核心觀點：

云計算經歷了資源云化（2006-2013）、云原生化（2013-2020）、算力泛在化（2020-2023）等階段，隨著人工智能與算力網絡深度融合，已邁入智算云階段；

智算云通過AI原生的調度平臺，能夠高效管理異構算力資源，并支持多租戶環境下的彈性伸縮；

智算云是為AI高性能計算提供智算服務，主要以算力使用計費，如九章智算云創新提出“1度算力=312TFLOPS×1小時”的計費模式；

2024年中國國產智算云服務市場規模為161.3億元，同比增長80.2%；

國內智算云服務市場形成了以傳統云廠商、運營商、AI廠商等為主要參與者的競爭格局，其中，AI廠商通過“小而精、深垂直、重落地”的戰略模式，在智算云市場中形成了對傳統云廠商的有效補位。

行業概述

（1）定義

智算云指專為AI任務設計，采用高性能硬件（如GPU、TPU）和低延遲網絡（如Infiniband），支持大規模并行計算的一種新型云服務模式，廣泛應用于AI相關的場景，如智能制造、智能城市、金融服務和個性化推薦系統。

智算云通過AI原生的調度平臺，能夠高效管理異構算力資源，并支持多租戶環境下的彈性伸縮。綜合來看，智算云的主要特點為：專注AI高性能計算、異構算力資源池化、支持多租戶環境下的彈性伸縮。

（2）組成

智算云通常由四層架構組成，即基礎資源層、工程平臺層、模型服務層和智算應用層。

基礎資源層：提供算網一體化供給的基礎設施服務，主要具備AI異構算力調度管理和算力資源虛擬化的功能。

工程平臺層：面向各類AI開發者提供工具平臺服務，覆蓋AI研發、運營、測試等全鏈條工具和開發環境。

模型服務層：匯聚并開放大模型能力，支持模型微調、推理API調用。

智算應用層：提供覆蓋多樣化場景的AI應用服務，支持SaaS、私有化、云邊協同等應用模式。

圖1：智算云組成架構

來源：中國信通院

（3）關鍵技術

1）算力技術：異構算力資源池化技術

人工智能模型在運行時會涉及多種類型的計算任務，異構算力資源池化技術可以應對計算多樣性的問題、并促進算力利用最大化。異構AI算力資源池是指將不同類型和能力的計算資源（CPU、GPU、FPGA、ASIC等）整合在一起，通過智能調度和管理，提供高效、靈活、可擴展的AI算力服務的系統。

圖2：OrionX AI算力異構池化軟件

來源：趨動科技OrionX

2）存儲技術：多級緩存架構

隨著 AI 大模型應用及訓推場景的爆發式增長，GPU 顯存和宿主機內存容量有限、本地及網絡持久化存儲性能不足等問題凸顯。多級緩存通過按速度和容量構建分層緩存體系，可以優化數據訪問效率、提升算力資源利用率。其核心思想是：用更快的存儲介質緩存熱點數據，讓高頻訪問的數據離計算單元更近。

圖3：多級緩存的交互流程

來源：阿里云

3）網絡技術：互聯技術與算網一體

AI大模型以GPU集群分布式訓練為基礎，要求智算云系統通過卡間互聯、機間互聯等互聯技術構建強大的互聯網絡，同時依托算網一體技術將計算資源與網絡架構深度融合，以滿足AI大模型訓推對算力基礎設施的極致性能需求。

互聯技術：主要包括卡間互聯與機間互聯。卡間互聯，是指通過NVLink、CXL等高速接口技術實現同一計算節點內多顆AI芯片間的低延遲數據互通，讓芯片間能快速同步模型參數、交換計算中間結果；機間互聯則是借助光互連網絡、高速以太網等技術構建跨服務器的數據傳輸通道，解決多臺計算節點間大規模數據交互的帶寬瓶頸，使分散在不同機器上的模型部件能協同工作。

