5G产业报告-PDF版

Akamai：2024年API运行时保护权威指南（16页）.pdf

API 运行时保护权威指南目录前言 3为什么需要运行时保护？5不可或缺的运行时保护功能 8Akamai API Security 运行时保护 11获取有效 API 运行时保护的后续步骤 |2|为什么 .

2025-09-05 16页 5星级

计算机行业：北斗技术多域应用拓展构筑新增长极-250904（33页）.pdf

请务必阅读正文之后的免责条款部分 股票研究股票研究 行业专题研究行业专题研究 证券研究报告证券研究报告 股票研究/Table_Date 2025.09.04 北斗技术多域应用拓展北斗技术多域应用拓展.

2025-09-05 33页 5星级

顺为咨询：2025软件行业企业组织效能报告（39页）.pdf

2025年软件标杆企业组织效能报告顺为咨询 l 北京2025年8月大而不强 利润承压 AI赋能 差异竞争22025。欲了解更多信息，请联系北京顺为人和企业咨询有限公司。本研究成果属于北京顺为人和企业.

2025-09-03 39页 5星级

计算机行业2025H1和2025Q2业绩综述：业绩改善明显基本面向上-250831（22页）.pdf

2025年8月31日业绩改善明显，基本面向上计算机行业2025H1和2025Q2业绩综述行业评级：看好1证券研究报告分析师刘雯蜀分析师叶光亮邮箱邮箱证书编号S1230523020002证书编号S123.

2025-09-03 22页 5星级

计算机行业周报：AI应用：顶层设计出台商业化进程加速-250831（23页）.pdf

请阅读最后评级说明和重要声明 1/23 行业周报|计算机 证券研究报告 行业评级 推荐（维持）报告日期 2025 年 08 月 31 日 相关研究相关研究 【兴证计算机】全联接大会在即，关注华为产业.

2025-09-03 23页 5星级

计算机行业2025年中报总结：收入加速复苏盈利质量稳中有升-250902（14页）.pdf

本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 1 计算机行业 2025 年中报总结 收入加速复苏，盈利质量稳中有升 2025 年 09 月 02 日 计算机行业收入加速复苏.

2025-09-03 14页 5星级

计算机行业2025年半年报总结：业绩拐点明确信创持续景气AI显著提速-250901（48页）.pdf

敬请阅读末页的重要说明 证券研究报告|行业深度报告 2025 年 09 月 01 日 推荐推荐（维持）（维持）计算机行业计算机行业 2025 年年半年报半年报总结总结 TMT 及中小盘/计算机 25.

2025-09-03 48页 5星级

计算机行业：AI巨头业绩发布提振全球产业信心-250901（16页）.pdf

请阅读最后一页的重要声明！AIAI 巨头业绩发布，提振全球产业信心巨头业绩发布，提振全球产业信心 计算机计算机 证券研究报告 行业专题报告/2025.09.01 投资评级投资评级:看好看好(维持维持.

2025-09-02 16页 5星级

计算机行业周报：阿里Capex创新高国产算力上台阶-250831（42页）.pdf

请仔细阅读在本报告尾部的重要法律声明 1 阿里阿里 C Ca ap pe ex x 创新创新高，国产算高，国产算力上台阶力上台阶 计算机行业周报 本周观点本周观点:一一、阿里阿里云计云计算算及及 C.

2025-09-02 42页 5星级

思码逸：DevData 2025 研发效能基准报告（60页）.pdf

点击查看更多思码逸：DevData 2025 研发效能基准报告（60页）.pdf精彩内容。

2025-09-01 60页 5星级

计算机行业深度研究报告：国产智算芯片需求强劲性能生态再进阶-250829（27页）.pdf

证 券 研 究 报证 券 研 究 报 告告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 未经许可，禁止转载未经许可，禁止转载 行业研究行业研究 计算机计算机 2025.

