【甲子光年】中国AIGC产业算力发展报告

ChatGPT引发的AIGC热潮从2022年年底一直蔓延到今日，国内国外市场都在爆发一股AI热潮。一方面，国内大模型训练热度持续上升，不仅是参与的企业及机构数量规模大，仅半年内上演了一场“百模大战”；另一方面，更多参与者关注AI技术的落地性与模型的商业价值，对技术变现路径的垂直化、专业化方向进行思考，希望通过新一代AI技术在千行百业的应用过程中实现革命性突破。

因此，AIGC早已不是简单的技术概念，而是逐步形成以生成式AI为核心的新一代产业生态。AIGC产业发展离不开底层资源建设，需要建设更为强大的AIGC算力基础设施，基于此，甲子光年智库特此撰写《中国AIGC产业算力发展报告》，在瞬息万状的AIGC产业发展过程中，对AIGC产业引发的算力资源需求变化进行观察与思考。

报告核心思考逻辑：

1.尽信“参数”不如不信“参数”，大模型训练是复杂系统工程，AIGC产业的算力对应的也是系统化的建设，需要从工程化的角度思考算力的全局“利用率”。

2.算力不仅局限于单一产品/服务，云服务、大模型一体机、智算中心、服务器及计算芯片服务商为当下AIGC算力核心提供企业。

3.AIGC依然处于早期快速发展阶段，训练端是目前算力的讨论热点，但不应忽视AIGC的商业突破要依赖推理侧的发展及算力支持。

4.AIGC不是单纯地拉动算力规模，而是会改变算力产业的发展思路，例如MaaS对云服务模式的影响，云边协同的效力体现，及存算一体技术的发展等等。

当前，AIGC产业链受到广泛关注，大模型的发展正推动AI算力市场进入新的发展阶段，强大的AIGC算力基础设施正在构建当中。

作者|方文三

图片来源|网络

在现代人工智能领域，算力扮演着推动创新、实现突破的核心驱动力。算力、算法、数据和系统架构等多个方面的综合优化对于大规模模型训练的成功至关重要。

AIGC产业落地的算力选择，更应该强调最优解，而非最大解。

在实现AIGC的技术落地过程中，模型的参数量及涌现结果固然重要，但模型在运行过程中所需的算力成本、能耗成本、运营成本等是否能匹配AIGC技术提供的效果及价值突破更为重要。

当下是AIGC产业技术与商业结合的重要拐点，一方面，国内外均有商业落地的场景及对应模型出现，技术路线实现大方向确认；

另一方面，具体场景的商业模式及盈利模式仍待寻找，需要大量算力支持各行各业企业持续探索。

考虑到可信性及成本的局限性，AIGC的应用在复杂度高，及更开放的场景实现，产品/服务体验提升的需求推动AI落地侧应用以及模型的迭代。

根据IDC数据，2022年中国数据中心用于推理的服务器的市场份额占比已经过半，达到58.5%，预计到2026年，用于推理的工作负载将达到62.2%。

AIGC的时代仍在快速发展，短期内算力服务商、AI技术服务商、AI应用企业将相互合作，探索可能场景及模式。未来随着AIGC产业发展，训练侧及推理侧均具有发展潜力。