圖4：卡間互聯與機間互聯

來源：中移智庫

算網一體：通過敏捷、可靠、智能、安全的網絡設施連接中心和邊緣計算設施，實現多層次算力資源統一編排管控，使網絡不再僅是數據搬運的管道，更能與計算過程動態協同。例如在數據傳輸中同步完成預處理、根據網絡拓撲優化算力調度路徑，甚至讓邊緣網絡節點承擔部分輕量化計算任務等。

圖5：算網一體架構

來源：全棧云技術架構

4）訓練技術：異構混合并行

隨著智算集群由萬卡向超十萬卡規模演進，集群與單廠商綁定存在較大供應鏈風險，同時技術棧封閉，資源利用率較低，不利于構建良性智算生態。異構混合并行訓練技術通過非均勻計算任務切分、高速通信機制實現大模型訓練任務在跨架構上的分布式并行加速，以提升多樣性算力資源利用率，實現低損耗、高效率的訓練。

圖6：異構混合并行訓練架構

來源：中移智庫

（4）類型

智算云從部署模式劃分，主要分為公有云、私有云、社區云和混合云。

表1：智算云分類

來源：融中咨詢

行業發展歷程

云計算的發展歷程可以追溯到20世紀60年代的分時系統和效用計算等概念，但直到21世紀初，云計算才開始真正興起并得到廣泛應用。云計算經歷了資源云化（2006-2013）、云原生化（2013-2020）、算力泛在化（2020-2023）等階段，隨著人工智能與算力網絡深度融合，已邁入智算云階段（當前）。

資源云化（2006-2013）：通過虛擬化技術將物理計算、存儲、網絡資源池化，提供按需、彈性的IT基礎設施服務（IaaS），開啟了云計算的序幕。2006年Google首席執行官埃里克·施密特首次提出“云計算”的概念，同年亞馬遜推出了IaaS服務平臺AWS；2009年阿里云創立，2010年微軟發布Azure云平臺，傳統IT企業加速入局。

云原生化（2013-2020）：以容器化、微服務架構和動態編排為核心，構建和運行天生適合云環境、可擴展且敏捷的應用（PaaS）。2013年Docker開源容器技術，2014年Kubernetes發布成為容器編排事實標準；2016年阿里云成為全球第三大云服務商；2018年AWS Lambda推動無服務器架構普及，進一步降低開發門檻；2019年天翼云首次進入公有云IaaS市場前三。

算力泛在化（2020-2023）：依托算網融合技術（如移動云“算網大腦”），實現中心云、邊緣節點與終端設備的全域算力協同調度，支撐低時延場景需求。2020年5G商用加速，中國移動發布“云網一體”技術內核；2022年“東數西算”工程全面啟動，推動算力資源跨區域調度。

智能化（2023-當前）：AI與云深度融合，云計算從資源供給轉向智能生產力平臺，提供“算力+數據+模型”一體化服務。2023年AI相關云服務增速超50%[1]；天翼云布局全國建設“2+3+7+X”公共智算云池，2024年天翼云“息壤”平臺升級為訓推一體化智算服務；2025年浙江出臺智算云發展政策，目標建成60EFlops公共智算規模，首次以省級政策推動智算云成為AI基礎設施[1]。

服務模式及商業模式

（1）服務模式

區別于傳統云計算的三大服務模式IssS、PaaS和SaaS，智算云在此基礎上與AI深度融合升級，形成AI-IssS（基礎資源層）、AI-PaaS（工程平臺層）、MaaS（模型服務層）和AI-SaaS（智算應用層）四種新模式。

表2：對比AI-IssS、AI-PaaS、MaaS和AI-SaaS

來源：融中咨詢

在人工智能體系架構中，MaaS處于應用層和基礎設施層之間，與云計算架構相比，對其原有的平臺層和應用層進行了增強與補充。

一方面，MaaS增強了平臺層能力，首先通過對模型訓練框架、工具等進行抽象和服務化，使得用戶可以直接構建、使用或基于模型再次調優；同時MaaS-補充了模型層能力，對模型及服務進行集約化管理，為用戶提供可直接調取的AI能力。另一方面，MaaS對應用層進行了補充，支持用戶基于多種模型服務及組件進行編排或開發。