2025-09-01 27页 5星级

开放计算标准工作委员会：2024年BMC开放固件产业报告（16页）.pdf

BMC开放固件产业报告OCTC BA022024开放计算标准工作委员会发布概述第一章 传统BMC的局限：难以驾驭多元场景的挑战（一）BMC是数据中心运维的隐形守护者（二）多元场景不断深化 传统BMC局限性日益凸显第二章 开放固件迅猛发展 OpenBMC日臻成熟（一）OpenBMC星火燎原 业界广泛参与（二）代码开源生态开放 OpenBMC优势明显第三章 开放固件产业化落地 OpenBMC成为业界首选（一）超大型CSP引领OpenBMC深度实践（二）上游芯片厂商全面拥抱OpenBMC（三）系统厂商加速推进OpenBMC大规模应用新纪元第四章 开放固件浪潮：重塑BMC固件创新生态（一）开放固件：技术创新的催化剂（二）产业深化：应用场景的广泛拓展（三）社区生态：携手共进的繁荣景象（四）标准化进程：破解兼容性与互操作性难题总结参考文章附录 BMC开放固件技术编制组0102020204040608080909111111111213141414目录概 述BMC固件是服务器运维管理的基石，包含传统与开放两大技术路径。传统BMC固件自互联网浪潮中崛起，历史功绩显赫。然而，随着AI时代降临，技术生态日益多元异构，需求瞬息万变，其技术滞后与封闭架构的局限性日益凸显，难以满足市场新需求。在此背景下，开放固件应运而生，以OpenBMC为代表，历经十年耕耘，社区生态已趋完善。OpenBMC凭借开源代码与开放架构的优势，精准对接产业变革需求，赢得上下游企业的广泛认可。在超大型CSP及系统厂商的引领下，OpenBMC已实现产业化飞跃，成为BMC管理固件领域的首选方案，引领着未来发展方向。（一）BMC是数据中心运维的隐形守护者BMC（Baseboard Manager Controller，即基板管理控制器），作为一个高度集成的SOC（System on Chip）系统，深植于服务器架构之中，独立于主系统运作，是支撑互联网、通信、金融等行业数据中心高效运维管理的关键基石。它不仅是确保服务器系统安全稳定运行的重要防线，还肩负着远程集中管理、灵活控制部署的重任。在现代数据中心管理中，BMC的作用不可或缺，它如同数据中心的心脏监测器与指挥官，时刻监控着服务器的健康状态，并远程调控，以保障业务连续性与数据安全性。因此，BMC的性能与可靠性直接关联到数据中心的整体效能与运维效率。随着互联网浪潮的兴起，服务器规模急剧扩张，人工运维模式难以为继，远程运维管理技术应运而生并迅速发展。1998年，IPMI协议的发布，标志着服务器管理技术迈向成熟阶段，BMC作为运维管理的标配组件，其重要性日益凸显。BMC由硬件与固件共同构成：硬件层面，它是一个完整的计算机系统，集成嵌入式处理器、DRAM内存、Flash存储芯片及多样化的物理接口，无缝连接各类硬件组件，实现对服务器硬件的全面监控与管理；软件层面，基于Linux内核构建的固件系统，则赋予BMC强大的嵌入式操作能力，涵盖远程控制、故障诊断、配置优化、固件升级等全方位运维管理功能。通过Redfish、IPMI、SNMP等API接口，数据中心管理平台能够轻松实现海量服务器的远程集中运维与批量部署，极大提升了运维效率与灵活性。传统BMC固件领域，IBV（独立BMC固件提供商）扮演了关键角色，他们提供功能完善的基础固件版本，并辅以技术支持，助力系统厂商快速适配不同处理器平台与产品，最终交付给客户成熟的产品化BMC版本。这一商业模式在服务器市场快速成长期内，有效推动了产业的繁荣发展，使得系统厂商能更专注于系统架构设计，加速数据中心管理系统的部署进程。自互联网兴起至今的二十多年间，传统BMC固件始终作为核心驱动力，确保了服务器运维管理的稳定与高效。（二）多元场景不断深化 传统BMC局限性日益凸显近年来，全球数字经济蓬勃发展，信息行业的技术革新对算力提出了前所未有的需求，算力新基建已成为数字经济跃升的核心引擎。根据IDC、浪潮信息及清华大学全球产业研究院联合发布的20222023全球计算力指数评估报告，中国服务器市场在2022年持续稳健增长，以6.9%的增速占据全球市场四分之一份额。进入第一章 传统BMC的局限：难以驾驭多元场景的挑战02BMC开放固件产业报告 架构局限，兼容挑战面对算力基础设施的多元化发展，传统BMC固件架构因扩展性不足而难以迅速适配新兴算力芯片及动态变化的用户需求。用户需求的多样性与业务场景的快速演变，更使得传统BMC的耦合设计难以迅速响应市场变化。2023年，人工智能领域迎来范式转换的浪潮，政策与资本双重驱动下，AIGC商业化进程加速，超大规模模型竞相涌现，中国已发布的AIGC模型数量突破百个，AI训练所需算力增速远超摩尔定律预期，催生了海量的人工智能算力需求。在此背景下，算力基础设施展现出多元化蓬勃发展态势，x86、ARM、Power、MIPS、RISC-V等处理器架构竞相发展，同时服务器架构正由以CPU为中心的服务器架构逐步转向以GPU、FPGA、ASIC等加速器为核心的AI服务器架构，算力生态因此更加丰富多元。伴随云计算、大数据、AI训练推理、科学计算等业务的不断扩展，算力需求呈现前所未有的多样化特性。然而，此变革浪潮对服务器监控管理提出了重大挑战，特别是在架构兼容性、平台适应性及业务场景灵活支持方面。如何确保广泛兼容，如何与算力芯片多样化的迭代速度相匹配，成为BMC固件领域亟待解决的关键课题。传统BMC固件在此环境下凸显出若干局限性：开发迟滞，迭代缓慢IBV Codebase的频繁变动加剧了固件开发的复杂性与不确定性，导致功能连续性受损，版本稳定性不足。长达半年至一年的固件迭代周期，与算力芯片季度级的快速迭代相脱节，成为产品开发的关键瓶颈。此外，固件问题处理的低效率亦严重影响了用户体验与满意度。生态封闭，创新受限算力多元化发展促使用户寻求更深层次的软硬件一体化参与。然而，传统BMC固件的闭源模式与严格许可协议，阻碍了技术创新与市场需求的快速响应，限制了用户对固件的使用、修改与分发，难以满足快速变化的市场需求。03BMC开放固件产业报告伴随算力规模指数级增长，传统BMC固件已无法适应大规模数据中心精细化、定制化、快速迭代的需求，业界开始探索更加开放先进的BMC固件发展之路。第二章 开放固件迅猛发展 OpenBMC日臻成熟（一）OpenBMC星火燎原 业界广泛参与 星火燎原2014年Meta（原Facebook）面对传统BMC固件扩展性差、交付周期长的问题，开发并公开了名为“OpenBMC”的项目，他们随后将OpenBMC用在了交换机、存储、服务器等产品上；2015年Meta联合IBM、Intel、Google、微软正式成立OpenBMC项目。随后IBM、Meta、Google、Intel在社区做了大量的代码贡献形成了OpenBMC的雏形；2018年Linux基金会正式接纳OpenBMC，让其成为Linux正规军。社区活跃统计来看，2018年至2024年9月OpenBMC代码贡献量每年超过25万行，社区持续保持高度活跃状态。0500001000001500002000002500003000003500004000004500002018年2019年2020年2021年2022年2023年2024年代码贡献行数统计（行）04BMC开放固件产业报告图1：20182024年9月OpenBMC社区代码贡献行数统计越来越多的产业参与者贡献代码，生态布局完善。据不完全统计，OpenBMC社区注册参与者覆盖最终用户、处理器厂商、系统厂商、IBV、部件厂商等43家企业，2024年有实际代码贡献的企业26家，另外社区内还有多位贡献突出的独立个人。从社区贡献排名来看，上下游领先企业引领社区健康发展，其中IBM作为处理器平台厂商贡献最多，贡献排名第一位，为社区建立稳定的基础代码做出了突出的贡献；CSP厂商中，Google贡献最多；系统厂商中，浪潮信息贡献最多。0510152025302018年2019年2020年2021年2022年2023年2024年社区贡献厂商数量统计100000100001000000IBMIntelGoogleCode ConstructIEIQuantaWiwynnAmpereNineelements2018-2024年社区贡献排名（行数）生态完善05BMC开放固件产业报告图2：20182024年9月OpenBMC社区贡献厂商数量统计图3：20182024年9月OpenBMC社区贡献排名（按贡献代码行数）（二）代码开源生态开放 OpenBMC优势明显相较于传统BMC固件，OpenBMC具有显著优势。首先，从技术上看，OpenBMC深度整合Linux开源生态，利用Yocto构建工具将前沿的Linux内核、Systemd、D-Bus、GCC等技术编织成一套高度可扩展的软件架构。采用C 面向对象编程，极大地丰富了函数库资源，相较于传统BMC的C语言，显著提升了开发效率与灵活性。D-Bus系统总线的引入，不仅优化了进程间通信，还通过归一化接口实现了应用层模块的解耦，构建了层次分明、易于扩展的软件框架，支持快速模块化开发与适配。OpenBMC能够无缝兼容多种处理器平台与算力芯片，通过模块化设计灵活启用用户特定功能，极大缩短了产品迭代周期。其次，从开发模式上看，OpenBMC秉承开源精神，其核心模块遵循Apache 2.0许可证，鼓励全球开发者自由使用、修改与分发代码。这一举措打破了传统BMC的封闭开发格局，促使产业链上下游企业围绕OpenBMC社区贡献智慧，加速了处理器验证流程，拓宽了服务器系统厂商与最终用户的选择范围。开源模式不仅提升了开发质量和效率，还激发了技术创新活力，支持基于特定需求的联合固件开发，快速响应市场个性化管理需求。RedfishWebGUIIPMISSH用户层Linux内核系统设备驱动层内核层管理芯片处理器平台部件传感器物理层SDRSELH5KVM媒体挂载日志管理固件管理远程控制节能散热应用层D-BUS06BMC开放固件产业报告图4：OpenBMC软件架构第三，从生态上看，OpenBMC基于开放的社区生态吸引了包括Meta、IBM、Intel、AMD、NVIDIA、字节跳动、阿里巴巴、浪潮信息等众多行业巨头积极参与，共同构建了稳固的社区基础代码库。广泛的代码评审与漏洞修复机制，有效降低了固件安全风险，营造了活跃的技术创新氛围。目前，OpenBMC已集成远程控制、H5KVM、VNC、虚拟媒体挂载、传感器监控、故障诊断、固件安全升级、PID散热算法、MCTP、PLDM等高级管理功能，全面提升了系统的可靠性、可用性与可维护性。此外，OpenBMC还致力于推动管理固件标准化进程，紧跟Redfish、MCTP、PLDM等国际规范，提供标准化的管理API接口，促进了数据中心管理平台与各厂商服务器的无缝对接，显著提升了运维管理的兼容性与一致性，为数字经济的蓬勃发展奠定了坚实的基础。处理器、部件厂商服务器系统厂商管理芯片第三方固件厂商IBV基础代码用户处理器、部件厂商第三方固件厂商IBV服务器系统厂商管理芯片OpenBMC Project基础代码用户07BMC开放固件产业报告图5：OpenBMC开发模式与传统BMC对比（一）超大型CSP引领OpenBMC深度实践OpenBMC历经近十年磨砺，其基础代码已臻成熟，赢得Meta、IBM、Intel、Google等创始成员的广泛应用。自2020年起，国内CSP与系统厂商亦纷纷投身OpenBMC解决方案的研发热潮，当前，以阿里云、字节跳动、IBM、Intel、浪潮信息为代表的行业巨头已成功实现OpenBMC的产业化部署，确立了其在业界的领先地位。阿里云作为先行者，其自研OpenBMC已实现规模化部署。面对云计算、大数据、AI技术的迅猛发展，阿里云服务器规模已突破数百万台，管理挑战日益凸显。自2020年起，阿里云便积极拥抱OpenBMC，历经四年深耕，不仅构建了强大的OpenBMC技术开发与交付体系，还持续回馈社区，引领行业创新。目前，阿里云已成功在x86、ARM等主流平台上替代传统BMC，并展望在RISC-V等多元芯片平台上的进一步拓展。依托OpenBMC的平台化优势，阿里云正逐步实现代码的归一化，已开发超十万行代码，旨在全面覆盖不同产品形态。面对未来硬件形态的复杂化及带外管理需求的增长，阿里云将持续探索OpenBMC在RAS特性支持、CPU与GPU协同、能耗管理、BMC芯片处理能力精细化等方面的技术突破，以推动OpenBMC在大型数据中心更广泛、更深入的应用1。字节跳动以OpenBMC为基，技术创新提升可观测性。随着抖音、豆包等应用的广泛普及，字节跳动服务器规模已突破百万，运维挑战随之加剧。为应对这一挑战，字节跳动选择了OpenBMC作为固件解决方案，并在此基础上持续技术创新，聚焦于提升固件的可观测性。通过深度监控固件运行状态、性能表现及内部活动，字节跳动实现了对固件行为的全面洞悉，有效缩短了问题定位与处理时间，提升了系统稳定性与可靠性。此外，字节跳动还计划利用AI与大数据分析技术，进一步优化问题定位能力，实现运维流程的自动化与智能化，确保故障无处遁形，为业务的持续稳定发展提供坚实保障2。第三章 开放固件产业化落地 OpenBMC成为业界首选08BMC开放固件产业报告图6：可观测性技术框架浪潮信息引领开放固件潮流，于2023年发布InBry管理固件平台，这一创新力作全面拥抱OpenBMC技术路线，标志着其新一代产品体系的重大转型。InBry平台以其革新性的架构与设计理念，迅速适应并优化各类算力环境，为用户呈现了一个开放、稳定且高度可靠的BMC管理固件解决方案。该平台在深度整合社区资源的基础上，额外拓展了70余个专属代码仓库，累积开发代码超过百万行，精准响应了超过400项IR用户特定需求、240余项安全基线标准及200多个Redfish接口需求。经过精心架构优化，InBry管理固件平台展现出强大的兼容性，能够无缝对接多款主流BMC管理芯片，并广泛支持x86、ARM、OpenPower等处理器平台，以及多样化的加速芯片与部件。这一特性使得InBry能够全面覆盖通用服务器、AI服务器、存储服务器、边缘服务器等多元化应用场景，轻松应对大规模数据中心用户的快速迭代需求，实现资产信息的精准管理、故障预警的即时响应、远程管理的便捷高效以及批量自动部署的灵活配置，为互联网、金融、电信等行业客户带来前所未有的BMC管理体验。作为OpenBMC社区的资深贡献者，浪潮信息不仅深度参与社区建设，还成功构建了社区贡献与成果转化的闭环机制，实现了开发模式的突破性创新。公司坚持社区导向，积极贡献代码与经验，推动社区技术成熟；同时，依托社区资源，快速推出面向企业用户的定制化版本，加速了OpenBMC技术的产品化进程，让广大用户率先享受到了技术革新的红利。此外，浪潮信息还创新性地采用JDM（联合设计制造）模式，携手大型用户共同开发，基于OpenBMC框架各司其职，通过高效构建工具实现快速整合，不仅促进了技术创新，还极大缩短了产品的研发周期。（三）系统厂商加速推进OpenBMC大规模应用新纪元09BMC开放固件产业报告值得注意的是，OpenBMC社区的繁荣离不开众多上游厂商的积极参与。从社区动态看，IBM、Intel、AMD、NVIDIA、ARM、ASPEED等厂商发布适配各自芯片平台的代码，通过OpenBMC快速使能处理器芯片，为下游系统厂商和用户实现OpenBMC的大规模产业化落地奠定了坚实的基础。其中IBM贡献了FSI、PLDM等协议初始代码，实现了OpenBMC对Power平台的支持，并从Power9平台处理器开始支持OpenBMC，是处理器厂商中应用最早的；Intel在OpenBMC技术创新中也发挥着举足轻重的作用，作为应用最广泛的处理器平台之一，Intel贡献了PECI、Node Manager、能耗管理、PFR固件保护（Platform Firmware Resilience）等平台特性代码，为适配其处理器铺平了道路3。（二）上游芯片厂商全面拥抱OpenBMC国内外众多系统厂商，均积极投身OpenBMC解决方案的布局，值得一提的是，作为社区的重要推动者，IBM在其Power平台服务器上成功应用了OpenBMC技术，进一步验证了OpenBMC在业界的广泛认可与广阔前景。另外，国内外BMC芯片和IBV固件厂商也发布了支持OpenBMC的解决方案，进一步推动了OpenBMC的产业化落地。例如Aspeed、Nuvoton以及其他BMC芯片厂商均发布支持OpenBMC的SDK，AMI、Insyde、百敖等IBV厂商发布OpenBMC解决方案。放眼全球，OpenBMC的普及势不可挡。随着更多上下游厂商的加入与技术的不断成熟，OpenBMC无疑将成为未来数据中心管理领域的重要基石。10BMC开放固件产业报告图7：基于OpenBMC的开发模式创新（一）开放固件：技术创新的催化剂在当今技术日新月异的背景下，BMC开放固件已成为不可逆转的潮流。OpenBMC，以其开源共享的理念和前沿的技术架构，赢得了行业上下游的广泛认可与积极参与，社区生态日益繁荣，基础代码库稳固可靠，正引领着大规模产业化的浪潮。展望未来，OpenBMC的进化之路将持续加速，不断开创技术新篇章。OpenBMC与AI的深度融合，正引领故障预测进入精准时代。服务器运行过程中产生的海量数据，如同宝库般蕴藏着提升运维效率的关键。传统故障预警方法受限于规则匹配，难以预见未来故障。而今，借助AI技术与BMC芯片处理能力的飞跃，OpenBMC能够利用历史数据训练出智能预测模型，不仅提升了故障预警的精准度，更实现了系统故障的自我修复与自动排除，为数据中心运维带来了革命性的变化。此外，AI还成为BMC固件开发的得力助手。通过自动化代码生成、规范检查、测试脚本编写与执行、文档生成及版本构建发布等环节的智能化处理，AI技术极大地提升了研发效率与质量，为OpenBMC的快速发展注入了强劲动力。（二）产业深化：应用场景的广泛拓展随着AI算力需求的井喷式增长，产品研发对效率、质量与成本的要求愈发严苛。OpenBMC凭借其技术优势、开源模式及可扩展架构，正逐步渗透到产业链上下游的每一个角落。从处理器、内存、SSD到PCIe等关键部件，OpenBMC助力厂商快速验证芯片特性，加速产品上市进程。系统厂商亦纷纷转向OpenBMC解决方案，为用户提供更加开放、灵活的固件方案。用户群体亦在不断扩大，他们正运用OpenBMC创新运维模式，显著提升运维效率与灵活性。（三）社区生态：携手共进的繁荣景象OpenBMC社区的繁荣，离不开产业链上下游的紧密合作。尽管已拥有成熟的基础代码，但面向用户的直接交付仍需跨越重重挑战。为此，上下游伙伴需携手并进，共同缩短这一差距。随着自由软件理念的深入人心，第四章 开放固件浪潮：重塑BMC固件创新生态11BMC开放固件产业报告预计将有更多国内参与者加入OpenBMC社区，贡献智慧与力量，推动社区生态的持续繁荣，让技术红利惠及整个产业界。BMC固件领域长期面临兼容性与互操作性挑战，这一痛点深刻影响着数据中心用户的运维效率与稳定性。用户往往不得不投入大量资源，开发复杂的集中管理软件以适配多家系统厂商各异的BMC管理接口，而管理接口频繁变动更是频繁引发运维中断，成为制约行业发展的顽疾。从IPMI标准的初创尝试，到Redfish标准的当前实践，尽管业界持续努力寻求接口标准化的解决之道，但实际效果仍显不足，全面实现BMC在硬件与固件层面的标准化，依然是摆在所有参与者面前的一道亟待攻克的难题。值得庆幸的是，2022年见证了标准化进程的重要进展。中国电子工业标准化技术协会挺身而出，引领行业前行，发布了服务器基板管理控制器（BMC）技术要求与服务器基板管理控制器（BMC）测试方法等一系列关键标准，为BMC固件的规范化发展奠定了坚实基础。与此同时，固件产业技术创新联盟也积极响应，启动了固件测试认证平台的开源项目，该项目汇聚了来自产业链上下游的12家领先企业，共同打造国内首个固件领域的开源测试平台。该平台作为BIOS/BMC标准符合性测试的重要工具，不仅为行业提供了更加公正、开放的固件验收标准及测试用例，还极大地促进了固件技术的透明化与标准化进程。我们有理由相信，随着这些标准化举措的深入实施与持续完善，BMC开放固件的标准化水平将得到显著提升。这不仅将极大地缓解数据中心用户在运维过程中面临的兼容性与互操作性困扰，还将进一步推动固件技术的创新与发展，为构建更加高效、稳定、可扩展的数据中心基础设施贡献力量。（四）标准化进程：破解兼容性与互操作性难题12BMC开放固件产业报告总 结OpenBMC正处于一个蓬勃发展与广泛应用的黄金时期，其背后是开源技术日益普及的浪潮、标准化进程不断加速的推动，以及市场对于更加灵活、高度可定制固件解决方案的强烈需求。这一系列积极因素共同塑造了OpenBMC的广阔未来图景，预示着其在数据中心领域的持续辉煌，并预示着其在AI、物联网、边缘计算等前沿科技领域探索新应用、开辟新天地的无限可能。作为算力基础设施管理领域的璀璨新星，OpenBMC正逐步成为该领域解决方案的核心支柱。随着社区成员与行业伙伴的紧密协作与不懈努力，OpenBMC的技术实力与影响力将持续增强，为构建更加高效、智能、安全的数据中心及边缘计算环境贡献力量。展望未来，我们满怀期待地邀请更多来自相关产业的伙伴加入到OpenBMC开源社区的大家庭中。我们坚信，每一位参与者的技术专长与创新智慧都是推动OpenBMC向前发展的宝贵财富。通过积极参与社区建设、贡献代码与经验、共享研究成果，我们将共同构建一个更加繁荣、开放的社区生态，让产业界上下游能够紧密协作、共享成果，最终实现合作共赢、共促产业快速发展的美好愿景。13BMC开放固件产业报告1 公开信息来源于四年深耕效率大提升 阿里云OpenBMC发展之路2 公开信息来源于运维效率大幅提升，字节跳动在OpenBMC可观测上的创新实践3 公开信息来源于英特尔：持续推动OpenBMC技术创新的先行者BMC开放固件技术编制组参考文章阿里云计算有限公司李志兵、郭和益、王魁英、许天辉、舒碧华浪潮电子信息产业股份有限公司叶笑夕、陈秋义、王兴隆、刘冰、刘宝阳、段志佳、张宁附录14BMC开放固件产业报告

