🐯虎嗅•最新收集於 13m
中國AI算力達2,185 EFLOPS
#compute-scheduling#ai-infrastructure#utilizationnational-integrated-computing-networknational-data-bureaupengcheng-laboratorynvidiagpunpu
💡中國算力快速膨脹，但真正能執行你工作負載的算力究竟有多少？
⚡ 30-Second TL;DR
有什麼變化
納入國家監測的智能算力已增至約140萬PFLOPS，但實際利用率與付費使用量仍缺乏完整公開數據。
為什麼重要
AI建構者應將公開算力數字視為基礎設施容量，而非可直接取得的供給。未來更可能勝出的平台，是能揭示可靠容量、跨異構硬體匹配工作負載，並以端到端任務完成成本而非原始FLOPS定價的平台。
下一步行動
為你的推理或訓練平台建立每項任務的排隊時間、硬體相容性、網路傳輸、失敗率及付費利用率指標，不要只報告FLOPS。
誰應關注：Developers & AI Engineers
關鍵要點
- •納入國家監測的智能算力已增至約140萬PFLOPS，但實際利用率與付費使用量仍缺乏完整公開數據。
- •有效算力必須依次經過名義規模、設備部署、監測、調度、任務可運行及付費使用等階段。
- •CPU、GPU與NPU並非可直接互換，因為架構、指令集、軟體棧及通訊需求各不相同。
- •跨區域調度較適合批次工作負載；緊耦合訓練與即時推理則需要高品質的本地集群。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •中國算力基礎設施正加速向『智算中心』轉型，政策導向已從單純的規模擴張轉向『算力利用率』與『算力效能』的考核指標。
- •國家算力樞紐節點（如貴州、內蒙古等）與東部數據需求中心之間的『東數西算』工程，目前面臨長距離傳輸帶來的延遲瓶頸，限制了即時推理任務的部署。
- •國產AI晶片（如華為昇騰系列、海光DCU等）在軟體生態適配上已取得進展，但與CUDA生態的遷移成本仍是企業大規模替換的主要阻礙。
- •液冷技術已成為新建智算中心的標配，以應對高密度算力集群帶來的散熱挑戰，這直接影響了算力中心的營運成本（OPEX）。
- •中國正推動『算力券』政策，旨在透過財政補貼降低中小企業使用公共算力平台的門檻，以提升整體算力資源的付費使用率。
🛠️ 技術深入
- 算力單位定義：EFLOPS（每秒百京次浮點運算）通常基於FP16或BF16精度計算，與傳統HPC領域的FP64算力存在顯著差異。
- 異構計算挑戰：不同架構（如ARM架構CPU與自研NPU）之間的互聯互通依賴於高速互聯協議（如RoCE v2），網路頻寬與封包丟失率直接決定了集群的有效算力（Effective Compute）。
- 軟體棧瓶頸：算力利用率低下的核心原因在於算子庫（Operator Library）的覆蓋率不足，導致部分深度學習模型無法在國產硬體上實現算力滿載。
🔮 前景展望AI analysis grounded in cited sources
2027年前中國智算中心將強制執行算力利用率監測標準。
政府為解決『算力閒置』與『重複建設』問題，將把算力利用率納入地方政府與運營商的績效考核。
國產AI晶片在訓練集群中的市佔率將在兩年內突破40%。
受限於國際出口管制，國內大型模型廠商正加速將訓練任務從NVIDIA集群遷移至國產硬體環境。
⏳ 時間線
2022-02
中國正式啟動『東數西算』工程，規劃建設8個國家算力樞紐節點。
2023-10
工信部等六部門發布《算力基礎設施高質量發展行動計劃》，明確提出算力規模增長目標。
2024-05
國家數據局推動建立全國一體化算力網，強調算力調度與資源共享。
2026-06
中國智能算力規模達到2,185 EFLOPS，標誌著智算基礎設施進入規模化部署階段。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