圖7：MaaS定位與比較示意圖

來源：中國信通院

（2）商業模式

云計算的商業模式是以資源用量計費為主，可按需提供、按需付費。用戶無需自建設施、平臺與應用，就可使用相關資源，實現資源的動態調配和聚合[2] 。

圖8：云計算產業商業模式對傳統IT商業模式的改變

資料來源：慧博投研

相較傳統云以CPU時長、存儲空間等用量計費，智算云是為AI高性能計算提供智算服務，主要以算力使用計費，如九章智算云創新提出“1度算力=312TFLOPS×1小時”的計費模式。

應用落地情況

（1）行業落地情況

從行業應用落地情況來看，2023年以泛互聯網、電商為代表的互聯網原生行業數字化、信息化程度較為領先，占市場總額的1/3左右。以政務、金融、工業制造為代表的傳統行業呈追趕狀態，隨著“上云用數賦智”理念深入，用云量規模將不斷擴張。

圖9：中國2023年行業用云量占比

來源：融中咨詢

在智能計算服務云化部署方面，2024年圖形渲染、AI推理等場景云化部署比例較高，均超過25%，生物科學、科學計算等場景因受其計算范式所限，多使用本地部署的智能算力，云化部署比例在10%-20%之間。

圖10：智能計算服務云化部署比例

來源：中國信通院

（2）地區落地情況

從地區用云量來看，截至2024年全國大部分省份已完成初步上云，用云水平深度與數字經濟發展成正相關。用云量第一梯隊主要集中在京津冀、長三角、珠三角等地，東南地區用云量明顯高于中西部地區。此外，公開數據顯示部分省份存在云資源供需不平衡的情況，例如貴州、寧夏、內蒙古等省份的供云量遠高于其用云量，川渝地區的用云量則高于其自身供云量。

圖11：中國2023年31個省(自治區、直轄市)用云量指數

來源：中國信通院

產業鏈分析

智算云綜合了軟硬件與平臺服務，其產業鏈覆蓋從基礎設施、云服務平臺及解決方案到行業應用的多層次生態體系。

上游：主要包括相關軟硬件及服務器、路由器、中繼器等IT基礎設施。參與者主要包括寒武紀、華為昇騰等軟硬件供應商，浪潮電子、中興通訊等IT基礎設備制造商。

中游：主要包括智算云平臺以及其提供的相關服務。參與者主要包括阿里云、騰訊云、華為云、天翼云、移動云、九章云極等云服務提供商。

下游：主要包括公眾用戶和政企用戶兩大類，智算云通過終端及服務廣泛應用于互聯網、金融、公共事業、電信等領域。

圖12：大模型產業鏈圖譜

資料來源：融中咨詢

市場規模

隨著千億參數大模型等AI技術的迅猛發展，傳統云服務體系在算力、網絡架構、服務形態上面臨嚴峻挑戰。在此背景下，更適應AI發展的智算云服務市場進入快速增長期。2024年中國國產智算云服務市場規模為161.3億元，比2023年增長80.2%。

圖13：國產智算云服務市場規模

資料來源：融中數據

從服務模式來看，AI推動市場增長點向PaaS、SaaS上移。2023年我國IaaS市場增速達到38.5%，市場總額達3383億元；PaaS市場達598億，同比增長74.9%，得益于公有云出海業務及AI發展的需求，預計PaaS領域產品將持續增加；SaaS市場滲透率逐年提升，2023年市場總額達到581億元，增長率為23.1%。未來，隨著AI大模型進入商業落地階段，預計大量中小型創新企業和投資公司涌入SaaS領域，商業化應用將全面發展[3]。

圖14：中國2024年云計算細分領域市場規模及增速(億元)