2025-08-28 16页 5星级

CAICT算力：2025综合算力指数报告（54页）.pdf

综合算力指数综合算力指数2025 综合算力指数算力产业发展方阵2025中国算力大会2025 年 8 月综合算力指数综合算力指数版版权权声声明明本报告版权属于算力产业发展方阵、本报告版权属于算力产业发展方阵、2025 中国算力大中国算力大会，并受法律保护。转载、摘编或利用其他方式使用本报会，并受法律保护。转载、摘编或利用其他方式使用本报告文字或者观点的，应注明告文字或者观点的，应注明“来源：来源：2025 综合算力指综合算力指数数”。违反上述声明者，将追究其相关法律责任。违反上述声明者，将追究其相关法律责任。综合算力指数综合算力指数推荐序推荐序近年来，AI 技术迅猛发展，算力作为数字经济的基础资源，其重要性与日俱增。我们进入了一个计算力驱动创新的时代，这不仅影响着科技领域的演进，更深刻地改变着社会的方方面面。目前，国家正按照“点、链、网、面”体系化推进全国一体化算力网络工作，综合算力指数作为衡量我国算力发展水平的重要标尺，相关研究工作意义深远。随着 AI 在千行百业加速渗透，算力赋能数字经济社会的效能，不仅仅取决于算力、存力、运力以及发展环境本身，模型能力也成为决定人工智能深度赋能的关键。因此，中国信通院研究团队持续优化综合算力指标体系，在往年基础上，增加模型能力的呈现，从算力、存力、运力、模力、环境多个维度，更加准确剖析我国算力产业发展态势。2025 综合算力指数为我们提供了一个全面而系统的视角来洞察我国算力发展最新进展。通过科学的指数体系构建，将“综合算力”解构为几十余项具体的指标，映射出我国在算力领域的发展状况，这将为国家制定精准的产业政策提供科学依据，为产业的技术创新和投资方向提供“指南”。展望未来，我国算力发展之路机遇与挑战并存。我坚信，在全国各界的共同努力下，我国算力产业必将实现量的稳步增长与质的显著提升，加速高质量发展的新征程！邬贺铨中国工程院原副院长算力产业发展方阵指导委员会主任委员综合算力指数综合算力指数前前言言近年来，AI 快速发展。算力、存力、运力以及模型能力的协同发展水平成为衡量地区数字竞争力的关键。算力支撑数据处理与计算，存力保障数据的高效存储与调用，运力保障数据的跨域传输，模型能力则深度释放算力在各场景的应用效能。如何更科学的评估我国综合算力发展现状，全面把握区域产业短板与优势，成为推动我国数字经济高质量发展的新命题。我国正处于数字经济加速跑的关键期。近年来，我国在算力领域取得了显著进展。一是算力结构不断优化，技术创新成果频出；二是存储规模与性能实现结构性突破，为海量数据的高效处理提供了有力支撑；三是运力基建稳步推进，调度机制逐步完善，有效提升了算力资源的调配效率；此外，模型技术与产业应用的双轮驱动，进一步加速了算力向现实生产力的转化。结合算力产业发展现状、趋势和重要影响因素，中国信通院进一步完善综合算力指数体系，新增“模力”分指数，优化评价指标。整体上，从算力、存力、运力、模力、环境等维度衡量我国各省级行政区的综合算力发展情况，并通过算力分指数评估全国各城市的算力发展水平。综合算力指数，河北省、江苏省、广东省、浙江省、北京市等位居全国前列。其中，算力分指数方面，河北省、浙江省、江苏省等全国领先；存力分指数方面，广东省、江苏省、河北省等表现优综合算力指数综合算力指数秀；运力分指数方面，浙江省、上海市、江苏省等相对靠前；模力分指数中，北京市、广东省、浙江省等表现出色。环境分指数中，青海省、内蒙古自治区、河北省等表现杰出。城市算力分指数中，廊坊市、张家口市、大同市、广州市、杭州市等位居前列。我国算力产业发展已取得一定进展，但产业数字化转型进程仍面临诸多挑战：区域间算力发展水平差距较大，综合算力协同发展潜力尚待充分挖掘，亟需通过深化一体化算力网建设，强化统筹协同与动态优化能力；全面提升算力供给质效，加速推动结构的迭代升级；夯实存力运力底座，促进“算存网”协同演进；构建绿色低碳体系，加速基础设施绿色升级；深度开展融合创新实践，助力产业生态繁荣发展。2025 综合算力指数全面呈现了我国综合算力发展现状，挖掘各地区综合算力发展问题，并给出发展建议，为我国算力产业“点、链、网、面”体系化发展提供参考，为数字中国建设实现跨越式发展筑牢根基。时间仓促，报告仍有诸多不足，恳请各界批评指正。后续我们将不断更新完善，如有意见建议请联系中国信通院研究团队：。综合算力指数综合算力指数目目录录一、综合算力研究背景.1（一）算力需求爆发式增长，全球竞争日益激烈.1（二）算力发展持续规划，产业亟待提质升级.2（三）产业数字化转型加速，区域发展差距明显.4二、我国综合算力总体进展.5（一）算力结构优化与技术创新并进.5（二）存储规模与性能结构不断突破.6（三）运力基建与调度机制双轨演进.6（四）模型技术与产业应用双轮驱动.8三、综合算力指数.10（一）指数体系构建.10（二）综合算力指数.12（三）算力分指数.14（四）存力分指数.20（五）运力分指数.24（六）模力分指数.28（七）环境分指数.31四、城市算力 Top30.35五、综合算力发展建议.36（一）深化一体化算力网，强化统筹协同与动态优化.36（二）提升算力供给质效，推动结构迭代升级.37（三）夯实存力运力底座，促进“算存网”协同演进.38综合算力指数综合算力指数（四）构建绿色低碳体系，加速基础设施绿色升级.38（五）深化融合创新实践，助力产业生态繁荣发展.38附件一 数据来源.40附件二 计算方法.40附件三 计算口径.41附件四 名词解释.43综合算力指数综合算力指数图图 目目 录录图 1 综合算力指数体系 4.0.11图 2 省级行政区综合算力指数 Top10.14图 3 省级行政区综合算力指数 Top10历年情况.14图 4 省级行政区算力分指数 Top10.16图 5 省级行政区算力分指数-算力规模 Top10.17图 6 我国在用标准机架数量分布.17图 7 我国在用智算规模（FP16）分布.18图 8 省级行政区算力分指数-算力质效 Top10.19图 9 各省上架率情况.20图 10 省级行政区存力分指数 Top10.21图 11 省级行政区存力分指数-存力规模 Top10.22图 12 省级行政区存力分指数-存力质量 Top10.24图 13 省级行政区运力分指数 Top10.25图 14 省级行政区运力分指数-入算网络 Top10.26图 15 省级行政区运力分指数-算间网络 Top10.27图 16 省级行政区运力分指数-算内网络 Top10.28图 17 省级行政区模力分指数 Top10.29图 18 省级行政区模力分指数-模型资源 Top10.30图 19 省级行政区模力分指数-模型生态 Top10.31图 20 省级行政区环境分指数 Top10.32图 21 省级行政区环境分指数-资源环境 Top10.33图 22 省级行政区环境分指数-市场环境 Top10.34图 23 城市算力分指数 Top30.36表表 目目 录录表 1 指标体系与计算口径.41综合算力指数综合算力指数1一、综合算力研究背景（一）算力需求爆发式增长，全球竞争日益激烈（一）算力需求爆发式增长，全球竞争日益激烈随着人工智能、大数据、工业互联网等新技术规模化应用，全球算力需求呈现指数级增长。从智能工厂中精准控制生产设备的工业机器人，到智能交通里实时规划路线的导航系统，再到个性化推荐服务背后复杂的算法运算，各类数字化场景都高度依赖强大、稳定且高效的算力支撑。特别是在智能化进程加速推进的背景下，智算需求更呈现出一种持续攀升的强劲态势。据国际数据公司（IDC）预测，2024 年全球人工智能服务器市场规模为 1251 亿美元，2025年预计将增至 1587 亿美元，2028 年有望达到 2227亿美元。在这一发展趋势下，全球各国愈发重视人工智能产业发展并加快部署，力求在全球数字经济竞争中抢占先机。IDC 数据显示，目前，全球超过 70%的组织开始对生成式人工智能技术进行投资或处于初步测试阶段，已经有 17%的组织将生成式人工智能应用和服务引入生产环节，保障国家的科技话语权与产业安全。美国、日本等发达国家和地区也持续加大在智算、超算等算力相关领域的投入，力求巩固其领先地位。美国“网络与信息技术研发计划”(NITRD)人工智能研发投资预算增长至 31 亿美元，占整体年预算的近三分之一，相比于上一年提高 19.2%；2025 年 1 月，美国政府公布“星际之门”国家级计划，预计将投入 5000 亿美元用于美国国内人工智能基础设施建设。日本通过制定相应的法律法规来规范人工智能的应用和发展。综合算力指数综合算力指数2面对全球算力需求的爆发式增长和国际环境的日益复杂，我国作为数字经济大国，急需突破关键核心技术“卡脖子”环节、实现科技自立自强。在此背景下，需深入探究我国综合算力发展现状，明确自身优势与短板，精准布局算力产业，加速数字产业化和产业数字化进程，从而在全球科技博弈中牢牢把握主动权，保障国家信息安全与经济稳定发展。（二）算力发展持续规划，产业亟待提质升级（二）算力发展持续规划，产业亟待提质升级为了推动算力产业发展，我国出台多项相关政策对算力产业顶层规划，明确算力产业的发展目标、战略重点和实施路径，引导算力资源的合理配置和高效利用。2023 年印发算力基础设施高质量发展行动计划和关于深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见，旨在不断完善综合算力基础设施，增强算力赋能成效。2024 年印发推动工业领域设备更新实施方案，提出推动“云边端”算力协同发展，加大高性能智算供给，在算力枢纽节点建设智算中心。2025 年，工信部按照“点、链、网、面”的工作思路体系化推进全国一体化算力网络工作，持续提升算网综合供给能力，一是稳步推动优化算力布局，实现算力中心“单点提质”；二是着力强化技术协同创新，促进算力产业“串珠成链”；三是适度超前建设网络设施，加快网络升级“连算成网”；四是持续丰富算力应用场景，引导模式创新“全面赋能”。然而，在算力产业高速发展过程中，也暴露出一系列亟待解决的问题。一是跨区域资源协同机制亟待进一步完善。目前，我国跨综合算力指数综合算力指数3区域算力资源协同还处于初级阶段，缺乏统一的调度平台和协同机制。东、西部地区算力供需存在对接不够顺畅，信息不对称、资源匹配度不高等问题。同时，不同区域的算力政策、标准不一致及算力网络传输效能不足，导致算力资源在跨区域流动和共享时也面临诸多障碍，制约了全国算力资源的优化配置和高效利用。二是基础软硬件水平亟待进一步提升。硬件方面，我国在高端芯片制造工艺、高性能服务器等关键技术环节与国际先进水平存在一定差距，部分核心部件依赖进口，这在一定程度上限制了算力产业的自主可控发展。软件层面，操作系统、数据库等基础软件的稳定性和性能优化相对不足，存在兼容性、安全性和效能发挥等问题。此外，软硬件的协同适配性也有待提升。三是节能降碳水平亟待进一步提高。算力中心的高速发展，带动我国能耗和碳排放水平进一步攀升。在“双碳”战略背景驱动下，亟待加强算力中心“绿色化低碳化”转型，提升节能降碳水平。四是产业生态亟待进一步完善。我国算力产业生态建设虽有进展，但仍存在基础设施建设不均衡、算力应用深度广度不足、产业链各环节协同不畅等问题，算力拉动经济增长的潜力尚未充分释放。对全国进行综合算力指数分析，有助于客观全面分析当前我国综合算力整体发展现状及发展潜力。通过全方位分析发展现状，为我国制定更加科学合理的策略提供依据，实现有针对性地解决现有瓶颈、有前瞻性地布局未来，为我国数字经济的可持续、高质量发展注入持久动能。综合算力指数综合算力指数4（三）产业数字化转型加速，区域发展差距明显（三）产业数字化转型加速，区域发展差距明显随着算力基础设施不断完善、人工智能等新兴技术持续迭代，传统产业数字化转型加速，数字化技术正以前所未有的深度和广度渗透到各产业领域，区域间的数字经济发展差距却愈发凸显。东部沿海地区凭借深厚且完备的产业基础、超前的科技创新能力以及发达的基础设施网络，得以率先深度应用数字化技术，在智能制造、智慧物流、数字金融等新兴领域取得了显著成效。而中西部地区在产业数字化转型的道路上相对滞后。尽管国家已出台了多项政策支持中西部地区的数字经济发展，但由于起步晚、底子薄，这些地区在人才储备、技术创新以及资金投入等方面仍相对不足。中西部地区产业仍以传统资源型产业和劳动密集型产业为主，数字化转型的动力相对薄弱，具备巨大的算力发展潜力和市场空间。区域差距的扩大既会加剧经济发展的不平衡，也会制约全国产业数字化的整体进程。研究综合算力指数有助于促进我国各区域充分利用优势要素，挖掘区域发展需求，合理配置算力资源；加速算力与产业深度融合，全方位驱动产业数字化转型进程，催生新业态、新模式；缩小区域间发展差距，促进我国算力产业协调发展，推动产业数字化在均衡发展中实现质的跃升，实现我国数字经济的共同繁荣。综合算力指数综合算力指数5二、我国综合算力总体进展（一）算力结构优化与技术创新并进（一）算力结构优化与技术创新并进在结构优化与技术创新的双重驱动下，算力水平正实现质与量的提升。一方面，结构优化助力算力水平提升。我国积极推动全国一体化算力网建设，不断优化算力基础设施布局，加强对全国算力中心建设指导，使算力资源分布更加均衡合理，改善中西部地区在技术创新、算力应用、产业基础等方面的制约算力发展的条件，促进充分发挥各地区的比较优势，提升算力的整体效能。同时，推动算力结构多元配置，构建通算、智算和超算占比合理、协同高效的基础设施架构。中国算力平台监测数据显示，截至 2025 年 6 月底，我国在用算力中心机架总规模达 1085 万标准机架，智能算力规模达788 EFLOPS（FP16）。另一方面，算力技术创新推动算力水平提升。芯片技术方面，我国自主研发的高性能处理器、加速器等产品不断涌现，为算力设备性能提升奠定坚实基础。计算架构方面，异构计算架构成为主流模式，多样化、跨体系处理器协同成为提升计算并行度和能效的重要手段。绿色节能方面，一是我国积极推进绿色节能技术创新，研发节能技术与设备，如高效能服务器、液冷系统等；二是优化算力中心布局，充分利用自然冷源与可再生能源，降低算力中心能耗。人工智能技术方面，算力技术创新与人工智能技术深度融合，在自然语言处理、图像识别、语音识别等领域取得突破性进展，为我国算力产业的应用拓展提供有力支持。综合算力指数综合算力指数6（二）存储规模与性能结构不断突破（二）存储规模与性能结构不断突破近年来，中国数据存储总量呈现高速增长态势，存力基础设施建设成效显著。中国算力平台监测数据显示，截至 2025 年 6 月底，全国存力规模达 1680 EB，相比于 2023 年增长约 40%，存力规模持续扩大。全国数据资源调查报告（2024 年）显示，我国数据存储总量持续增长，2024 年已达 2.09ZB，同比增长 20.81%。大数据、人工智能等技术的广泛应用，以及智能制造、智慧交通等场景对海量数据存储需求的释放，有力推动了存储需求的增加。我国存储技术在容量、速度和可靠性等关键性能指标方面取得显著提升。容量方面，通过不断优化存储架构和采用先进的存储介质，单个存储设备的容量得到了大幅提升。企业级硬盘的容量已经突破了数十 TB，甚至更高，闪存存储的容量也在持续增加。中国算力平台监测数据显示，截至 2025 年 3月底，外置闪存占比超过 28%，能够满足日益增长的业务复杂性场景需求。性能方面，高速缓存技术、固态硬盘（SSD）技术的广泛应用，非易失性内存快速存储（NVMe）等接口技术的不断普及，大大提高了数据的读写速度。目前，算力中心的存储系统能够以毫秒级甚至微秒级的延迟快速响应数据访问请求，为实时数据处理和分析提供了有力支持。可靠性方面，数据存储安全能力不断增强，结合冗余阵列（RAID）、多副本机制等多种手段来确保数据的安全性和完整性。（三）运力基建与调度机制双轨演进（三）运力基建与调度机制双轨演进综合算力指数综合算力指数7我国网络基础设施建设取得显著成效，网络、算力协同能力提升，骨干网络架构和性能不断优化。累计开通 27 个国家级互联网骨干直连点，杭州、上海、深圳和中卫 4 个新型互联网交换中心建设运营步入正轨。国家枢纽间传输时延不超过 20 ms，集群到周边主要城市传输时延不超过 5 ms，区域内算力节点间时延达 1 ms。入算网络泛在、灵活、敏捷，技术创新和应用活跃。IP 承载网具备广域无损超宽 400GE，TB 级样本数据小时级送达的能力，网络吞吐 90% ，确保计算不等样本，提升训练效率；IP 应用感知使网络能够识别并优先处理特定类型的应用流量，确保对延迟敏感的应用得到最佳的网络体验。网络切片通过网络资源的逻辑隔离，为不同用户提供定制化的网络服务，满足特定业务的带宽、时延、安全性需求。边缘 OTN 将光传输网络延伸至靠近用户的边缘位置，提升用户访问算力的速度和质量。OSU作为下一代 OTN 技术创新方向，支持灵活弹性带宽，满足多元化数据传输需求。算间网络高速、弹性、高可靠。骨干 IP OTN 网络正在向 400G速率迁移，显著提升 OTN 设备的传输速度和容量，以满足用户对高速数据传输的需求。OTN 网络单波传输速率可达 800Gbps，极大提升了算力中心间的数据传输容量和效率。