白皮书由中国科学技术信息研究所、新一代人工智能产业技术创新战略联盟等联合发布，聚焦人工智能计算中心从独立系统向算力网络演进的新趋势，剖析全球发展现状、国内建设特点与核心需求，提出网络化发展的路径与建议。
⠀
- 战略与政策支持
- 全球主要国家均将人工智能计算中心列为新型基础设施重点，美国、欧洲、日本、中国等加速布局，以抢占科技与产业制高点。
- 各国技术路线分化：美国依托 NVIDIA、Intel 等企业优势，聚焦超大规模计算中心；欧洲推进本土芯片研制与成熟技术并行；日本采用富士通等本土 IT 企业路线；中国坚持自主技术路线，以华为昇腾、寒武纪思元等国产芯片为主。
- 建设规模与成效
- 美国：橡树岭国家实验室 Summit 算力达 3.4 EFLOPS，阿贡国家实验室规划近 10E AI 算力的 Aurora 系统，覆盖医学、工程学等领域。
- 欧洲：意大利 Leonardo 系统算力 10 EFLOPS，瑞士 Alps 系统预计达 20 EFLOPS，支撑气候、生命科学等多领域研究。
- 中国：深圳鹏城云脑 Ⅱ、武汉人工智能计算中心等已投运，成都、南京等城市在建，北京、上海等多地规划中，形成 “政府主导、企业运营、应用导向” 的建设格局。
- 政府主导，自主创新
- 各地政府统筹规划，出台专项政策支持建设，立足自主技术路线应对卡脖子风险，保障产业健康发展。
- 鹏城云脑 Ⅱ 基于昇腾 AI 平台，算力达 E 级，支撑鹏程・盘古等大模型研发，创下多项世界记录。
- 企业主体，市场化运营
- 计算中心建设与运营同步启动，成立专门运营公司，开展算力调研、需求对接与生态孵化，实现 “上线即饱和” 运营。
- 武汉、南京等城市通过政策引导与市场调研，快速识别算力需求，孵化出多个行业创新方案。
- 应用导向，赋能产业
- 打造公共服务平台，汇聚科研、产业资源，推动产学研用融合，赋能遥感、智能音视频、医疗等特色领域。
- 武汉人工智能计算中心支撑武汉大学开发全球首个遥感影像专用 AI 框架，中科院自动化所发布跨模态大模型 “紫东・太初”。
- 适配 “大模型 + 大数据 + 大算力” 趋势
- 超大规模预训练模型算力需求从 PFLOPS 级升至 EFLOPS 级，2030 年 AI 计算总量预计达 105 ZFLOPS，需通过网络化汇聚算力与数据。
- 国内数据集建设分散，缺乏统一标准与流动机制，需算力网络打破数据孤岛。
- 满足区域产业赋能需求
- 各区域形成特色产业集群，需通过算力网络部署异地大模型，促进行业应用流动与快速迭代，支撑实体经济智能化转型。
- 契合 “双碳” 目标要求
- 人工智能计算中心能耗总量持续增长，存在业务波动导致的能耗闲置问题，需通过跨中心算力调度削峰填谷，提升能耗利用率。
- 核心概念与架构
- 概念：以新型网络技术连接各地计算中心，动态感知、调度算力资源，实现算力、数据、算法、应用的共享协同，是多资源深度融合的新范式。
- 架构：涵盖算网一体基础设施（计算与网络融合）、统一运营多维调度管理（调度 + 运营平台）、大规模分布式多方协同计算（异步训练、联邦学习等）三层。
- 核心作用：“一网络三汇聚”
- 算力汇聚：统筹调度跨区域算力，满足大模型训练需求，提升算力与能耗利用率。
- 数据汇聚：建立统一标准，实现数据安全流动与 “可用不可得”，扩充数据集规模与质量。
- 生态汇聚：开放大模型能力与创新成果，强化跨区域协作，加速产业聚合与标准形成。
- 演进方向：多样性算力网络
- 未来将连接高性能计算中心、一体化大数据中心，形成多样性算力网络，满足数字化技术交叉应用的广泛需求。
- 统筹高质量建设：发布算力需求清单，推动共建共享，避免重复建设。
- 有序推进算力网络：建立全国统一规划与管理机制，实现资源优化配置。
- 创新运营机制：成立算力网络联盟，制定开放规则与激励办法，促进数据共享。
- 加强核心技术攻关：聚焦算网融合、调度算法等关键技术，提升网络与计算协同效率。
- 推进标准化建设：统一算力感知、数据接口、资源协同等标准，提高基础设施通用性。
人工智能计算中心已进入网络化发展新阶段，算力网络将成为数字经济发展的智能基座。通过统筹规划、技术创新与生态协同，可实现算力、数据、生态的高效汇聚，支撑人工智能与实体经济深度融合，助力中国抢占全球人工智能产业制高点。