資料來源：中國信通院

競爭格局與典型企業

（1）競爭格局分析

國內智算云服務市場形成了以傳統云廠商、運營商、AI廠商等為主要參與者的競爭格局。傳統云廠商（如阿里云、騰訊云、華為云、百度云）專注于互聯網、金融、制造等高算力場景，通過全棧自研技術和生態開放策略，加速AI平臺服務化（AIPaaS），降低企業開發門檻，其優勢在于龐大的流量基礎、技術迭代速度快、軟硬件生態整合及規模效應。三大運營商（移動云、聯通云、天翼云）專注點聚焦政務云、央國企云化及安全可控領域，其優勢在于政策支持、云網融合能力及國產化算力資源。例如，中國電信天翼云加快構建覆蓋全國的公共智算云池，2024年政務云項目中標率超35%[4]。AI廠商在智算云市場中形成了對傳統云廠商的有效補位，通過“小而精、深垂直、重落地”的戰略模式，搶占政務、工業、金融等關鍵應用場景。例如，九章云極以自研的智算操作系統和智算云平臺為基礎，面向大模型訓練與推理場景，為高校、科研機構、工業制造、能源等領域提供標準化、可彈性擴展的GPU云服務。

智算云行業屬于資金、技術密集型產業，行業進入壁壘相對較高。根據同花順iFinD統計數據，國內云計算IaaS/PaaS的CR5均超70%，市場集中度較高，龍頭企業占據較大市場份額。

圖15：laaS、SaaS、PaaS行業集中度(CR5)

資料來源：iFinD

（2）代表企業分析

1）傳統云廠商

阿里云：

阿里云是阿里巴巴集團子公司，創立于2009年。阿里云擁有全球化部署能力的通用云計算操作系統“飛天”，可支撐IaaS、PaaS、SaaS及MaaS等全棧云服務，并支持公有云、私有云與混合云等多種部署模式。在“飛天”系統對計算、存儲與網絡資源的統一調度下，阿里云已構建起覆蓋全球70多個國家和地區的內容分發網絡（CDN），擁有超過3200個海外邊緣節點和2300個國內節點，實現全球內容高速分發能力。

技術上，阿里云具備從底層芯片到平臺軟件的全棧自研能力，核心成果包括含光AI芯片、倚天710CPU、神龍計算架構以及PAI一站式AI開發平臺。

生態控制上，依托阿里集團“云+電商+支付”的業務協同體系，阿里云推進“云釘一體”戰略，顯著提升了 PaaS 層的盈利能力，其毛利率顯著高于行業平均水平，體現出平臺級云服務的生態協同效應。

百度智能云：

百度云是百度旗下產品，于2015年正式對外開放運營。百度智能云以“云智一體”為核心戰略，融合云計算、大數據與人工智能能力，面向企業與開發者提供全棧式服務與高效開發工具。

在基礎設施方面，百度在陽泉建設了亞洲領先的大規模智算中心，為大模型訓練和推理提供強勁算力支撐。

在自研技術層面，其核心產品矩陣涵蓋自研AI芯片“昆侖芯”、AI大底座模型平臺以及百舸AI異構計算平臺，構建起從芯片到框架的完整AI技術棧。

此外，百度智能云具備較高的性價比，其AI資源包定價相對較低，為企業智能化轉型提供了更具成本優勢的解決方案。

騰訊云：

騰訊云成立于2010年，是騰訊集團旗下的云計算與人工智能科技公司。騰訊云構建了“算、存、網、數、安”一體化的全棧智算框架，提供強大的底層技術支撐。算力方面，依托高性能計算集群HCC構建核心算力底座；在存儲與網絡層，集成自研星脈網絡（IHN）與高并發文件系統TurboFS，實現高速數據傳輸與存儲調度。同時，借助TACO加速框架和 qGPU 算力共享技術，進一步提升大模型訓練效率與資源利用率。騰訊云的基礎設施覆蓋了全球五大洲21個地區，運營56個可用區，部署超過3200個加速節點，并具備200T的帶寬儲備。