IP 承载网 400GE/800GE 正在逐步成为算力中心互联的重要技术，400GE 乃至 800GE 接口技术的引入，显著提高了算力中心内部及算间的数据交换能力。广域无损具备长距 0 丢包的能力，实现整网高吞吐和算网业务的一体化发放。SRv6 通过将网络行为编码进 IPv6 地址，实现了网络的灵活编综合算力指数综合算力指数8程和自动化控制，增强了网络的灵活性和可扩展性。OXC 技术主要实现光信号的透明、无阻塞交换，降低了功耗，提高了算力中心间数据传输的效率和可靠性。算间直达链路带宽、时延不断优化，为全国一体化算力网建设提供重要支撑。算内网络无损、稳定、高扩展。行业积极推进机间和卡间互联技术的发展。机间互联方面，探索自研交换机、端网协同协议、集合通信库等技术以优化网络性能，通过智能调优和负载均衡算法提升网络吞吐和训练效率，并结合低时延、高带宽的通信技术增强算网协同能力。卡间互联层面，基于开放数据中心委员会 ODCC，腾讯、阿里巴巴、中国信通院和中国移动等联合产业界就 ETH-X 等制定相关的标准和协议，旨在提升智算网络的性能和效率。（四）模型技术与产业应用双轮驱动（四）模型技术与产业应用双轮驱动近年来，我国大模型生态逐渐完善，技术快速发展。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。另外，全国已完成备案生成式人工智能服务439 项。据 IDC 统计，2024 年我国智算市场规模为 190 亿美元，同比增长 86.9%，为大模型研发和应用提供了强大硬件支持。同时，国内企业推出多款高性能处理器和加速器，硬件设备在算力、能效等方面性能表现不断提升。大模型技术的快速演进推动人工智能开发门槛大幅降低，行业应用快速兴起，大模型参数量从千亿级发展到万亿级，预训练大模型数量迅速增长，技术迭代进一步加快。综合算力指数综合算力指数9大模型技术不断创新，推动应用场景加速向千行百业与垂直场景渗透延伸，人工智能与实体经济持续深度融合，其催生的经济效益与社会价值日益凸显。在金融领域，通过大模型技术实现精准分析海量数据，助力金融机构优化风险评估、提升决策效率，降低运营成本的同时，为客户提供更个性化的服务体验。在医疗行业，大模型技术通过深度参与医学影像诊断、疾病预测与药物研发，辅助医生提高诊断准确率，加快新药上市速度，从而提升医疗服务质量和效率。在交通行业，大模型技术可以应用于交通流量预测和智能调度，通过对交通流量数据的实时分析和预测，城市交通管理部门能够优化信号灯控制，缓解交通拥堵，提高道路通行效率。在教育领域，大模型技术推动个性化学习和智能教育平台的发展。大模型等人工智能技术成为引领新一代产业变革的核心力量，未来，智算将迎来更加快速的发展，推动赋能各种应用场景实现变革创新，如在智能家居、智能网联汽车、无人机等领域，为产业发展注入新的活力，同时带动算力、存力、运力等基础设施的协同发展。综合算力指数综合算力指数10三、综合算力指数（一）指数体系构建（一）指数体系构建1.指标选取及更新2025 综合算力指数在之前版本的基础上，考量综合算力重点发展方向，对综合算力指数体系进行补充完善，从算力、存力、运力、模力和环境 5 个维度出发，分析各维度量化因素，构建综合算力指数体系 4.0。与综合算力指数体系 3.0 相比，综合算力指数体系 4.0 优化内容如下：新增模力指标维度，构建涵盖算力、存力、运力、模力、环境等关键因素的综合算力指数指标体系；对算力、存力、运力、环境各部分的指标进行优化。2.指数体系综合算力指数体系从算力、存力、运力、模力、环境五个维度衡量我国 31 个省级行政区（省、自治区、直辖市）的综合算力发展水平，同时，评估地级行政区的算力发展水平。指标数据来源、计算方法和计算口径见附件一附件三。综合算力指数体系 4.0如图 1 所示。综合算力指数综合算力指数11来源：中国信息通信研究院图 1 综合算力指数体系 4.0综合算力指数综合算力指数123.指数体系研究意义在当今我国算力发展形势下，分析综合算力指数具有多方面的重要意义。摸底发展水平。指数聚焦我国的算力、存力、运力、模力及环境发展现状，能全面客观分析各省级行政区的综合算力发展现状及各城市的算力发展现状，摸底我国整体及不同地区在算力领域的发展程度和相对水平。助力政策制定。通过分析综合算力指数，深入剖析我国综合算力的整体发展现状，全面把握各省市的算力发展动向和趋势，为制定数字经济发展策略提供详实的数据支持及科学的决策依据，进而助力各地方不断强化竞争优势、优化资源配置，有针对性地加大投入和创新，促进产业升级转型，发展具有区域特色的数字经济。促进区域协调发展。通过比较分析我国各地区的算力、存力、运力建设现状、模型能力及发展环境，加速提升综合算力效能，推动地区经济与社会的全面数字化转型，缩小东、西部算力发展水平差距，促进区域协调发展。引导资源合理配置。当前我国算力生态仍较“碎片化”，算力的需求与供给之间不能完全精准适配。对我国进行综合指数分析可以为算力中心的规划布局提供参考，避免投资浪费，使资源能够更好地满足算力发展需求，提高资源利用效率。（二）综合算力指数（二）综合算力指数综合算力指数综合算力指数13省级行政区综合算力指数 Top10 分别为河北省、江苏省、广东省、浙江省、北京市、上海市、内蒙古自治区、山西省、山东省、贵州省，具体情况详见图 2。我国综合算力格局呈现“东部引领、中西部崛起”的协同发展态势。与去年相比，Top10 省份仍然以我国算力枢纽节点区域为主，Top6 涵盖省份不变，均为我国东部地区，且河北省综合算力指数持续领先全国，其他上榜地区以我国中西部地区为主。省级行政区综合算力指数 Top10历年情况详见图 3。其中，河北省充分发挥京津冀枢纽节点算力资源优势，印发关于进一步优化算力布局推动人工智能产业创新发展的意见等政策文件，促进省内算力、数据、算法协同应用，加速建设协同京津、国内领先的人工智能产业创新发展高地。江苏、广东、浙江、北京、上海则依托自身经济、技术、产业、市场等强大优势，在算、存、运、模力发展水平方面，均处于全国先进水平，综合算力指数稳居前列。内蒙古、贵州发挥气候、能源、政策等优势，多次进入我国综合算力指数 Top10。山西加速算力产业布局，已构建“1 3 N”数据中心空间体系，以太原为核心，大同、吕梁、阳泉为支撑，多市协同发展。另外，山东综合算力指数表现优秀，2024 年启动省级算力基础设施高质量发展行动，持续打造核心区、集聚区、边缘计算节点“2 5 N”的全省一体化算力网络布局。综合算力指数综合算力指数14来源：中国信息通信研究院图 2 省级行政区综合算力指数 Top10来源：中国信息通信研究院图 3 省级行政区综合算力指数 Top10 历年情况（三）算力分指数（三）算力分指数综合算力指数综合算力指数151.整体情况我国省级行政区算力分指数 Top10为河北省、浙江省、江苏省、上海市、内蒙古自治区、青海省、山西省、广东省、贵州省、北京市，具体情况详见图 4。与去年相比，河北保持全国领先地位，浙江、内蒙古算力分指数提升明显。河北算力发展成效显著，利用政策、区位、能源、土地资源等方面综合优势，承接北京大模型训练、推理等任务，形成“北京出需求、河北供算力”的协同模式，构建起优势互补、协同发展的算力产业生态，算力分指数远高于其他省份。在规模方面，在用标准机架数、在建标准机架数、智算规模均全国第一，在质效方面，上架率、PUE、算力业务收入指标等均表现良好。浙江、内蒙古算力发展成效显著，算力分指数分别提升 6名、8 名。浙江数字经济发达，算力需求旺盛，建成并投运多个智算中心项目，推动算力规模持续扩大，算力业务收入多，规模与质效均衡发展。内蒙古土地、风电等能源资源丰富，算力中心建设成本低，智算中心集群化发展，规模快速增长，算力分指数提升。北京算力分指数有所下降，一是政策引导算力需求向周边及西部迁移；二是由于土地资源、电力能源紧张，大规模建设算力基础设施面临土地供应不足、用电成本大等问题，限制算力规模的快速扩张；三是北京市对算力中心能耗指标控制严格，新增项目在能耗指标审批上面临较大限制，从而影响了算力规模的增长速度。综合算力指数综合算力指数16来源：中国信息通信研究院图 4 省级行政区算力分指数 Top102.算力规模我国省级行政区算力分指数-算力规模 Top10为河北省、广东省、上海市、贵州省、内蒙古自治区、江苏省、浙江省、山西省、北京市、山东省，具体情况详见图 5。河北重视算力产业发展，持续布局智算中心建设，在用标准机架数与在建标准机架数（以 2.5 kW 为一个标准机架计算）均全国第一。沿海地区，如广东、上海、江苏等地，制造业和服务业发达，经济与科技基础雄厚，数字化转型需求旺盛，在算力基础设施建设方面投入较大，推动算力规模快速增长。能源优势地区，如贵州、内蒙古、山西等地，凭借区位、能源、资源或政策优势，发展低成本、高能效的算力产业，吸引了大量算力中心建设，促进区域协调发展。综合算力指数综合算力指数17来源：中国信息通信研究院图 5 省级行政区算力分指数-算力规模 Top10我国在用标准机架数 Top10 省份为河北省、广东省、江苏省、贵州省、内蒙古自治区、上海市、浙江省、北京市、山西省、山东省，具体情况详见图 6。河北、广东、江苏等 Top6 省份在用标准机架全国占比超过 50%，在用标准机架数均超过 60万架。来源：中国信息通信研究院图 6 我国在用标准机架数量分布综合算力指数综合算力指数18我国在用智算规模 Top10 省份为河北省、上海市、浙江省、贵州省、内蒙古自治区、广东省、宁夏回族自治区、甘肃省、湖北省、山西省，具体情况详见图 7。河北省、上海市、浙江省等 Top5 省份在用智算总规模全国占比超过 48%，各地区在用智算规模均超过 55EFLOPS（FP16）。其中，河北省的在用智算规模超过 110 EFLOPS（FP16），全国占比约 14.8%。来源：中国信息通信研究院图 7 我国在用智算规模（FP16）分布3.算力质效我国省级行政区算力分指数-算力质效 Top10为河北省、浙江省、青海省、江苏省、山西省、新疆维吾尔自治区、云南省、河南省、甘肃省、辽宁省，具体情况详见图 8。河北凭借环京区位优势，积极承接北京外溢算力需求，算力中心上架率较高，且加速推广绿色节能技术应用，PUE和 CUE 表现良好，算力业务收入位于全国前列，算力质效全国领先。浙江算力需求旺盛且多样化，上架率高，注重综合算力指数综合算力指数19算力设施高效运营与技术创新，算力业务收入较高，算力质效表现位于全国第一梯队。青海依托气候和能源，建设零碳绿色算力中心，PUE 和 CUE 表现优异，算力质效表现优秀，为西北地区提供了强大的绿色算力支持。来源：中国信息通信研究院图 8省级行政区算力分指数-算力质效 Top10我国上架率较高的省份为新疆维吾尔自治区、浙江省、河南省、山西省、江苏省、内蒙古自治区、云南省、甘肃省、黑龙江省、辽宁省，具体情况详见图 9。其中，浙江、山西、江苏、内蒙古四地在用标准机架数量处于全国前列且上架率高，“建得快、用得满”。江苏、浙江凭借密集的互联网及制造业企业持续释放算力需求，山西、内蒙古则依托京津冀外溢需求和冷源、能源优势，实现供需高效匹配。相比之下，河北、广东、贵州、上海等地机架规模可观，但仍需着力提升上架率，进一步释放存量资源效能。综合算力指数综合算力指数20从 PUE 来看，我国在用算力中心平均 PUE 值为 1.46，相较于2023 年降低 0.04。我国算力中心在节能降耗方面已取得一定进展，但仍存在较大的提升空间，需进一步加强绿色节能技术的应用与推广。来源：中国信息通信研究院图 9各省上架率情况（四）存力分指数（四）存力分指数1.整体情况我国省级行政区存力分指数 Top10为广东省、江苏省、河北省、北京市、内蒙古自治区、上海市、贵州省、福建省、山东省、浙江省，具体情况详见图 10。综合算力指数综合算力指数21存力 Top10 东部地区占八成，仍是数据存力的核心承载区。广东电子商务、金融科技等产业发达，产生大量数据，企业需提升存力规模和质量以满足高效存储和快速调用需求。江苏企业数字化转型程度高，对数据存储需求大且标准高，从而推动了省内存力发展。河北紧抓京津冀协同发展的机遇，张家口、廊坊等地建设大数据产业基地、人工智能园区等，吸引众多相关企业聚集，满足区域数字化需求，承接北京外溢的算力中心项目，推动全省存力水平提升。来源：中国信息通信研究院图 10 省级行政区存力分指数 Top102.存力规模我国省级行政区存力分指数-存力规模 Top10为广东省、河北省、江苏省、北京市、内蒙古自治区、上海市、贵州省、浙江省、山东省、福建省，具体情况详见图 11。广东存力规模全国领先，存储总体容量和单机架存力水平均位于全国前列。作为我国经济强省和科技强省，广东拥有众多大型互联网企业、金融机构和制造业企业等，综合算力指数综合算力指数22对数据存储的需求持续增长，推动存储容量不断扩大，同时也注重存储技术的创新和应用，以满足高性能存储的需求。我国存力规模 Top10 呈现以东部地区为主导，中西部地区存力发展水平提升的态势。经济实力雄厚的省份在存力规模上拥有明显优势。东部地区企业与人口密集，数据生成与存储需求庞大，数字化应用场景丰富多元，这些因素共同推动存力规模持续提升。其中，广东、河北的存储总体容量处于全国领先地位，均达到 166 EB，能够满足海量数据的存储需求。江苏、北京、上海的存储总体容量也较为可观，均超过了 100 EB。江苏制造业的数智化催生了热数据处理的强需求，北京、上海分别作为政治、经济中心，对数据存储有持续且高强度的需求。与此同时，在政策的有力推动下，相较于去年，内蒙古、贵州等中西部地区存力规模水平也得到了较大提升。来源：中国信息通信研究院图 11 省级行政区存力分指数-存力规模 Top10综合算力指数综合算力指数23产业发展与存力规模之间存在相互促进的关系。一方面，存力规模的扩大为产业发展提供坚实的数据存储基础，使得企业和机构能够更好地管理和利用数据资源，推动数字技术与实体经济的深度融合。另一方面，随着各省份数字经济、智能制造、金融科技等产业的快速发展，数据量呈爆发式增长，对数据存储的需求也日益增加，进一步推动了存力规模的扩张。3.存力质量我国省级行政区存力分指数-存力质量 Top10为江苏省、广东省、北京市、河北省、上海市、福建省、山东省、内蒙古自治区、贵州省、重庆市，具体情况详见图 12。存力质量方面，存力算力协同并进，东部沿海地区持续领先。江苏、广东、北京、河北、上海、福建、山东等地在存力性能上表现突出，主要得益于其发达的经济、丰富的科技资源以及对算力中心建设的高度重视。江苏、广东作为制造业和数字经济大省，企业数字化转型程度高，对高效数据存储和管理的需求旺盛，推动了存力性能的提升。北京、上海拥有大量的科研机构和金融机构，对数据存储的可靠性和高性能要求高，促使算力中心采用先进的存储技术和设备。福建在民营经济活跃和地理位置优越的双重优势下，重视存力质量建设，提升 IOPS、存算均衡、先进存储占比等。综合算力指数综合算力指数24来源：中国信息通信研究院图 12 省级行政区存力分指数-存力质量 Top10（五）运力分指数（五）运力分指数1.整体情况我国省级行政区运力分指数 Top10为浙江省、上海市、江苏省、山东省、广东省、北京市、四川省、安徽省、河北省、贵州省，具体情况详见图 13。我国运力 Top10 地区的网络基础设施普遍具有高带宽、低延迟、高稳定性等特点，为数据传输提供坚实的物理基础。运力 Top10 东部省份占七成，长三角“核心枢纽”地位凸显，浙江、上海、江苏居全国 Top3。无论是东部沿海的制造业升级，还是中西部地区的数字经济崛起，这些地区都在加速产业数字化转型。企业上云、工业互联网应用不断普及，对网络运力的需求不断提升，促使网络基础设施不断优化升级。综合算力指数综合算力指数25来源：中国信息通信研究院图 13 省级行政区运力分指数 Top102.入算网络我国省级行政区运力分指数-入算网络 Top10为浙江省、江苏省、山东省、上海市、广东省、四川省、北京市、河北省、重庆市、安徽省，具体情况详见图 14。东部沿海地区，如浙江、江苏、广东等，在入算网络方面表现突出。这些地区经济发达，数字化转型需求旺盛，网络基础设施建设投入大，拥有先进的通信网络和大量算力中心，能够为本地及周边地区提供高效便捷的算力接入服务。中西部地区部分省份，如四川、重庆、安徽等，近年来数字经济产业发展迅速，积极推进网络基础设施建设，提升了网络运力，满足了当地产业对算力的需求，在入算网络方面同样表现较优。综合算力指数综合算力指数26来源：中国信息通信研究院图 14 省级行政区运力分指数-入算网络 Top103.算间网络我国省级行政区运力分指数-算间网络 Top10为浙江省、江苏省、上海市、山东省、北京市、广东省、四川省、重庆市、安徽省、湖北省，具体情况详见图 15。东部沿海省份，如浙江、江苏、上海等，在算间网络方面依然占据优势。这些地区算力中心分布密集，网络带宽大，能够实现算力中心之间高效互联，满足大规模数据传输和算力调度的需求。另外，四川、安徽等交通枢纽省份优势凸显，地理位置优越，通信网络覆盖广泛，能够有效连接东西部地区的算力中心，促进数据的流通和算力协同，在算间网络方面也表现出色。