短短兩三年時間，AI已脫離實(shí)驗(yàn)室概念，實(shí)實(shí)在在地滲透進(jìn)了各行各業(yè)中。從金融風(fēng)控到智能制造，從醫(yī)療診斷到自動駕駛，AI大模型正以前所未有的速度被訓(xùn)練、部署、迭代。與之相應(yīng)的，是AI對智能算力前所未有的龐大需求——據(jù)華為預(yù)測，（相比2023年）到2030年，通用計算能力將增長10倍，AI計算能力將增長500倍。

這也意味著，對于算力基礎(chǔ)設(shè)施需求也在同步提升，而傳統(tǒng)的數(shù)據(jù)中心架構(gòu)已經(jīng)難以支撐如此龐大的計算任務(wù)。因此，龐大而復(fù)雜的算力基礎(chǔ)設(shè)施體系正迎來一場深刻的變革——傳統(tǒng)數(shù)據(jù)中心正從“通算”向“智算”演進(jìn)，網(wǎng)絡(luò)、存儲、供電、冷卻等基礎(chǔ)設(shè)施也必須隨之升級。

從“通算”到“智算”

智算中心毫無疑問是當(dāng)前最熱門的投資領(lǐng)域之一。根據(jù)中國IDC圈不完全統(tǒng)計，僅2025年一季度，立項(xiàng)或建設(shè)、投產(chǎn)的智算中心就多達(dá)165個，其中不乏投資過百億，算力規(guī)模超萬P的項(xiàng)目（相關(guān)詳情：2025年165個新項(xiàng)目動態(tài)隱現(xiàn)3個關(guān)鍵信號）。

但在這股建設(shè)熱潮之下，哪怕是算力產(chǎn)業(yè)的從業(yè)者之間，一個疑問一直揮之不去：數(shù)據(jù)中心與智算中心，AIDC與DC到底有何區(qū)別？

按照工信部印發(fā)的《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動計劃》定義，算力中心包括是以風(fēng)火水電等基礎(chǔ)設(shè)施和IT軟硬件設(shè)備為主要構(gòu)成，具備計算力、運(yùn)載力和存儲力的設(shè)施，包括通用數(shù)據(jù)中心、智能計算中心、超算中心等。

其中，智能計算中心（智算中心）指通過使用大規(guī)模異構(gòu)算力資源，包括通用算力（CPU）和智能算力（GPU、FPGA、ASIC等），主要為人工智能應(yīng)用（如人工智能深度學(xué)習(xí)模型開發(fā)、模型訓(xùn)練和模型推理等場景）提供所需算力、數(shù)據(jù)和算法的設(shè)施。智能計算中心涵蓋設(shè)施、硬件、軟件，并可提供從底層算力到頂層應(yīng)用使能的全棧能力。

而對于傳統(tǒng)數(shù)據(jù)中心來說，其設(shè)計邏輯主要服務(wù)于通用計算場景，核心在于提供穩(wěn)定的、可擴(kuò)展的通用計算及存儲環(huán)境。但在AI時代，數(shù)據(jù)密集型、并行計算的任務(wù)特征使得數(shù)據(jù)中心必須重新思考如何提升效率、降低延遲、增強(qiáng)彈性。尤其是在大規(guī)模AI集群部署中，通信瓶頸、資源利用率低、運(yùn)維復(fù)雜等問題日益突出，成為制約AI應(yīng)用落地的關(guān)鍵障礙。

特別是大規(guī)模的智算集群實(shí)際運(yùn)行遠(yuǎn)比想象中復(fù)雜。通信瓶頸、資源利用率低、故障響應(yīng)慢等問題頻繁出現(xiàn)，導(dǎo)致“紙面算力”和“有效算力”之間存在巨大落差。有業(yè)內(nèi)人士透露，一些千卡級別的集群，在訓(xùn)練效率上甚至不如優(yōu)化良好的幾百卡系統(tǒng)。更不要提所謂“萬卡集群”，投產(chǎn)即停運(yùn)的傳聞也經(jīng)常在業(yè)內(nèi)流傳。

這不僅是一個技術(shù)問題，更是一個系統(tǒng)工程問題。

算網(wǎng)融合：突破算力瓶頸的新路徑

AI大模型訓(xùn)練是當(dāng)前智算中心最重要的應(yīng)用場景。根據(jù)AI大模訓(xùn)練的規(guī)模化法則（Scaling Law），模型性能與其規(guī)模、數(shù)據(jù)集大小以及算力之間存在的冪率關(guān)系，即隨著三者的增長，模型性能也會隨之增長。但反過來，一旦其中一個環(huán)節(jié)遇到瓶頸，那么模型性能的增長也會受限。