在平臺能力方面，騰訊云依托專有云平臺TCE/TCS提供覆蓋數據清洗、模型訓練、推理部署的全生命周期AI解決方案。

憑借社交與游戲業務長期積累的高并發技術能力，騰訊云持續拓展企業級市場，并通過“公有云優先”策略和定價優化加快市場滲透。依托微信與企業微信生態，其將AI工具鏈與SaaS應用深度融合，實現如騰訊會議日志分析等場景的智能化升級。

華為云：

華為云是華為公司旗下的云計算服務品牌。華為云以昇騰AI云服務為核心，構建起從基礎設施到應用層的全棧智算能力。華為云代表性產品包括：面向大模型訓練的商用超大規模超節點集群Cloud Matrix-384，自主研發的軟件開發工具鏈CodeArts，自主可控的分布式數據庫GaussDB，以及完整的云原生安全體系和多行業解決方案。

華為云的核心競爭優勢在于全棧技術能力與國產化生態。依托華為在ICT領域超過30年的研發積累，構建起涵蓋昇騰AI芯片、鯤鵬CPU、鴻蒙操作系統在內的自主可控技術體系，全面支撐“東數西算”“數字中國”等國家級戰略工程。

在政務云領域，華為云已連續七年位居市場份額第一，服務范圍覆蓋40多個國家部委及省級重大項目。2024年，華為云整體市場份額躍居國內第二，昇騰AI云服務收入同比增長6倍，海外公有云收入增幅超過50%。

金山云：

金山云成立于2012年，2017年起布局AI。依托金山集團資源，金山云在視頻云、行業云（如醫療、金融）等場景深耕；依托小米生態的深度賦能，金山云在邊緣計算和AIoT領域表現出色。

金山云智算云產品主要包括智算平臺、智算網和異構資源管理的專屬層。其中，智算平臺主要圍繞數據平臺、訓練平臺、推理平臺及存儲平臺進行建設；智算網提供多種組網架構，并通過自研的RoCE網絡監控平臺提供網絡視圖；服務層整合了服務器、云網絡、容器及高性能對象存儲和多款Serverless形態數據類產品。

圖16：金山智算云產品架構圖

資料來源：金山云

通過與小米聯合開發“1KM邊緣計算”解決方案，金山云將億級小米IoT設備轉化為邊緣節點，構建“云+億級終端”的分布式算力網絡，使其在智能家居、車聯網等實時數據處理場景中形成技術壁壘。

2）運營商

天翼云：

天翼云是中國電信旗下的云計算品牌，成立于2012年，2024年營收突破1139億元，超越阿里云登頂國內云服務市場榜首。

天翼云針的核心產品服務以“息壤”算力調度平臺、“云驍”云智超一體化平臺及“慧聚”一站式智算平臺為支柱，構建覆蓋全國的“2+3+7+X”智算資源池，通過全棧國產化技術底座支撐政務“慧澤”等垂直行業解決方案。

天翼云差異性競爭優勢在于云網融合壁壘和合規優勢。天翼云2025年上半年斬獲全國65%的政務云訂單，在31個省級政務云平臺中占據27席；依托中國電信的5.2萬個邊緣節點和3000余個IDC機房，天翼云可將時延控制在10毫秒內的服務覆蓋全國90%縣域，實現強大的云網協同能力。

圖17：天翼云4.0分布式云技術

資料來源：天翼云

移動云：

移動云是中國移動旗下的云服務品牌。2025年，其工業云平臺已接入超過1.2億臺設備，在智能制造領域市場份額達到29%，超越騰訊云，位列行業第三。

在產品體系方面，移動云構建了覆蓋 AI-IaaS、AI-PaaS、AI-SaaS 和 MaaS 的全棧服務能力，通過智算平臺提供模型開發、訓練、部署的一體化支持。同時，移動云依托“算網大腦”實現對全國算力資源的智能調度，提供“一點接入、即取即用”的社會級算力服務。借助邊緣智能小站，移動云實現本地數據處理和超低時延響應，滿足邊緣場景下的高效計算需求。