综合算力指数综合算力指数27来源：中国信息通信研究院图 15 省级行政区运力分指数-算间网络 Top104.算内网络我国省级行政区运力分指数-算内网络 Top10为上海市、贵州省、青海省、河北省、宁夏回族自治区、浙江省、安徽省、山东省、广东省、山西省，具体情况详见图 16。这些地区在算力中心建设和运营方面表现出色，采用先进的网络架构和设备，能够实现算力中心内部高效数据传输和处理，满足高性能计算和大规模数据存储的需求。综合算力指数综合算力指数28来源：中国信息通信研究院图 16 省级行政区运力分指数-算内网络 Top10（六）模力分指数（六）模力分指数1.整体情况我国省级行政区模力分指数 Top10为北京市、广东省、浙江省、上海市、江苏省、山东省、四川省、安徽省、湖南省、湖北省，具体情况详见图 17。我国各省份模力分指数区域间差异大，呈现“东强西弱”的态势。不同地区在模力发展上不平衡，与各地的科技投入、产业结构、市场需求等因素密切相关。模力分指数 Top5 均为东部地区，我国东部地区优势突出。这主要是由于东部地区具备技术与产业优势，且数据资源与应用场景丰富。技术与产业方面，东部地区，如北京、广东等，拥有雄厚的科研实力和丰富的技术资源。北京模力分指数位居全国首位，是人工智能技术的重要发源地和创新中心，聚集大量的高校、科研机构和综合算力指数综合算力指数29高科技企业，具备强大的科研实力和技术创新能力。数据资源与应用场景方面，东部地区企业、人口密集，数据生成量巨大，为大模型的训练和应用提供了丰富的数据资源。广东具有强大的制造业基础和完善的产业配套，积极推动人工智能技术在工业领域的应用，通过大模型赋能制造业转型升级；浙江互联网企业和电子商务企业众多，诞生了以 DeepSeek 等为代表的全球领先大模型，上海金融、贸易、航运等产业高度发达，应用大模型技术优化业务流程、提升用户体验需求旺盛，持续推动大模型应用场景快速落地。来源：中国信息通信研究院图 17 省级行政区模力分指数 Top102.模型资源我国省级行政区模力分指数模型资源 Top10 为北京市、上海市、浙江省、广东省、江苏省、四川省、山东省、河北省、安徽省、天津市/湖南省，具体情况详见图 18。根据网信办公开信息统计，截综合算力指数综合算力指数30至 2025 年 3 月底，北京已完成备案的生成式人工智能服务数量为105项，上海 66项。来源：中国信息通信研究院图 18 省级行政区模力分指数-模型资源 Top103.模型生态我国省级行政区模力分指数模型生态 Top10 为北京市、广东省、浙江省、江苏省、山东省、上海市、四川省、安徽省、湖南省、湖北省，具体情况详见图 19。北京生态能力全国领先，作为全国科技创新中心，拥有众多科研机构、高校和科技企业，为模型生态的发展提供了丰富的资源和良好的环境。广东生态能力优势明显，得益于其发达的经济、完善的产业配套以及良好的创新创业环境，吸引众多企业参与模型的应用和生态建设，形成了较为完善的模型生态环境。综合算力指数综合算力指数31来源：中国信息通信研究院图 19 省级行政区模力分指数-模型生态 Top10（七）环境分指数（七）环境分指数1.整体情况我国省级行政区环境分指数 Top10 为青海省、内蒙古自治区、河北省、江苏省、浙江省、新疆维吾尔自治区、甘肃省、山西省、山东省、宁夏回族自治区，具体情况详见图 20。环境分指数 Top10东、西部省份各占五成，在资源环境和市场环境方面各具特色和优势。西部地区在政策支持、气候条件、绿色能源供应等方面具有独特优势；东部沿海地区则在基础设施建设、人才资源和行业生态建设方面表现突出。同时，各地区面临着基础设施建设、能源供应、技术人才等方面的挑战，需要进一步加强合作和协同发展。综合算力指数综合算力指数32来源：中国信息通信研究院图 20 省级行政区环境分指数 Top102.资源环境我国省级行政区环境分指数-资源环境 Top10 为青海省、内蒙古自治区、新疆维吾尔自治区、甘肃省、宁夏回族自治区、西藏自治区、云南省、四川省、黑龙江省、山西省，具体情况详见图 21。综合算力指数综合算力指数33来源：中国信息通信研究院图 21省级行政区环境分指数-资源环境 Top10资源环境包含电价、自然条件、清洁能源利用率、政策支持力度四方面。从自然条件来看，当地年平均气温由低到高 Top10 省份分别为青海、黑龙江、西藏、内蒙古、吉林、新疆、甘肃、宁夏、辽宁、山西。从清洁能源利用率来看，由高到低 Top10 省份分别为云南、青海、江西、西藏、四川、内蒙古、甘肃、宁夏、广西、湖南。除内蒙古、甘肃等西部枢纽节点外，我国中西部地区同样在加强在清洁能源的利用，且成效明显。从政策支持力度来看，我国各地区高度重视算力及人工智能产业发展。浙江、江苏、山东、广东等地发布超过 10项相关政策文件规划产业发展。3.市场环境综合算力指数综合算力指数34我国省级行政区环境分指数-市场环境 Top10为上海市、江苏省、北京市、广东省、河北省、浙江省、山东省、山西省、湖北省、广西壮族自治区，具体情况详见图 22。来源：中国信息通信研究院图 22省级行政区环境分指数-市场环境 Top10东部地区更具市场环境优势。一方面，这些地区拥有众多的算力产业头部企业、科研机构和用户群体，算力交易频繁，市场供需两旺。另一方面，在算力基础设施建设和服务水平方面也相对较好。政府和企业加大对算力中心、网络通信等基础设施的投入，为算力应用提供了可靠保障；同时，较为完善的算力服务和解决方案能够满足不同用户的需求，进一步促进了算力市场的繁荣。综合算力指数综合算力指数35四、城市算力 Top30城市算力分指数综合评估全国拥有算力中心的 302 个地级行政区（包含 274 个地级市、28 个自治州，不含直辖市）的算力水平。城市算力分指数 Top30 包含廊坊市、张家口市、大同市、广州市、杭州市、中卫市、乌兰察布市、呼和浩特市、苏州市、贵阳市等，具体情况详见图 23。Top10 城市以我国八大枢纽节点区域为主，包含东部枢纽节点城市数量 5 个，西部 4 个。在国家战略推动下，算力资源布局逐步向更广泛区域拓展，助力区域协调发展。Top30 城市依托政策叠加区位优势（如廊坊、张家口、大同等）或政策叠加能源优势（如乌兰察布、呼和浩特）通过挖掘自身特色算力发展优势，吸引关联产业集聚；以算为引擎，带动城市特色产业与数字经济融合，催生新经济增长点。综合算力指数综合算力指数36来源：中国信息通信研究院图 23 城市算力分指数 Top30五、综合算力发展建议（一）深化一体化算力网，强化统筹协同与动态优化（一）深化一体化算力网，强化统筹协同与动态优化综合算力指数综合算力指数37我国综合算力发展应深挖一体化算力网潜力，强化全国算力一盘棋布局。一是对现有算力资源进行全面清查盘点，通过技术升级、设备更新、优化配置等手段，盘活闲置资源，提升算力利用率。二是加强细化场景适配，精准区分数据的温冷热属性，科学规划不同类型算力中心在枢纽节点的布局与功能定位；鼓励业务场景按“时延敏感度”分级施策：强实时、低延时任务需求就近部署，可离线、并行型任务优先通过“运数据”部署在绿电富集区，推动“算随电走、数随算流”的高效协同。三是畅通网络联接，大幅提升网络带宽和可靠性，降低传输时延。四是政策激励协同，建立“发放-使用-评估-优化”的闭环管理机制，保障政策精准有效落地；同步构建动态调整、分级分类的差异化政策框架，鼓励各地立足资源禀赋，培育本地化、特色化的算力产业路径，激发内生动力。（二）提升算力供给质效，推动结构迭代升级（二）提升算力供给质效，推动结构迭代升级聚焦算力供给的质量与效率提升，加快结构迭代升级步伐。一是支持建设和升级大型 AI 集群、智算中心，支持大模型训练推理、复杂人工智能应用。二是突破核心技术瓶颈，集中攻关高端训练及推理芯片、先进计算架构、高速互连芯片技术等领域，强化国产芯片在现有系统中的规模化应用验证和生态适配。三是加强算力与行业结合，推动更紧密对接工业仿真、材料研发、生物医药、气象预报等前沿领域和实体经济需求。四是发展多元化算力形态，支持边缘计算、量子计算、光子计算等新型计算模式的研发、试点和应用部署，探索未来算力增长点。综合算力指数综合算力指数38（三）夯实存力运力底座，促进（三）夯实存力运力底座，促进“算存网算存网”协同演进协同演进存力与运力作为综合算力的关键支撑，需不断夯实基础。存力方面，推动高性能、大容量新型存储技术发展，鼓励部署更先进的分布式存储、全闪存阵列、海量冷存储介质，提升“存力”能效比和密度；突破存储技术瓶颈，研发下一代高速存储介质及更高效的存储管理软件。运力方面，构建“高带宽、低时延、全连接”的运力网络，持续建设 400G/800G 及更高速骨干网；推动全光网络在算力中心互联（DCI）和边缘侧应用的深度覆盖和性能提升。加速推进“算、存、网”一体化协同发展，在规划、建设、运营层面充分考虑三者协同，建立统一的资源视图和管理平台，探索发展算力网络，实现算力资源智能调配。（四）构建绿色低碳体系，加速基础设施绿色升级（四）构建绿色低碳体系，加速基础设施绿色升级面对日益严峻的环境挑战与节能减排要求，我国综合算力发展亟需构建绿色低碳体系。一是强化 PUE 管控，严格控制新建大型算力中心 PUE，提升设备能效，推广应用高效 IT设备、高效电源模块、热回收技术等；推进老旧算力中心节能改造。二是优化能源结构，加大算力中心使用绿电的比例，推动东、西部绿电资源与算力需求匹配，鼓励算力中心参与绿电交易、碳交易机制，鼓励“源网荷储”一体化数据中心园区建设。三是推广 AI 节能，利用人工智能技术优化算力中心制冷、电力分配和负载调度，实现精细化管理节能。（五）深化融合创新实践，助力产业生态繁荣发展（五）深化融合创新实践，助力产业生态繁荣发展综合算力指数综合算力指数39强化综合算力与各行业应用的深度融合创新，拓展算力应用场景，推动产业数字化转型加速。一是推动算力普惠，鼓励中国算力平台等公共算力服务平台建设，提供便捷、经济的算力服务，降低中小企业和科研机构的算力获取成本。二是健全标准体系，推动边缘智能、算力网络、绿色低碳等关键领域的标准研究与制定，促进产业健康发展和技术收敛。三是促进算力赋能千行百业，鼓励企业开展基于算力的新业务、新模式创新，如智能制造、智慧医疗、智能交通等，提升各行业生产效率与服务质量，培育行业示范性应用。四是培育繁荣生态，鼓励产学研用紧密合作，支持开源社区建设，吸引多方力量共同参与算力基础设施的建设、运营和应用创新；积极搭建企业交流平台，充分利用“算力产业发展方阵”、中国算力平台、“华彩杯”算力创新应用大赛、“智算生态圈”等多元化渠道，广泛汇聚产学研用各方力量，加强产业链上下游企业间的深度对接与合作。综合算力指数综合算力指数40附件一 数据来源本报告选取我国 31 个省级行政区（省、自治区、直辖市），对其综合算力发展水平进行量化评估；同时，对我国拥有算力中心的302个地级行政区（包含 274 个地级市、28个自治州，不含直辖市）的算力发展进行评估。本报告除明确时间的数据，其他数据截止时间为 2025 年 3 月底。各指标的数据来源于中国算力平台及工信部、中国信通院、各地方政策文件、文献、公开数据整理。附件二 计算方法计算方法：指标的标准化，采用极差标准化法，即参考每项指标的最大值、最小值，利用极差标准化公式对各项指标数值进行标准化处理。确定指标权重，针对形成指数体系的一级、二级、三级指标，通过基于专家打分法的层次分析法（AHP）方法，得到指数体系中每个一级、二级、三级指标之间的相对权重。计算指数结果，根据指标里每个数值的标准化结果和相应的权重最终形成各分指数结果和综合指数结果。计算结果说明：本计算方式得到的指标得分范围为 0-100 分，得分越高，表明该区域对应的该指标能力越强，性能越好。综合算力指数综合算力指数41附件三 计算口径表 1 指标体系与计算口径一级指标二级指标三级指标计算口径算力算力规模在用标准机架数(万架）已经投产使用算力中心的设计机架数量（按2.5kW折合标准机架）在建标准机架数(万架）在建的算力中心的设计机架数量（按 2.5kW 折合标准机架）在用智算规模已经投入使用的智算算力规模（以半精度，FP16计量）算力质效上架率算力中心折合标准机架的已使用机架数与折合标准机架的已完成基础机电配置机架数的比值PUE算力中心总能耗与 IT 设备全年耗电量的比值CUE算力中心二氧化碳排放总量与 IT 设备全年耗电量的比值算力业务收入算力中心业务收入存力存力规模存储总体容量存储设备容量总和，包括服务器存储、外置存储等容量单机架存力存储总体容量/机架规模存力质量IOPS存储系统每秒进行读写操作的次数存算均衡存储总体容量/算力规模先进存储占比外部全闪存容量/外部存储总体容量运力入算网络1ms 城市算网建设情况已经开展建设并有案例互联网带宽接入端口数区域内互联网带宽接入端口数量综合接入节点OTN 覆盖率区域城域接入层 OTN 站点数与综合接入节点数之比互联网专线用户数区域内 OTN 专线的用户数量固定带宽平均下载速率区域内固定带宽平均下载速率移动带宽平均下载速率区域内移动带宽平均下载速率算间网络国家级互联网骨干网直联点数区域内国家级互联网直联点数量综合算力指数综合算力指数42省际出口带宽连接不同省份网络之间的数据传输通道的带宽容量重点站点全光交换（OXC）部署率区域内已部署全光交换（OXC）的重要站点数与光传送网重要站点数之比算力中心间网络质量算间网络质量包括省内、省间算力中心间的网络时延和丢包情况。算内网络算力中心网络出口带宽区域内数据中心网络出口带宽之和算力中心单机架带宽区域数据中心网络出口带宽与区域内标准机架数之比算力中心省级骨干网接入数据中心接入省级骨干网数量算力中心城域网接入数据中心接入城域网数量算内高性能、智能化网络技术应用区域内采用超融合以太等高速网络技术的数据中心占区域内数据中心总数的比值模力模型资源大模型备案数量各地区完成备案的生成式人工智能服务数量大模型性能各地区中国信通院“方升”大模型基准测试榜单入榜的大模型数量模型生态大模型相关企业数量地区“大模型”相关企业数量大模型相关专利数量地区“大模型”相关专利数量环境资源环境电价算力中心运营平均电价自然条件当地年平均气温清洁能源利用率算力中心使用清洁能源耗电量与总耗电量的比值政策支持力度政府出台的算力相关政策数量市场环境头部企业布局当地头部企业与业内头部企业的占比值人才储备高校毕业生数量行业交流频次举办的算力相关会议活动数量示范荣誉获得国家荣誉和算力中心绿色等级、低碳等级、算力算效等级以及安全可靠、服务能力等方面的示范荣誉之和综合算力指数综合算力指数43附件四 名词解释1.算力是算力中心服务器对数据处理并实现结果输出的一种能力，是衡量算力中心计算能力的一个综合指标，包含通用计算能力、超级计算能力和智能计算能力。常用计量单位是每秒执行的浮点运算次数(FLOPS，1EFLOPS=1018FLOPS)，数值越大代表综合计算能力越强。2.存力是算力中心在数据存储容量、性能表现、安全可靠和绿色低碳四方面的综合能力，是衡量算力中心数据存储能力的一个综合指标，包含存储阵列等外置存储设备和服务器内置存储设备。存储容量常用计量单位是艾字节（EB，1EB=260bytes），性能表现常用计量单 位 是 单 位 容 量 的 每 秒 读 写 次 数（IOPS/TB，Input/OutputOperations Per Second/TB），灾备比例是安全可靠的一个重要表现。3.运力是以数据通信网和光传送网等网络基础设施为基础，以数据传输和交换为核心，以高效化、自动化、智能化网络管理与调度技术为支撑，实现数据要素在算力中心间、算力中心内部以及用户与算力中心间高效传输的网络运载力。其中，算间网络实现多个算力中心的互联；算内网络实现算力中心内部 IT 设备和芯片的互联；入算网络实现用户与算力中心的互联。4.模力综合算力指数综合算力指数44是大模型资源、生态建设水平的综合体现，反映对大模型训练与推理任务的支撑能力，用于衡量模型建设能力。模型资源方面，重点评估已备案大模型数量和大模型性能；模型生态方面，着重考量大模型的产业协同性与创新活跃度。综合算力指数综合算力指数45算力产业发展方阵算力产业发展方阵/2025 中国算力大会中国算力大会“1 4”系列报告系列报告顾问组顾问组2025 综合算力指数综合算力指数编写组编写组邬贺铨、张宏科、闻库、魏亮周建明、曹磊、唐雄燕、何宝宏、曹振强主编：李洁、郭亮执行主编：吴美希编委(按姓氏笔画排序)：王月、王少鹏、邱奔、何适、周曼、常金凤谢丽娜、韩雨辰、温小振46国家正按照“点、链、网、面”体系化推进全国一体化算力网络工作，综合算力指数作为衡量我国算力发展水平的重要标尺，相关研究工作意义深远。在各界的共同努力下，我国算力产业必将实现量的稳步增长与质的显著提升。中国工程院原副院长 邬贺铨教授我国正加快构建全国一体化算力体系，为网络运力发展提供了广阔空间。中国信通院连续四年组织编写运力发展报告，从入算网络、算间网络、算内网络等维度系统介绍我国网络运力发展情况，并组织开展“1ms 城市算网”系列工作，有力引导了产业高质量发展。北京交通大学 张宏科教授算力产业发展方阵/2025中国算力大会“1 4”系列报告：2025综合算力指数2025算力发展报告、2025运力发展报告、2025存力发展报告、2025智算服务发展报告Email：