對于算力來說，雖然理論上可以通過不斷拓展芯片數(shù)量來達(dá)到更高的算力規(guī)模。但在實(shí)際的AI訓(xùn)練過程中，節(jié)點(diǎn)之間的數(shù)據(jù)交換頻率極高。一旦各個節(jié)點(diǎn)——芯片、服務(wù)器、機(jī)柜之間的通信成為瓶頸，整個訓(xùn)練過程就會大幅拖慢，甚至中斷。

因此，“算網(wǎng)融合”成為了行業(yè)追求的目標(biāo)。所謂算網(wǎng)融合，就是把網(wǎng)絡(luò)作為核心環(huán)節(jié)納入AI系統(tǒng)的整體設(shè)計中。通過構(gòu)建高速、低延遲、無丟包的通信環(huán)境，讓算力真正“流動起來”，而不是被困在節(jié)點(diǎn)之間。

為了解決這個問題，算力產(chǎn)業(yè)巨頭紛紛各出奇招。比如行業(yè)內(nèi)某企業(yè)推出了自有的平臺體系，通過專有網(wǎng)絡(luò)，以成熟的銅纜網(wǎng)絡(luò)大大提升了其圖形處理芯片之間的通信效率，并且一度帶動了銅價大漲。

而在芯片、通信領(lǐng)域均掌握有核心技術(shù)的華為也獨(dú)辟蹊徑，推出“星河AI網(wǎng)絡(luò)”，提供了一個典型的實(shí)踐樣本。其采用業(yè)界公用的ROCE無損網(wǎng)絡(luò)技術(shù)，結(jié)合自研的NSLB算法，以創(chuàng)新的光通信網(wǎng)絡(luò)實(shí)現(xiàn)了接近98%的通信吞吐率，大幅提升了訓(xùn)練效率。同時，通過光模塊亞健康檢測、丟包可視化等智能運(yùn)維手段，也讓網(wǎng)絡(luò)的穩(wěn)定性得到了保障。

星河AI網(wǎng)絡(luò)支持200G/400G高速互聯(lián)，具備大規(guī)模組網(wǎng)能力。在萬卡級別集群中，依然能保持穩(wěn)定的通信帶寬與低延遲表現(xiàn)，滿足千億參數(shù)模型的訓(xùn)練需求。其業(yè)界領(lǐng)先的雙層收斂網(wǎng)絡(luò)架構(gòu)，可以大幅降低調(diào)優(yōu)難度，提升集群整體的可用性。

對于大規(guī)模智算集群的算力能力衡量，星河AI網(wǎng)絡(luò)給出了明確的算力公式：集群總算力=單芯片算力x集群規(guī)模x有效算力效率x可用率。其中，有效算力效率指網(wǎng)絡(luò)吞吐、性能加速能力；算力可用率則指算力穩(wěn)定性，以月為單位計算。

結(jié)合強(qiáng)大的網(wǎng)絡(luò)通信能力，昇騰智能芯片通過華為集群通信庫和作業(yè)調(diào)度平臺，整合HCCS、 PCIe 和 RoCE 三種高速接口，實(shí)現(xiàn)集群級互聯(lián)，充分釋放出強(qiáng)大性能，幫助客戶實(shí)現(xiàn)更快的進(jìn)行圖像、語音、自然語言等 AI 模型訓(xùn)練或推理應(yīng)用。

基于昇騰智能芯片的CloudMatrix 384（CM384）采用全連接拓?fù)浣Y(jié)構(gòu)連接384顆昇騰芯片，可提供約300 PetaFLOPS的BF16精度總計算能力。通過采用400G CPO（計算處理器接口），CM384可以大幅增強(qiáng)網(wǎng)絡(luò)性能，優(yōu)于傳統(tǒng)服務(wù)器設(shè)計中的PCIe解決方案，行業(yè)認(rèn)為其非常適合快速擴(kuò)大我國計算能力供應(yīng)以滿足當(dāng)前AI算力的需求。

目前，星河AI網(wǎng)絡(luò)與昇騰處理器已在多個大型智算中心落地實(shí)踐，包括互聯(lián)網(wǎng)頭部企業(yè)、運(yùn)營商、金融及能源行業(yè)的客戶。在某萬卡集群項(xiàng)目中，華為成功部署了超過9000張NPU卡、數(shù)百臺交換機(jī)和數(shù)十PB存儲設(shè)備，構(gòu)建起全球領(lǐng)先的AI訓(xùn)練平臺。

