部署案例

曙光 AI 超集群系统践行开放体系架构，单机柜可搭载 96 张 GPU 卡，访存总带宽超 180TB/s，兼容主流软件生态，千卡集群训推性能达到业界主流水平的 2.3 倍，PUE 小于 1.12；沐曦 AI 计算集群部署于上海松江区，规模超万卡，采用 400GRoCE 网络，支持各类主流大模型框架与推理引擎，实现 16 卡、32 卡及 64 卡光互连超节点，为大模型训练与行业应用提供算力支持。

（二）未来趋势与发展倡议

未来智算产业生态将呈现三大趋势：算力规模持续扩大，多元化创新态势凸显；芯片国产替代加速，国产 GPU 百花齐放；端边云协同布局优化，算力部署更加合理。为推动 AI 计算开放架构发展，报告提出三大倡议：一是加快标准研制，重点推进智算集群建设、超节点互联等领域标准制定，构建 “攻关 - 标准 - 验证” 协同生态；二是攻关技术难题，突破高性能芯片、高带宽互联、异构算力融合等关键技术，提升算力效率；三是优化运营管理，引导算力布局、培育多元算力市场，构建全流程监管体系，提升智算服务质量。