2025-08-27 54页 5星级

中国信通院：智算中心液冷产业全景研究报告（2025年）（48页）.pdf

中国信息通信研究院云计算与大数据研究所2025年8月智算中心液冷产业全景研究智算中心液冷产业全景研究报告报告(2025 年年)版权声明版权声明本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编.

2025-08-27 48页 5星级

计算机行业周报：DeepSeek助力国产算力价值重估-250824（37页）.pdf

请仔细阅读在本报告尾部的重要法律声明 1 D De ee ep pS Se ee ek k 助力助力国产算力价值国产算力价值重估重估 计算机行业周报 本周观点本周观点:一、一、D DeepSeeke.

2025-08-27 37页 5星级

计算机行业“一周解码”：DeepSeek模型升级继续关注“AI+”板块机会-250827（10页）.pdf

计算机计算机|证券研究报告证券研究报告 行业周报行业周报 2025 年年 8 月月 27 日日 强于大市强于大市 相关研究报告相关研究报告 AI 应用又迎催化应用又迎催化20250811 “人工智能.

2025-08-27 10页 5星级

计算机行业周报：全联接大会在即关注华为产业链机遇-250824（21页）.pdf

请阅读最后评级说明和重要声明 1/21 行业周报|计算机 证券研究报告 行业评级 推荐（维持）报告日期 2025 年 08 月 24 日 相关研究相关研究 【兴证计算机】大模型及应用加速升级，持续看.