移動云的核心優勢在于其差異化的邊緣節點布局與云網融合能力。移動云的“云專網+邊緣節點”打包銷售策略有效推動5G專網客戶轉化率提升至58%；同時，通過“算力網絡”戰略，采用算力并網調度技術，將社會閑置算力利用率從12%提升至35%，顯著增強了在AI算力服務市場的資源整合與租賃競爭力。

圖18：移動云全國算力資源布局

資料來源：移動云

聯通云：

聯通云是中國聯通集團統一運營的云計算品牌，前身為2013年推出的“沃云”，于2021年正式升級為“聯通云”，目前已成為中國專屬云服務市場的重要參與者。

聯通云的核心產品體系包括星羅算力調度平臺、全棧AI平臺以及多層次的混合云解決方案。其中，星羅算力調度平臺基于聯通云7.0全棧底座，支持“中訓邊推、西訓東推”的智能調度策略，實現訓練與推理的閉環協同；全棧AI平臺整合AICC集群、AICP平臺及AI邊緣一體機，構建端-邊-云融合的AI能力體系；混合云方案基于“央企統一云平臺 + 多行業云 + 私有云”架構，提供豐富的行業級應用，具備快速部署能力。

聯通云在智算云領域的核心競爭力體現于“云、網、智、安”的一體化架構。其自研AI算力調度引擎支持跨邊緣—區域—中心云的智能任務分發；“智鏈協同云”與“智能視頻云”平臺廣泛應用于政務智能決策、工業視覺質檢等場景，實現毫秒級推理響應；“數據安全流通平臺”則實現跨域數據的全鏈路加密傳輸，基于等保三級與國密算法，構建運營商級安全保障體系。

3）AI廠商

九章云極：

九章云極創立于2013，是一家人工智能基礎設施及智算云提供商。公司旗下擁有九章智算操作系統（AIayaNeW OS）、九章智算云（Alaya NeWCloud）等品牌，主要提供面向大模型訓練和推理的GPU云服務。

九章智算操作系統（Alaya NeW OS），支持分布式任務調度、容器化部署、異構算力調配、故障感知、跨區域協同等功能，平臺同時兼容國內主流GPU/NPU芯片，支持昇騰、天垓、海光、云燧等硬件，在算力國產化、信創生態適配方面具備較強能力。

九章云極提供的GPU云平臺支持主流AI框架和多種異構算力資源，具備較強的彈性擴展能力，核心產品九章智算云（Alaya NeW Cloud）基于Serverless架構+強化學習技術，定價策略上創新推出“一度算力”按量計費模式，讓算力資源如同水、電、燃氣等社會基礎資源一樣普惠，來滿足不同規模用戶的精細化使用需求。公司智算云服務覆蓋多個垂直應用場景，包括但不限于科研、高校、制造、能源、影視、教育等領域。

圖19：九章云極智算中心布局

資料來源：九章云極

總體來看，九章云極以自研的智算操作系統和智算云平臺為基礎，面向大模型訓練與推理場景，提供標準化、可彈性擴展的GPU云服務。其核心優勢包括支持Serverless架構、異構資源調度、分布式部署、按需計費、高性價比，以及覆蓋多行業場景的廣泛適用性。

商湯科技：

商湯科技成立于2014年，其智算云業務主要依托自主研發的SenseCore AI大裝置。商湯智算云的SenseCore大裝置，硬件層以上海臨港智算中心為核心節點，布局全國13個智算節點，構建分布式高性能基礎設施；軟件層基于自研的“光啟”AI原生操作系統，融合“光計算+存算一體”技術架構，實現智能調度與高效資源管理，同時，系統內置聯邦學習沙箱，用于提升多方數據協作中的隱私保護能力；應用層則提供“萬象平臺”，為企業與開發者提供模型管理、推理部署與微調優化等一站式AI服務。

垂直行業應用上，商湯智算云在醫療場景表現突出。其面向醫療行業推出的 SenseCare 平臺，依托超過500項AI醫學影像相關專利，在多項臨床圖像識別測試中與西門子醫療等國際領先廠商相比具備明顯競爭力。

