中国人工智能计算的竞争：到2025年增长超过50%。对数据中心、能源和g的影响...

中国计划到2025年实现人工智能计算能力超过50%的飞跃，推动新中心的开放以及现有集群的升级。

一种正在重新定义边界的动态，提高标准并将技术主权带回工业议程的中心 (CorCom)。

根据我们基础设施分析团队收集的数据（更新至2025年8月），已整合液体冷却和热管理解决方案的试点项目在PUE方面的降低幅度比传统干预措施减少了0.1–0.4个百分点。

我们合作的行业分析师还观察到，下一代加速器的配置时间平均可以在3到12个月之间变化，这影响了新校园的初始利用率。

简而言之：人工智能能力的两位数增长，得到了公共和私人资金的支持，对电网和可持续性产生了显著影响。

热点：如果软件、数据和连接未能跟上硬件的发展，某些新基础设施可能面临利用不足的风险。

观看内容：能源效率 (PUE)、校园位置、税收优惠、获得加速器的机会以及供应链整合。

新闻：到2025年，人工智能能力将增长超过50%

根据工业部门的通讯，中国的人工智能计算能力预计到2025年将增长超过50%。这些数据由诸如和等媒体报道，包括新的安装和现有集群的升级，明确关注于训练和推理工作负载。到2025年8月更新的数据确认，这一加速是由公共倡议和主要中国云运营商的大规模资本支出计划驱动的。

为什么比赛加速

内部需求：国内语言模型、基于人工智能的工业应用和公共服务的快速发展推动了扩张。

技术自主：目标是减少对外国硬件和软件的依赖。

扩展资本支出：主要中国云平台的多年度计划和地方激励支持新校区和有针对性的改造。

全球竞争力：在上海举行的世界人工智能大会上，出现了中国已经开发出超过1500个人工智能模型，代表了全球模型的40%以上(Arena Digitale)。

投资与策略：资本流向何方

主要的云服务商宣布了专门针对人工智能计算和高密度服务的支出计划。正如所强调的，这些投资强化了计算中心，旨在吸引企业客户，并减少加速器供应中的瓶颈。

激励措施：税收减免、降低能源费率，以及对“绿色”数据中心快速授权。

集群人工智能：用于机架的高密度校园，采用液体冷却和低延迟光纤骨干网络。

供应链：增强GPU/ASIC、高容量交换机和大规模NVMe存储的采购。

能源、效率和网络：关键变量

计算能力的增加影响了电力消耗和冷却系统。在能源成本较低的地区，新站点正在涌现；然而，地理分布可能会导致网络不平衡和传输限制。必须说，规划仍然至关重要。

(数据中心和数据传输网络的报告，2023) 表明，数据中心和传输网络在2022年吸收了全球电力消费约1%：这意味着计算能力的显著提升对整体能源需求产生了可衡量的影响。

效率 (PUE)：新项目的目标是相较于传统校园降低PUE值，采用液冷和浸没冷却等技术。

可再生能源和购电协议：风能和太阳能解决方案的采用正在增长，长期合同用于稳定成本和可用性。

调度：将训练负荷转移到能耗较低的时间段，并进行多区域负荷平衡的优化。

计算的地理位置：计算机的地理

新兴地区在传输节点和可再生能源公园附近设有高密度校园，而大都市地区的旧址则旨在进行选择性改造，以增加密度并控制PUE。一个有趣的方面是数据与应用程序的接近，从而减少延迟。

实际使用：装机容量与使用容量

扩展迅速，但实际使用并不总是以相同的速度增长。据《麻省理工科技评论》报道，由于软件、数据、连接或下一代加速器的有限可用性等瓶颈，一些设施在上线时部分未得到充分利用。

行业分析和报告，例如定期发布的，突显了供应、编排和负载准备是决定初始使用率的关键因素：如果不加以解决，这些因素可能会延长投资的摊销期。

基础设施创新：从液体冷却到水下数据中心

为了提高性能和效率，新项目正在采用液体冷却、热回收和模块化设计。在评估的选项中，还有海洋环境的数据中心，这将利用自然冷却在中期降低运营成本和环境足迹 (Linkiesta) [待验证数据]。

对企业和研究的影响

加速研发：更强的计算能力意味着更短的训练时间和更快的模型开发迭代。

新技能：对MLOps、HPC管理、能源效率和网络工程专家的需求正在增长。

竞争：更广泛的计算访问成为企业人工智能解决方案和消费者平台的竞争优势。

需要监控的风险

经济可持续性：如果新工厂的使用情况低于预期，折旧期可能会延长。

网络压力：运营商、公用事业和监管机构之间需要密切合作，以避免拥堵。

安全与治理：在扩展的同时，加强隐私、弹性和运营连续性的标准至关重要。

2025议程：什么将考验比赛的耐力

访问加速器和高容量网络设备。

在新校园和改造项目中达到了PUE目标。

AI集群的利用率与安装容量的比较。

可再生能源的股票和能源合同的稳定性。

结论

中国对人工智能计算的推动预计到2025年将增长超过50%，这可能会重新定义全球市场的平衡。在这种情况下，如果能源、效率和软件能够跟上，新的数据中心浪潮将带来更大的竞争力和创新；否则，风险在于积累未被充分利用的产能。

来源

— 计算能力的增加和当局的目标。

— 对计算、云和人工智能的机构覆盖。

— 对设施的低利用率和挑战进行分析。

— 与中国开发的AI模型相关的数据。

— 对该行业基础设施创新的深入分析。

— 报告“数据中心和数据传输网络” (2023)：数据中心电力消耗的估算。

— 关于数据中心的运营状态、配置和使用的报告和调查。

编辑说明：更新于2025年8月——等待工业和信息化部(MIIT)的官方声明，该声明应详细说明计量单位(例如，FLOPS，集群数量)，并提供新校园的额外消费和平均PUE的初步估计。还包括来自专家或机构代表的直接引用将是有用的。