2025-08-26 21页 5星级

计算机行业：国产AI核心主线-250824（15页）.pdf

请阅读最后一页的重要声明！国产国产 AIAI，核心主线，核心主线 计算机计算机 证券研究报告 行业专题报告/2025.08.24 投资评级投资评级:看好看好(维持维持)最近 12 月市场表现 分析师分析师 杨烨 SAC 证书编号：S0160522050001 联系人联系人 陈梦笔 相关报告相关报告 1.再谈国产 AI 应用的未来 2025-08-17 2.7 月车市运行日益平稳，理想首发 VLA大模型 2025-08-12 3.英伟达野望：以 Lepton 打造全球算力聚合平台 2025-08-10 核心观点核心观点 DeepSeekDeepSeek-V3.1V3.1 架构创新实现系统性突破架构创新实现系统性突破。DeepSeek-V3.1 是新一代旗舰大模型，凭借架构创新实现能力突破。其采用 6850 亿参数与混合专家架构（MoE），支持 128K 超长上下文窗口，预训练阶段新增 840B tokens数据（含大量 Agent 场景数据），强化工具调用能力。技术上，通过思维链压缩训练减少冗余、MoE 稀疏激活机制（单次推理仅用约 160 亿参数）降计算开销。还升级混合推理架构，提升思考效率与 Agent 能力，编程、搜索智能体支持增强。测试中，其 SWE-bench、Terminal-Bench、Browsecomp等成绩大幅提升，输出 tokens 减少 20%-50%仍保性能，实现效率与成本平衡。UE8M0 FP8 ScaleUE8M0 FP8 Scale：DeepSeekDeepSeek 助力国产芯片对齐国际标准助力国产芯片对齐国际标准。UE8M0 是 OCP 2023 年发布的 MX 规范中，为 AI 运算设计的 8 位指数、无尾数编码方式，作低精度数据块级缩放因子，可避免训练中数值溢出/下溢，保障稳定性。MX 规范将张量分块，块内低精度存储，块外配 UE8M0 编码缩放因子。英伟达 Blackwell 架构首现 MX 原生支持，降开销且 MXFP8 吞吐率较 BF16 提升约 2 倍。DeepSeek-V3.1 采用“UE8M0 FP8 Scale”，既对齐标准适配 Blackwell，又通过工程封装兼容国产硬件，还为国产算力兼容提供技术缓冲。H20 vs.H20 vs.国产芯片：国产化崛起的终极博弈国产芯片：国产化崛起的终极博弈。2025 年 4 月，美对英伟达 H20 芯片对华出口实施管制，冻结其销售，该芯片曾是英伟达对华特供款，2024 年贡献 120-150 亿美元收入，禁令致企业停单、英伟达库存滞销。此背景下，中国加速国产 AI 芯片替代：政策支持使 2025Q2 国产芯片市占率达 38.7%；DeepSeek-V3.1 的 UE8M0FP8 技术适配华为昇腾、昆仑芯等10 家厂商；摩尔线程、沐曦等国产 GPU 企业冲刺 IPO，获国家大基金 680亿元及产业资本支持。目前中国 AI 加速卡市场国产份额超 40%，产业链形成“融资研发落地”正向循环，走独立可持续路径。投资建议：投资建议：见正文。风险提示：风险提示：技术迭代不及预期的风险；商业化落地不及预期的风险；政策支 持不及预期风险；全球宏观经济风险。-56Wx%计算机沪深300上证指数 谨请参阅尾页重要声明及财通证券股票和行业评级标准 2 行业专题报告/证券研究报告 内容目录内容目录 1 1 DeepSeekDeepSeek-V3.1V3.1 架构创新实现系统性突破架构创新实现系统性突破 .4 4 2 2 UE8M0 FP8 ScaleUE8M0 FP8 Scale：DeepSeekDeepSeek 助力国产芯片对齐国际标准助力国产芯片对齐国际标准 .5 5 2.12.1 UE8M0UE8M0 与与 MXMX 规范：标准演进与工程实践规范：标准演进与工程实践 .5 5 2.22.2 BlackwellBlackwell 首次实现对首次实现对 MXMX 的原生硬件支持的原生硬件支持 .6 6 2.32.3 DeepSeekDeepSeek 助力国产算力的工程化拓展助力国产算力的工程化拓展 .7 7 3 3 H20 vs.H20 vs.国产芯片：国产化崛起的终极博弈国产芯片：国产化崛起的终极博弈 .8 8 3.13.1 中美中美 H20H20 反复变化，争夺反复变化，争夺 AIAI 产业主导权的前哨战产业主导权的前哨战 .8 8 3.23.2 昇昇腾腾、寒武纪、海光引领国产芯片技术突破，芯片独角兽纷纷启动、寒武纪、海光引领国产芯片技术突破，芯片独角兽纷纷启动 IPOIPO .9 9 3.2.13.2.1 摩尔线程：全链条能力的六边形国产摩尔线程：全链条能力的六边形国产 GPUGPU .1010 3.2.23.2.2 沐曦股份：沐曦股份：AMDAMD 技术背景并兼容技术背景并兼容 CUDACUDA，交付万卡级集群智算中心，交付万卡级集群智算中心 .1111 3.2.33.2.3 燧原科技：腾讯第一大股东，燧原科技：腾讯第一大股东，FP8FP8 低精度计算实现训推一体化低精度计算实现训推一体化 .1212 3.2.43.2.4 壁仞科技：核心性能对标英伟达壁仞科技：核心性能对标英伟达 A100/H100A100/H100 .1313 4 4 投资建议投资建议 .1313 5 5 风险提示风险提示 .1414 图表目录图表目录 图图 1 1：DeepSeekDeepSeek-V3.1V3.1 编程智能体测评编程智能体测评 .4 4 图图 2 2：DeepSeekDeepSeek-V3.1V3.1 搜索智能体测评搜索智能体测评 .4 4 图图 3 3：DeepSeekDeepSeek-V3.1V3.1-Think Think 输出输出 tokenstokens 数对比数对比 .5 5 图图 4 4：MXFP8MXFP8 块扩展块扩展 .6 6 图图 5 5：BF 16BF 16、FP8FP8 及及 MXFP8MXFP8 不同训练场景下得分不同训练场景下得分 .7 7 图图 6 6：BlackwellBlackwell 新增新增 FP8 block scale factorFP8 block scale factor 支持支持 .7 7 图图 7 7：DeepSeek FP8DeepSeek FP8 技术原理技术原理 .7 7 图图 8 8：摩尔线程部分产品摩尔线程部分产品.1010 图图 9 9：摩尔线程第三代摩尔线程第三代 MUSAMUSA 软件栈软件栈 .1111 图图 1010：沐曦业务布局沐曦业务布局 .1212 图图 1111：沐曦典型沐曦典型 GPUGPU 基本组成架构基本组成架构 .1212 XVOWwPwPpPqRxPsQuNpPpM8OaObRnPoOmOmRfQrRyQlOpNqO8OrQoNwMnOoMvPnNqP 谨请参阅尾页重要声明及财通证券股票和行业评级标准 3 行业专题报告/证券研究报告 图图 1212：燧原燧原 S60S60 推理芯片推理芯片 .1212 图图 1313：壁仞壁仞 BIRENSUPABIRENSUPA 架构软件开发平台架构软件开发平台 .1313 表表 1 1：三种三种 FP8FP8 浮点数格式对比浮点数格式对比 .6 6 表表 2 2：英伟达英伟达 H20H20 芯片博弈时间线芯片博弈时间线 .8 8 表表 3 3：头部国产芯片与英伟达芯片对比头部国产芯片与英伟达芯片对比 .9 9 谨请参阅尾页重要声明及财通证券股票和行业评级标准 4 行业专题报告/证券研究报告 1 1 DeepSeekDeepSeek-V3.1V3.1 架构创新实现系统性突破架构创新实现系统性突破 新一代新一代旗舰大模型旗舰大模型 DeepSeekDeepSeek-V3.1V3.1 通过架构创新实现了多项能力的系统性突通过架构创新实现了多项能力的系统性突破。破。该模型采用 6850 亿参数规模与混合专家架构（MoE），支持 128K 超长上下文窗口。在预训练阶段，V3.1 在 V3 基础上新增 840B tokens 数据（占原训练量 5.7%），其中包含大量 Agent 场景数据，显著增强了工具调用能力。技术层面，模型通过思维链压缩训练减少冗余迭代，同时引入 MoE 稀疏激活机制，单次推理仅调用约 160 亿参数，大幅降低计算开销。这些创新使 V3.1 在保持模型性能的同时，实现了推理效率的质的飞跃。具体而言，与之前的模型相比，此次升级包含了以下变化：混合推理架构混合推理架构：一个模型同时支持思考模式与非思考模式；更高的思考效率更高的思考效率：相比 DeepSeek-R1-0528，DeepSeek-V3.1-Think能在更短时间内给出答案；更强的更强的 AgentAgent 能力能力：通过 Post-Training 优化，新模型在工具使用与智能体任务中的表现有较大提升。编程智能体支持编程智能体支持全面增强全面增强，搜索智能体能力搜索智能体能力显著显著提升提升。与 DeepSeek-V3-0324和 DeepSeek-R1-0528 相比，DeepSeek-V3.1 在 SWE-bench 测试的成绩取得了全面提升，Verified 和 Multilingual 部分分别由 V3 的 45.4/29.3 及 R1的 44.6/30.5 提升至 66.0/54.5，提升比例约 47%/86%，Terminal-Bench 成绩也由 V3 的 13.3 和 R1 的 5.7 提升至 31.3，在代码修复测评 SWE 与命令行终端环境下的复杂任务测试中，DeepSeek-V3.1 相比之前的 DeepSeek 系列模型有明显提高。在搜索智能体评测集中在搜索智能体评测集中，与 R1 相比，DeepSeek-V3.1 的多学科专家级难题测试（HLE）成绩由 24.8 提升至 29.8，复杂搜索测试（Browsecomp）提升最为显著，已由 8.9 提升至 30.0，中文测试版本Browsecomp_zh 成绩也由先前的 35.7 提升了 37.8%至 49.2。在其余多项搜索评测指标得分中，DeepSeek-V3.1 亦取得了较大进步，性能已全面领先DeepSeek-R1-0528。图图1 1：DeepSeekDeepSeek-V3.1V3.1 编程智能体测评编程智能体测评 图图2 2：DeepSeekDeepSeek-V3.1V3.1 搜索搜索智能体测评智能体测评 数据来源：DeepSeek 官网，财通证券研究所 注：SWE 使用内部框架测评，相比开源框架 OpenHands 所需轮数更少；Terminal Bench 使用官方 Terminus1framework。数据来源：DeepSeek 官网，财通证券研究所 注：测试结果调用商用搜索引擎 API 网页过滤 128K context window；R1-0528 使用内部 workflow 模式测试；HLE 测试同时使用 python 与search 工具。谨请参阅尾页重要声明及财通证券股票和行业评级标准 5 行业专题报告/证券研究报告 V3.1V3.1-ThinkThink 思维链压缩使其输出思维链压缩使其输出 tokenstokens 数显著减少，思考效率得到提升。数显著减少，思考效率得到提升。测试结果显示，经过思维链压缩训练后，V3.1-Think 在输出 token 数减少约 20%-50%的情况下，各项任务的平均表现与 R1-0528 持平。同时，DeepSeek-V3.1在非思考模式下的输出长度也得到了有效控制，相比于 DeepSeek-V3-0324，能够在输出长度明显减少的情况下保持相同的模型性能，有助于在一定程度上实现效率与成本的双向平衡。图图3 3：DeepSeekDeepSeek-V3.1V3.1-Think Think 输出输出 tokenstokens 数对比数对比 数据来源：DeepSeek 官网，财通证券研究所 注：以上各项评测指标得分基本持平（AIME2025:87.5/88.4，GPQA:81/80.1，liveCodeBench:73.3/74.8）2 2 UE8M0 FP8UE8M0 FP8 ScaleScale：DeepSeekDeepSeek 助力助力国产芯片国产芯片对齐国际标准对齐国际标准 2.12.1 UE8M0UE8M0 与与 MXMX 规范：标准演进与工程实践规范：标准演进与工程实践 UE8M0UE8M0 是一种是一种 8 8 位浮点数格式，位浮点数格式，具备更广的动态范围，具备更广的动态范围，专门为矩阵乘法等专门为矩阵乘法等 AIAI 核核心运算优化设计。心运算优化设计。UE8M0（Unsigned Exponent-8,Mantissa-0）本质上并非一种完整的浮点数格式，而是 Microscaling(MX)规范中针对缩放因子而设计的指数编码方式。该格式采用八位指数、无尾数结构，能够覆盖极宽的动态范围（约2-127至 2128），并以简洁的逻辑实现快速解码，从而降低缩放操作在硬件端的额外开销。其核心功能在于为低精度数据（如 FP8、FP6、FP4 等）提供块级尺度调节，角色是“块级缩放因子”。在复杂的模型训练中，梯度和激活值的数值分布范围极广且动态变化，单纯使用任何一种固定格式都可能导致数值溢出（Overflow）或下溢（Underflow），进而导致训练不稳定甚至失败，UE8M0 的适配可在一定程度上避免此类问题的发生，兼顾精度与范围，保证训练的稳定性。谨请参阅尾页重要声明及财通证券股票和行业评级标准 6 行业专题报告/证券研究报告 表表1 1：三种三种 FP8FP8 浮点数格式对比浮点数格式对比 格式类型 结构组成 特点优势 适用场景 E4M3 1 位符号 4 位指数 3 位尾数 动态范围小、精度较高 细节丰富的计算场景 E5M2 1 位符号 5 位指数 2 位尾数 动态范围大、精度较差 范围广泛的计算场景 UE8M0 8 位指数，无符号和尾数 存储缩放因子 矩阵乘法等 AI 核心运算 数据来源：OCP，英伟达官方，财通证券研究所 英伟达、英伟达、MetaMeta、英特尔、微软等、英特尔、微软等巨头携手创立巨头携手创立 MXMX 新新规范。规范。MX 规范作为 2023年由 OCP（Open Compute Project）发布的低精度数值处理框架，提出通过块级缩放实现计算精度与存储效率之间的平衡。该框架要求：张量被划分为固定大小的若干块（典型为32元素），块内数据采用低精度格式（如FP8E4M3或E5M2），并在块外配置一个共享缩放因子。该缩放因子由 E8M0（即 UE8M0）进行编码，以保证在有限存储开销下扩展动态范围。由此可见，MX 是一种方法论框架，而UE8M0 则是其中不可或缺的组成部分，是上下层的技术依附关系。图图4 4：MXFP8MXFP8 块扩展块扩展 数据来源：NVIDIA 技术博客，财通证券研究所 2.22.2 BlackwellBlackwell 首次实现对首次实现对 MXMX 的原生硬件支持的原生硬件支持 NVIDIANVIDIA BlackwellBlackwell 架构在产业层面首次实现了对架构在产业层面首次实现了对 MXMX 的原生硬件支持。的原生硬件支持。其TensorCore 能够直接识别 MX 数据布局，并在矩阵乘法执行过程中同步解码并应用 UE8M0 缩放因子，从而实现缩放与乘加的硬件级融合。这一设计避免了传统“先解缩放再计算”的软件路径，显著降低了带宽消耗与延迟开销，为低精度计算的规模化应用奠定了硬件基础。在精度方面，与 BF16 或传统 FP8 预训练模型相比，MXFP8 能够保持一致的准确性。在基于 Blackwell GPU 的系统中，MXFP8 的吞吐率较 BF16 提升约 2 倍，使得端到端的 MXFP8 预训练过程显著快于 BF16 预训练。同时，与 FP8 路径相比，MXFP8 在使用上更为简便：其缩放由硬件自动处理，支持全层量化，降低了人工选择性量化的复杂度，并能实现相当甚至更优的吞吐表现。值得注意的是，Blackwell 通过张量分块缩放（blocks scaling）策略，将大张量切分为多个子块，每个子块分配独立的缩放因子。当E4M3/E5M2 的动态范围不足时，对应子块的缩放因子能够动态调整，从而避免 谨请参阅尾页重要声明及财通证券股票和行业评级标准 7 行业专题报告/证券研究报告 数值溢出或下溢。在保持数据格式不变的前提下，这一机制改进了缩放粒度，有效减少了全局缩放过于保守所导致的精度损失。图图5 5：BF 16BF 16、FP8FP8 及及 MXFP8MXFP8 不同训练场景下得分不同训练场景下得分 图图6 6：BlackwellBlackwell 新增新增 FP8FP8 block scale factorblock scale factor 支持支持 数据来源：Asit Mishra 等论文Recipes for Pre-training LLMs with MXFP8，财通证券研究所 数据来源：英伟达官网，财通证券研究所 2.32.3 DeepSeekDeepSeek 助力国产算力助力国产算力的工程化拓展的工程化拓展 在 MX 规范与 Blackwell 原生支持的产业语境下，DeepSeek 在 V3.1 技术报告中进一步提出并落地了“UE8M0 FP8 Scale”的数值策略，使用 UE8M0 FP8 scale 数据格式进行训练，以确保与微缩放数据格式的兼容性。其意义包括：对齐国际标准与产业生态：DeepSeek 选择 UE8M0 作为缩放因子格式，本质上是与 OCPMX 规范保持一致，从而在标准层面确保与国际主流硬件（尤其是 NVIDIA Blackwell）实现无缝衔接。在 Blackwell 架构已实现 MX 原生支持的背景下，该路径能够直接发挥硬件加速优势，减少额外算力与带宽消耗。适配国产硬件的兼容性诉求：在国产芯片尚未全面实现 MX 原生支持的现实条件下，DeepSeek 通过工程层面的封装与算子实现，使得 FP8 UE8M0 权重文件能够在不同硬件环境下加载与运行。对于未支持 FP8/MX 的芯片，可退化为 BF16 或 INT8 路径；对于具备部分 FP8 支持的硬件，则可通过软件解缩放实现功能兼容。由此，在保证模型精度与可用性的同时，降低了因硬件异构带来的生态碎片化风险。阶段性意义与未来展望：从产业发展的角度看，DeepSeek 的 UE8M0 FP8 Scale策略既承接了 OCP MX 标准与 Blackwell 原生支持的产业共识，又为国产算力在短期内实现兼容与部署提供了技术缓冲。随着国产硬件逐步演进，一旦实现对 MX 的原生支持，其生态价值将进一步提升，DeepSeek 的实践路径亦有望成为标准化进程的一部分。图图7 7：DeepSeek FP8DeepSeek FP8 技术原理技术原理 数据来源：DeepSeek-V3 技术报告，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 8 行业专题报告/证券研究报告 3 3 H20 vs.H20 vs.国产芯片：国产芯片：国产化崛起的终极博弈国产化崛起的终极博弈 3.13.1 中美中美 H20H20 反复变化反复变化，争夺争夺 AIAI 产业主导权的前哨战产业主导权的前哨战 H20H20 博弈促进国产替代加速，博弈促进国产替代加速，供应链多元化路径日渐成熟。供应链多元化路径日渐成熟。2025 年 4 月，美国商务部宣布对英伟达 H20 芯片实施出口管制：该芯片向中国（含港澳地区）及 D5国家组出口时，须申请“无限期有效许可”。此举实质冻结了这款专为中国市场设计的 AI 芯片的对华销售。