極致密碼：能效、運(yùn)營、生態(tài)協(xié)同

對于一個正在上升期的產(chǎn)業(yè)來說，性能是核心問題，但并不是全部。擺在當(dāng)前算力產(chǎn)業(yè)者面前的，還有綠色發(fā)展、高效運(yùn)營、產(chǎn)業(yè)合作等眾多難題需要突破。

AI芯片的功耗持續(xù)攀升，單臺服務(wù)器的功率已超過10kW，整機(jī)柜甚至達(dá)到幾十、上百千瓦。傳統(tǒng)的風(fēng)冷方案越來越吃力，供電系統(tǒng)也面臨極限挑戰(zhàn)。與此同時，國家“雙碳”目標(biāo)對數(shù)據(jù)中心的PUE提出了更高要求。

國家發(fā)改委發(fā)布的《數(shù)據(jù)中心綠色低碳發(fā)展專項(xiàng)行動計劃》明確要求，到 2025 年底，全國數(shù)據(jù)中心布局更加合理，整體上架率不低于 60%，平均電能利用效率降至 1.5 以下，可再生能源利用率年均增長 10%，平均單位算力能效和碳效顯著提高。

在這種壓力下，液冷、風(fēng)液混合制冷、動態(tài)能效調(diào)節(jié)等技術(shù)開始走向主流。華為提出的目標(biāo)是PUE≤1.15，追求“極致能效”。通過精準(zhǔn)控制冷卻系統(tǒng)，結(jié)合負(fù)載感知機(jī)制，實(shí)現(xiàn)從芯片到機(jī)房的全鏈路節(jié)能。

而當(dāng)集群規(guī)模達(dá)到萬卡級別，任何一次人為干預(yù)都可能帶來巨大的時間成本。傳統(tǒng)依賴經(jīng)驗(yàn)判斷和人工排查的方式，已經(jīng)無法適應(yīng)AI數(shù)據(jù)中心的高可用性需求，智算中心必須有符合其“智能”定位的智能運(yùn)營模式。

就此，華為引入了AI Agent智能運(yùn)維模式，實(shí)現(xiàn)了端到端的自動故障處置。通過CCAE一體化運(yùn)維工具，配合圖形化流量分析、丟包監(jiān)控等功能，華為智能運(yùn)維平臺可將平均修復(fù)時間（MTTR）從30分鐘壓縮到5分鐘以內(nèi)。

然而，數(shù)據(jù)中心內(nèi)部的技術(shù)再先進(jìn)，產(chǎn)業(yè)卻時刻需要面對一個更深層次的問題：供需錯配。一邊是大量昂貴的算力建設(shè)完成，另一邊卻是應(yīng)用場景不足、資源利用率低下。尤其是在中小企業(yè)和垂直行業(yè)中，AI落地仍面臨門檻高、適配難、維護(hù)難等問題。

這反映出當(dāng)前AI產(chǎn)業(yè)鏈的一個結(jié)構(gòu)性問題：上下游尚未形成合力。芯片廠商、軟件平臺、云服務(wù)商、終端設(shè)備商各自為戰(zhàn)，缺乏統(tǒng)一標(biāo)準(zhǔn)和協(xié)作機(jī)制。

面對這一局面，華為采取開放心態(tài)，從軟硬件到商業(yè)合作，促進(jìn)生態(tài)上下游廠商共同合作，推動AI向更多場景滲透。技術(shù)只是基礎(chǔ)，只有形成閉環(huán)、構(gòu)建生態(tài)，才能真正釋放AI的價值。

回望來路，AI的發(fā)展不僅改變了我們對智能的理解，也在重塑整個數(shù)字基礎(chǔ)設(shè)施的面貌。數(shù)據(jù)中心不再只是“幕后英雄”，而是承載著創(chuàng)新、決策和產(chǎn)業(yè)升級的重要平臺。在這場基礎(chǔ)設(shè)施的重構(gòu)中，包括華為在內(nèi)的產(chǎn)業(yè)參與者都在做著自己的探索，他們的每一步都在指向一個更成熟、更可持續(xù)的AI基礎(chǔ)設(shè)施體系，為了AI真正走向產(chǎn)業(yè)、走進(jìn)生活貢獻(xiàn)自己的力量。

為了更好的聯(lián)合產(chǎn)業(yè)上下游，打造完善的智算生態(tài)，推動算網(wǎng)融合技術(shù)發(fā)展，由華為技術(shù)有限公司與中國IDC圈聯(lián)合主辦的“2025智算行業(yè)峰會——算網(wǎng)融合與數(shù)據(jù)中心創(chuàng)新論壇”將于2025年5月27日在北京舉辦，誠邀產(chǎn)業(yè)各界從業(yè)者共同參與，攜手推動我國智算產(chǎn)業(yè)發(fā)展。

了解會議詳情&報名參會請參考下圖