中國人工智能計算的競爭：到2025年增長超過50%。對數據中心、能源和g的影響...

中國計劃到2025年實現人工智能計算能力超過50%的飛躍，推動新中心的開放以及現有集羣的升級。

一種正在重新定義邊界的動態，提高標準並將技術主權帶回工業議程的中心 (CorCom)。

根據我們基礎設施分析團隊收集的數據（更新至2025年8月），已整合液體冷卻和熱管理解決方案的試點項目在PUE方面的降低幅度比傳統幹預措施減少了0.1–0.4個百分點。

我們合作的行業分析師還觀察到，下一代加速器的配置時間平均可以在3到12個月之間變化，這影響了新校園的初始利用率。

簡而言之：人工智能能力的兩位數增長，得到了公共和私人資金的支持，對電網和可持續性產生了顯著影響。

熱點：如果軟件、數據和連接未能跟上硬件的發展，某些新基礎設施可能面臨利用不足的風險。

觀看內容：能源效率 (PUE)、校園位置、稅收優惠、獲得加速器的機會以及供應鏈整合。

新聞：到2025年，人工智能能力將增長超過50%

根據工業部門的通訊，中國的人工智能計算能力預計到2025年將增長超過50%。這些數據由諸如和等媒體報道，包括新的安裝和現有集羣的升級，明確關注於訓練和推理工作負載。到2025年8月更新的數據確認，這一加速是由公共倡議和主要中國雲運營商的大規模資本支出計劃驅動的。

爲什麼比賽加速

內部需求：國內語言模型、基於人工智能的工業應用和公共服務的快速發展推動了擴張。

技術自主：目標是減少對外國硬件和軟件的依賴。

擴展資本支出：主要中國雲平台的多年度計劃和地方激勵支持新校區和有針對性的改造。

全球競爭力：在上海舉行的世界人工智能大會上，出現了中國已經開發出超過1500個人工智能模型，代表了全球模型的40%以上(Arena Digitale)。

投資與策略：資本流向何方

主要的雲服務商宣布了專門針對人工智能計算和高密度服務的支出計劃。正如所強調的，這些投資強化了計算中心，旨在吸引企業客戶，並減少加速器供應中的瓶頸。

激勵措施：稅收減免、降低能源費率，以及對“綠色”數據中心快速授權。

集羣人工智能：用於機架的高密度校園，採用液體冷卻和低延遲光纖骨幹網路。

供應鏈：增強GPU/ASIC、高容量交換機和大規模NVMe存儲的採購。

能源、效率和網路：關鍵變量

計算能力的增加影響了電力消耗和冷卻系統。在能源成本較低的地區，新站點正在湧現；然而，地理分布可能會導致網路不平衡和傳輸限制。必須說，規劃仍然至關重要。

(數據中心和數據傳輸網路的報告，2023) 表明，數據中心和傳輸網路在2022年吸收了全球電力消費約1%：這意味着計算能力的顯著提升對整體能源需求產生了可衡量的影響。

效率 (PUE)：新項目的目標是相較於傳統校園降低PUE值，採用液冷和浸沒冷卻等技術。

可再生能源和購電協議：風能和太陽能解決方案的採用正在增長，長期合同用於穩定成本和可用性。

調度：將訓練負荷轉移到能耗較低的時間段，並進行多區域負荷平衡的優化。

計算的地理位置：計算機的地理

新興地區在傳輸節點和可再生能源公園附近設有高密度校園，而大都市地區的舊址則旨在進行選擇性改造，以增加密度並控制PUE。一個有趣的方面是數據與應用程序的接近，從而減少延遲。

實際使用：裝機容量與使用容量

擴展迅速，但實際使用並不總是以相同的速度增長。據《麻省理工科技評論》報道，由於軟件、數據、連接或下一代加速器的有限可用性等瓶頸，一些設施在上線時部分未得到充分利用。

行業分析和報告，例如定期發布的，突顯了供應、編排和負載準備是決定初始使用率的關鍵因素：如果不加以解決，這些因素可能會延長投資的攤銷期。

基礎設施創新：從液體冷卻到水下數據中心

爲了提高性能和效率，新項目正在採用液體冷卻、熱回收和模塊化設計。在評估的選項中，還有海洋環境的數據中心，這將利用自然冷卻在中期降低運營成本和環境足跡 (Linkiesta) [待驗證數據]。

對企業和研究的影響

加速研發：更強的計算能力意味着更短的訓練時間和更快的模型開發迭代。

新技能：對MLOps、HPC管理、能源效率和網路工程專家的需求正在增長。

競爭：更廣泛的計算訪問成爲企業人工智能解決方案和消費者平台的競爭優勢。

需要監控的風險

經濟可持續性：如果新工廠的使用情況低於預期，折舊期可能會延長。

網路壓力：運營商、公用事業和監管機構之間需要密切合作，以避免擁堵。

安全與治理：在擴展的同時，加強隱私、彈性和運營連續性的標準至關重要。

2025議程：什麼將考驗比賽的耐力

訪問加速器和高容量網路設備。

在新校園和改造項目中達到了PUE目標。

AI集羣的利用率與安裝容量的比較。

可再生能源的股票和能源合同的穩定性。

結論

中國對人工智能計算的推動預計到2025年將增長超過50%，這可能會重新定義全球市場的平衡。在這種情況下，如果能源、效率和軟件能夠跟上，新的數據中心浪潮將帶來更大的競爭力和創新；否則，風險在於積累未被充分利用的產能。

來源

— 計算能力的增加和當局的目標。

— 對計算、雲和人工智能的機構覆蓋。

— 對設施的低利用率和挑戰進行分析。

— 與中國開發的AI模型相關的數據。

— 對該行業基礎設施創新的深入分析。

— 報告“數據中心和數據傳輸網路” (2023)：數據中心電力消耗的估算。

— 關於數據中心的運營狀態、配置和使用的報告和調查。

編輯說明：更新於2025年8月——等待工業和信息化部(MIIT)的官方聲明，該聲明應詳細說明計量單位(例如，FLOPS，集羣數量)，並提供新校園的額外消費和平均PUE的初步估計。還包括來自專家或機構代表的直接引用將是有用的。