英伟达 4 月 9 日收到的 8-K 文件显示，美方给出的理由是“相关产品可能被用于或转用于中国超级计算机”，新规自4月14日起生效。H20 是英伟达 2023 年为应对美国出口管制推出的合规产品，基于 Hopper 架构，核心参数明显低于旗舰 H100：FP16 算力 148 TFLOPS（仅为 H100 的 15%），配备 96GB HBM3 显存、4.0 TB/s 带宽及 900 GB/s NV Link。即便大幅降规，仍被纳入管控。自 2023 年 10 月以来，美国商务部工业与安全局已多次收紧 AI芯片出口规则。H20 作为英伟达面向中国市场的第三款特供芯片，2024 年曾贡献 120150 亿美元收入。禁令落地后，连锁反应迅速显现：腾讯等企业暂停新订单；英伟达面临 60 万片库存滞销。与此同时，中国市场加速推进国产替代，并持续探索供应链多元化路径。表表2 2：英伟达英伟达 H20H20 芯片博弈芯片博弈时间线时间线 时间 事件 英伟达应对 H20 出口中国 2025 年 7 月-8 月 2025 年 7 月 31 日，国家网信办约谈英伟达，要求说明 H20 潜在后门风险（如位置追踪、远程关闭功能），并提交技术证明。英伟达否认存在相关设计。8 月 21 日，英伟达要求三星、富士康等供应商暂停 H20 生产，转向开发新一代 Blackwell 架构芯片B30A。实际暂停销售实际暂停销售（审查期间）2025 年 7 月 2025 年 7 月 15 日，美国政府批准 H20恢复出口，允许英伟达销售库存芯片（售完无补）。英伟达 CEO 黄仁勋访华称美国已保证授予许可证，计划尽快交付。允许允许（仅限库存）2025 年 4 月 2025 年 4 月 9 日，美国通知英伟达，H20对华出口需申请无限期有效许可，实际全面禁售。英伟达计提 55 亿美元库存损失。禁止禁止 2024 年 中国官方则持续呼吁美方撤销限制，并加大国产 GPU 投入来减少对英伟达依赖。英伟达向中国客户交付 H20，用于替代无法获得的 H100，需求强劲。允许允许 2023 年 10 月-11 月 2023 年 10 月 17 日，美国商务部发布新规，限制高性能 AI 芯片出口，英伟达旗舰芯片 H100、A100 等被禁售。2023 年 11 月，推出中国特供版H20，通过降低算力（FP16 算力 148 TFLOPS，远低于 H100）、保留高带宽显存（96GB HBM3）和 NVLink 互联（900GB/s）以符合美国标准。允许允许（设计符合管制规定）数据来源：国际金融报，Toms hardware，英伟达官网，Reuters，中国网信网，华尔街日报，财通证券研究所 国产国产 AIAI 芯片芯片主动定义标准，重构全球产业竞争格局。主动定义标准，重构全球产业竞争格局。面对美国通过分级管控（将H20 列为第四等芯片）实施技术封锁的背景，中国通过政策、技术与生态的三重协同加速国产替代进程：中央统筹与地方精准施策形成覆盖全链条的资金支持网络，推动 2025 年第二季度国产芯片市占率提升至 38.7%；DeepSeek-V3.1推出的 UE8M0FP8 技术通过纯指数编码设计实现内存占用减少 50%-75%、计算速度提升 2-3 倍，专门适配下一代国产芯片，其混合推理架构使单任务成本降至国际同类系统的 1/60，并已与华为昇腾、昆仑芯等 10 家国产芯片厂商完成适 谨请参阅尾页重要声明及财通证券股票和行业评级标准 9 行业专题报告/证券研究报告 配，其中昆仑芯 P800 凭借领先 20%-50%的显存规格支持单机 8 卡运行 6710亿参数模型；同时，通过开源策略与运营商云平台落地，形成国产大模型-芯片-应用的生态闭环，华为云、天翼云等已实现全栈国产化推理服务部署，这种软硬件协同创新不仅对冲了外部技术限制，更推动国产 AI 生态从被动兼容转向主动定义标准，重构全球产业竞争格局。3.23.2 昇昇腾腾、寒武纪、海光、寒武纪、海光引领国产芯片引领国产芯片技术突破技术突破，芯片独角兽芯片独角兽纷纷纷纷启动启动IPOIPO 国产芯片技术不断突破，国产芯片技术不断突破，AIAI 加速势不可挡。加速势不可挡。面对美国技术封锁持续升级的背景，国产芯片阵营在技术突破上形成协同攻势：昇腾通过与 DeepSeek 的深度适配构建生态壁垒，其联合清华大学研发的 Jittor Infer 推理框架引入算子融合下发技术，将 CPU 与昇腾 Atlas 的交互开销降低 60%以上，配合采样逻辑 NPU 内闭环执行等优化，使 DeepSeek-V3.1 在国产硬件上的 token 生成效率提升 2-3倍；寒武纪凭借持续的技术迭代获得市场认可，海光信息则在服务器芯片领域稳步扩张，推动国产 x86 架构生态成熟，与昇腾形成通用计算 AI 加速的互补格局。表表3 3：头部国产芯片与英伟达芯片对比头部国产芯片与英伟达芯片对比 芯片型号 工艺 FP16/BF16 算力 内存/带宽 特点 华为昇腾 910C 7nm 高算力集群化设计 寒武纪思元 590 对标 A100 云端训练拟替代级别 海光 DCU 深算一号 7nm 国产软件生态兼容 英伟达 H100 Hopper/4N 1,0001,513TFLOPS 80GB HBM2e/23.35TB/s 当前国际行业标杆 英伟达 H20 Hopper（裁剪版）148 TFLOPS 96GB HBM3/4.0TB/s 中国市场合规定制版，功耗省但算力显著下调 数据来源：新浪财经，英伟达官网，Toms hardware，财通证券研究所 国家队国家队 产业资本产业资本 的双轮驱动格局的双轮驱动格局。资本层面，国产 GPU 独角兽密集启动 IPO构建长效融资机制，形成技术研发与资本运作的良性循环。瀚博半导体、沐曦、壁仞科技等 6 家头部企业已进入 A 股上市辅导阶段，其中瀚博半导体估值达 105亿元，获阿里、快手等产业资本加持，计划募资用于新一代高算力芯片研发；沐曦拟募资 39.04 亿元推进 MXC500 系列量产，其首款芯片已实现数千万级订单突破，第二款产品 FP32 算力达 15 TFLOPS，相当于英伟达 A100 的 75%。国家集成电路产业投资基金三期定向投入 680 亿元支持 GPU 产业链，上海等地政府通过专项补贴、场景试点等组合政策加速培育，阿里、腾讯分别押注 2 家 IPO企业，形成国家队 产业资本的双轮驱动格局。这种资本输血正快速转化为技术动能：壁仞科技 BR100 采用 7nm Chiplet 技术实现性能较主流产品提升 3 倍，与沐曦、昆仑芯等共同构建起覆盖从 15 TFLOPS 到高端训练的产品矩阵，且均已完成DeepSeek-V3.1适配，在政务云等场景实现40%渗透率，推动国产GPU从实验室走向规模化商用。谨请参阅尾页重要声明及财通证券股票和行业评级标准 10 行业专题报告/证券研究报告 3.2.13.2.1 摩尔线程：摩尔线程：全链条能力的六边形国产全链条能力的六边形国产 GPUGPU 覆盖芯片设计、软件生态和系统解决方案的全链条能力。覆盖芯片设计、软件生态和系统解决方案的全链条能力。摩尔线程智能科技（北京）股份有限公司（简称“摩尔线程”）成立于 2020 年 6 月 11 日，注册地位于北京市海淀区。创始人张建中曾任英伟达全球副总裁兼大中华区总经理，核心团队大多来自英伟达、AMD 等国际 GPU 龙头企业。公司成立后迅速推进技术研发，2021 年推出第一代 GPU 架构“苏堤”，实现 AI 计算与图形渲染等多引擎集成；2023 年 10 月被美国列入“实体清单”后，同步调整供应链策略，加快国产化替代。2025 年 6 月 30 日，公司向上交所科创板递交 IPO 申请，拟募集资金80 亿元，其中约 25 亿元用于新一代自主可控 AI 训推一体芯片研发，约 25 亿元用于新一代自主可控图形芯片研发，19.8 亿元用于新一代自主可控 AISoC 芯片研发，剩余 10 亿元用于补充流动资金。截至招股书签署日，公司已在北上广深、成都、西安等地设立研发及分支机构，形成覆盖芯片设计、软件生态和系统解决方案的全链条能力。图图8 8：摩尔线程部分产品摩尔线程部分产品 数据来源：摩尔线程官网，财通证券研究所 高速收入增长与高研发投入构建比肩英伟达高速收入增长与高研发投入构建比肩英伟达 CUDACUDA 架构。架构。摩尔线程已推出多代GPU 架构产品矩阵，包括但不限于适用于智算中心、PC 显卡、应用模型等领域的产品，其 MUSA 统一架构与英伟达 CUDA 类似。财务方面，公司 2022-2024年分别实现营业收入0.46亿元、1.24亿元、4.38亿元，三年复合增长率208.44%。2024 年末 Pre-IPO 轮投前估值 246.2 亿元。公司持续保持高强度研发投入，20222024 年累计研发支出 38.1 亿元，为同期营业收入的 6.26 倍。谨请参阅尾页重要声明及财通证券股票和行业评级标准 11 行业专题报告/证券研究报告 图图9 9：摩尔线程第三代摩尔线程第三代 MUSAMUSA 软件栈软件栈 数据来源：摩尔线程官方，财通证券研究所 注：MUSA 是摩尔线程自研的元计算统一系统架构，包括指令集架构、MUSA 编程模型、驱动、运行时库、算子库、通讯库、数学库等。更为重要的是，通过摩尔线程自研的 MUSIFY 工具，可以实现 CUDA 程序平滑迁移至 MUSA。3.2.23.2.2 沐曦股份沐曦股份：AMDAMD 技术背景技术背景并并兼容兼容 CUDACUDA，交付万卡级集群智算中心交付万卡级集群智算中心 AMDAMD 资深技术团队创办，资深技术团队创办，已完成千亿参数大模型预训练。已完成千亿参数大模型预训练。沐曦集成电路（上海）股份有限公司成立于 2020 年 9 月，由原 AMD 资深技术团队创办，核心成员包括曾主导多款高性能 GPU 量产的陈维良及 AMD 首位华人女科学家彭莉，专注高性能 GPU 芯片研发。公司次年即获天使轮融资，2024 年底完成股份制改革，2025 年 6 月冲刺科创板 IPO，已在北京、南京等地建成研发中心，累计交付多座智算集群，GPU 销量突破数万颗，广泛应用于国家算力平台和商业化智算中心。曦云 C 系列训推一体旗舰 C500 采用 7nm 制程和自研 XCORE 架构，支持FP8/FP16/FP32 多精度混合计算，兼容 CUDA 生态并具备高速互连能力，已完成千亿参数大模型预训练；曦思 N 系列面向边缘及云端推理，集成视频编解码单元，显存容量持续升级；曦彩 G 系列图形渲染芯片支持光线追踪，覆盖云游戏与数字孪生。凭借国产工艺适配和万卡级集群扩展性，沐曦在政策驱动的国产化算力升级中占据先机。尽管单卡算力与生态成熟度仍与英伟达存在差距，公司营收呈跨越式增长，三年复合增长率超四十倍，于 2022-2024 年分别实现营业收入0.43 亿元、0.53 亿元、7.43 亿元。谨请参阅尾页重要声明及财通证券股票和行业评级标准 12 行业专题报告/证券研究报告 图图1010：沐曦业务布局沐曦业务布局 图图1111：沐曦典型沐曦典型 GPUGPU 基本组成架构基本组成架构 数据来源：沐曦股份招股书，财通证券研究所 数据来源：沐曦股份招股书，财通证券研究所 3.2.33.2.3 燧原科技燧原科技：腾讯：腾讯第一大股东，第一大股东，FP8FP8 低精度计算实现训推一体化低精度计算实现训推一体化 燧原科技成立于 2018 年，专注云端 AI 训练与推理芯片，产品覆盖 AI 加速卡、算力集群及配套软硬件。创始人赵立东、张亚林均曾长期任职于 AMD。2024 年8 月，公司启动科创板上市辅导，辅导机构为中金公司；截至 2025 年 8 月仍处于辅导备案阶段，计划随后提交 IPO 申请。六年内，燧原完成十轮融资，累计融资近 70 亿元人民币，腾讯连续六轮参投，目前为第一大股东。燧原尚未披露完整营收数据，但其产品已实现规模化部署：2024 年 6 月量产的 S60 推理芯片已在国内五大智算中心落地，并建成万卡推理集群。芯片迭代方面，公司于 2019 年底发布第一代训练芯片“邃思 1.0”，2021年推出第二代训练芯片“邃思 2.0”及对应云端加速卡云燧 T20/T21；2025 年 7 月发布第四代核心芯片 L600，实现训练与推理一体化，并支持 FP8 低精度计算。图图1212：燧原燧原 S60S60 推理芯片推理芯片 数据来源：燧原科技官网，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 13 行业专题报告/证券研究报告 3.2.43.2.4 壁仞科技：壁仞科技：核心性能对标英伟达核心性能对标英伟达 A100/H100A100/H100 壁仞科技 2019 年成立，专注通用 GPU 及 AI 加速器研发。2025 年初，公司完成新一轮 15 亿元融资，投前估值约 140 亿元。联合创始人包括前商汤科技总裁张文、前高通及华为工程师焦国方等。2022 年，壁仞推出旗舰通用 GPU 芯片BR100 及精简版 BR104，核心性能对标英伟达 A100/H100。2024 年销售收入约 4 亿元，GPU 产品已在国内部分云厂商落地试用。图图1313：壁仞壁仞 BIRENSUPABIRENSUPA架构软件开发平台架构软件开发平台 数据来源：壁仞科技官网，财通证券研究所 注：BIRENSUPA包括硬件抽象层、壁仞原创 BIRENSUPA编程模型和 BRCC 编译器，深度学习和通用计算加速库、工具链，支持主流深度学习框架和自研推理加速引擎，并配备针对不同场景的应用 SDK 等，能够为开发者提供高效的应用开发平台，软硬件协同，探索未来的无限可能。国产算力从“实验室”走向“资本市场”国产算力从“实验室”走向“资本市场”。摩尔线程、壁仞、沐曦、燧原等国产 GPU企业几乎在同一时段递交招股书或完成上市辅导，标志着国产算力正从“实验室”走向“资本市场”。政策层面，国家集成电路基金二期、地方产业基金和科创板的绿色通道叠加，为持续亏损的芯片企业提供了长期资本；产业层面，DeepSeek-V3.1 等国产大模型主动适配 FP8 精度，将模型-芯片协同优化的主动权握在自己手中。IDC 最新统计显示，受 H20 反复禁售影响，中国 AI 加速卡市场中国产份额已由 2023 年的不足 15%提升至 2025 年上半年的 40%以上，预计年底将过半。换言之，无论 H20 最终放行与否，国产算力产业链已完成“融资研发场景落地”的正向循环，正稳步走出一条独立于海外生态的可持续路径。4 4 投资建议投资建议 建议关注：谨请参阅尾页重要声明及财通证券股票和行业评级标准 14 行业专题报告/证券研究报告 GPU：海光信息、寒武纪、龙芯中科等；服务器：中科曙光、浪潮信息、紫光股份等；液冷：英维克、东阳光、曙光数创等；电源：欧陆通、麦格米特、中国长城等；柴油发动机：潍柴重机、泰豪科技、科泰电源等；EDA：华大九天、概伦电子、广立微等；IDC&算力租赁：协创数据、奥飞数据、科华数据、大位科技、润泽科技、数据港、光环新网、世纪互联、万国数据、亿田智能、有方科技、润建股份、首都在线、新意网集团；华为链&国产链：纳思达、神州数码、软通动力、智微智能、广电运通、禾盛新材、拓维信息、中国软件国际等。5 5 风险提示风险提示 技术迭代不及预期：技术迭代不及预期：若 AI 技术迭代不及预期，大模型模型优化受限，则相关产业发展进度会受到影响。商业化落地不及预期：商业化落地不及预期：大模型结合应用的盈利模式尚处于探索阶段，后续商业化落地进展有待观察。政策支持不及预期：政策支持不及预期：新行业新技术的推广需要政策支持，存在政策支持不及预期风险。全球宏观经济风险：全球宏观经济风险：垂直领域公司与下游经济情况相关，存在全球宏观经济风险。谨请参阅尾页重要声明及财通证券股票和行业评级标准 15 行业专题报告/证券研究报告 信息披露信息披露 分析师承诺分析师承诺 作者具有中国证券业协会授予的证券投资咨询执业资格，并注册为证券分析师，具备专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解。本报告清晰地反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响，作者也不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。资质声明资质声明 财通证券股份有限公司具备中国证券监督管理委员会许可的证券投资咨询业务资格。公司评级公司评级 以报告发布日后 6 个月内，证券相对于市场基准指数的涨跌幅为标准：买入：相对同期相关证券市场代表性指数涨幅大于 10%；增持：相对同期相关证券市场代表性指数涨幅在 5%之间；中性：相对同期相关证券市场代表性指数涨幅在-5%5%之间；减持：相对同期相关证券市场代表性指数涨幅小于-5%；无评级：由于我们无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使我们无法给出明确的投资评级。A 股市场代表性指数以沪深 300 指数为基准；中国香港市场代表性指数以恒生指数为基准；美国市场代表性指数以标普500 指数为基准。行业评级行业评级 以报告发布日后 6 个月内，行业相对于市场基准指数的涨跌幅为标准：看好：相对表现优于同期相关证券市场代表性指数；中性：相对表现与同期相关证券市场代表性指数持平；看淡：相对表现弱于同期相关证券市场代表性指数。A 股市场代表性指数以沪深 300 指数为基准；中国香港市场代表性指数以恒生指数为基准；美国市场代表性指数以标普500 指数为基准。免责声明免责声明 本报告仅供财通证券股份有限公司的客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告的信息来源于已公开的资料，本公司不保证该等信息的准确性、完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的邀请或向他人作出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司通过信息隔离墙对可能存在利益冲突的业务部门或关联机构之间的信息流动进行控制。因此，客户应注意，在法律许可的情况下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的情况下，本公司的员工可能担任本报告所提到的公司的董事。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议。在任何情况下，本公司不对任何人使用本报告中的任何内容所引致的任何损失负任何责任。本报告仅作为客户作出投资决策和公司投资顾问为客户提供投资建议的参考。客户应当独立作出投资决策，而基于本报告作出任何投资决定或就本报告要求任何解释前应咨询所在证券机构投资顾问和服务人员的意见；本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。

2025-08-26 15页 5星级

ISACA：2025威胁建模白皮书（15页）.pdf

点击查看更多ISACA：2025威胁建模白皮书（15页）.pdf精彩内容。

2025-08-25 15页 5星级

Akamai：2025年应用程序与API安全现状报告：AI如何改变数字格局（48页）.pdf

第 11 卷，第 2 期2025 年应用程序与 API 安全现状AI 如何改变数字格局互联网现状/安全性内容02 引言04 报告的关键见解06 不断改进我们的 API 威胁情报13 Web 攻击：同比.

2025-08-21 48页 5星级