并行科技：

并行科技成立于2007年，主要為科研和企業用戶提供超算和智算算力服務。公司以HPC和AI技術優勢及海量算力資源池為依托，打造了“并行智算云”、“并行智造云”、“并行超算云”、“設計仿真云”、“算力調度軟件”、“算力運營服務”等核心產品。

并行智算云具有裸金屬、高性能集群、云主機和容器等多種產品形態，預置TensorFlow和PyTorch等框架、支持多機多卡調度，配套7×24小時在線專家團隊提供AI服務支持，可滿足大規模預訓練、微調、高并發推理和高精度科學計算中對計算、存儲、網絡等環節的多樣性需求。

并行科技構建了以“應用運行特征”為核心的服務體系，推出“算力買手”模式。該模式通過分析用戶應用特征，從全國數百智算中心、上千集群中篩選可用、性能達標且性價比最優的算力資源，并按任務總成本排序推薦，助力用戶降本提效。公司提供的算力解決方案主要應用于人工智能、智能制造、生命科學、地球科學、教育科研等領域。

政策與融資動態

（1）政策環境

近幾年，中國陸續出臺針對智算云行業的支持性政策，統籌技術研發、基礎設施建設和普惠性發展；同時強化國產化替代、數據安全與資源集約管理，并通過綠電配置、分時電價等要求約束能耗，推動低碳化發展。

表3：智算云行業相關支持政策

來源：融中咨詢

（2）資本動態

投資活躍度近年來有下降的態勢。2016和2017年，中國云計算投資事件數量達到頂峰，均為294件；2019年，中國融資金額達到534億元，為近年來最大值。2024年投融資事件減少至65起，融資金額下降至45.98億元，較前幾年有較大幅度下滑。反映傳統云市場進入存量整合階段，市場進入更注重質量與價值發展，智算云有望成為新的增長動力。

圖20：中國2015-2024年云計算投融資情況

來源：融中數據

未來發展趨勢

未來智算云的發展趨勢主要體現在關鍵技術、產業建設、基礎設施等幾個方面。

計算技術方面：量子計算、存算一體等技術將成為新型計算范式。量子計算以量子比特為基本單元，利用量子疊加和干涉等原理實現并行計算，能在某些計算困難問題上提供指數級加速，為高算力需求領域提供新方案；存算一體技術將存儲與計算完全融合，存儲器中疊加計算能力，可以緩解經典馮·諾依曼架構下存儲與計算分離導致的“存儲墻”問題，系統性提高 AI 芯片算效。

圖21：經典計算與量子計算的對比

來源：電子學報

圖22：馮諾依曼體系結構與存算一體計算結構對比

來源：電子學報

網絡技術方面：泛在算力網絡與云邊端協同是主要發展方向。隨著算力從中心云向邊緣延伸，借助5G-A、F5G等網絡技術，邊緣計算與中心云算力形成動態資源池，實現毫秒級數據交互；通過云邊端協同架構，智算云可覆蓋工業控制、智慧城市等高并發場景，構建全域算力網絡。

圖23：基于云邊協同的數據通信網絡架構

來源：applied sciences

生態建設方面：以“一云多芯”為核心構建開放生態。“一云多芯”是指用一套云操作系統來管理不同架構的硬件服務器集群，可以支持多種類型的芯片。同時，通過開源社區和跨行業協作構建技術標準，配合算力券、模型券等政策支持，促進中小企業上云，整合算力資源，構建多元開放生態。

基礎設施方面：互聯化升級，萬卡級超大規模集群調度技術成為突破重點。上海提出攻關分布式彈性調度系統，目標將萬億參數模型訓練周期從數周縮短至數日；中國電信在北京、上海部署液冷DC艙的萬卡智算中心，通過“魔方”設計實現高吞吐無損通信；中國信通院牽頭成立“萬卡智算集群服務推進方陣”，推動全國智算調度網絡構建。