一、中国智算市场爆发式增长，行业增速超 40%
智算市场规模（营收口径）2020 年国内智算市场仅 776 亿元，预测 2028 年将达到 34174 亿元，复合增长率 46.3%，AI 商业化落地持续拉动市场扩容。
2020-2028中国智算市场规模
智能算力规模（算力 EFLOPS 口径）2020 年国内智能算力 75 EFLOPS，2027 年预测达 1117.4 EFLOPS，CAGR33.9%，大模型训练、推理需求是核心驱动力。
2020-2027中国智能算力规模
二、算力基础概念：分类、精度、单位一次性讲清
1. 三大算力分类
- 基础算力
CPU 主导，通用业务、日常 IT 计算；以 FP32 单精度衡量 - 智能算力
GPU / 昇腾 / 昆仑等 AI 芯片，大模型训练推理，行业默认 FP16 半精度 - 超算算力
HPC 集群，科研、航空、气象模拟，标准 FP64 双精度
2. 浮点精度区别（FP16/FP32/FP64）
-
FP64（双精度）：超高精度，仅超算模拟场景使用，算力成本最高 -
FP32（单精度）：通用计算、传统模型训练 -
FP16/BF16/TF32（半精度）：主流大模型训练、推理，平衡算力与能耗 -
INT8 低精度：推理场景专用，极致降低算力开销
不同精度任务分层图
3. 训练算力 vs 推理算力核心差异
三、主流 AI 芯片路线对比：GPU/FPGA/ASIC/ 国产芯片
1. 四大芯片架构优劣
- GPU
通用性最强，并行计算优秀；短板推理能效一般，代表 H100/A800 - FPGA
半定制、灵活迭代；量产单价高，适合细分行业推理 - ASIC
全定制、功耗最低、量大成本极低；前期研发投入高，周期 1 年以上，国产昇腾、昆仑芯均为此路线 - 类脑芯片
超低功耗，技术尚未成熟
2. 国内外主流 AI 芯片算力对比（FP16 稠密算力）
英伟达 H100 SXM 单卡 990TFLOPS（约 1P）、A800 312TFLOPS；国产昇腾 910B 376TFLOPS、昆仑芯 P800 375TFLOPS、天数天垓 150 190TFLOPS，国产芯片已具备规模化替代能力。
四、AI 服务器两大核心路线：PCIe 机型 vs NVLink（SXM）机型
1. 核心区别：GPU 互联带宽决定大模型训练能力
-
PCIe 机型：GPU 仅通过 PCIe 总线互通，H100 PCIe5.0 双向带宽仅 128GB/s，适合中小模型推理、微调 -
NVLink SXM 机型：专用高速互联链路，H100 NVLink 双向 900GB/s，是 PCIe 的 7 倍，千亿级大模型训练刚需
NVLink互联示意图
NVLink迭代带宽演进
2. NVLink 核心产品体系梳理
- HGX 模组
8 张 SXM GPU+NVSwitch 集成，逻辑上合并为单一大 GPU - DGX 整机
英伟达官方完整服务器，内置 HGX 模组 - DGX POD
整机柜集群，配套 IB 高速网络、分布式存储 - NVL72 机柜
全新一代一体化算力柜，72 块 B200 GPU 全互联，单柜超大规模训练集群
NVL72整机柜实拍
3. GPU 服务器与普通 x86 服务器 10 大差异
整机功耗更高、支持多块高功率 GPU、专用 NVLink 互联、液冷普及、单机价格数十万至百万级，主要承载 AI 训练、渲染、HPC 计算业务。
五、智算中心高速网络：IB InfiniBand 成大模型标配
千卡 / 万卡智算集群必须依靠超低延迟高速网络，主流方案分三类：
- InfiniBand（IB）
NDR/HDR 主流，原生 RDMA，延迟 2-5us，千亿大模型训练首选 - RoCE 以太网
基于以太网实现 RDMA，性价比均衡，中小型智算中心使用 - 标准以太网
通用业务承载，延迟偏高，不适合超大规模训练
IB 速率迭代：EDR (100G)→HDR (200G)→NDR (400G)，最新 ConnectX-7 网卡、MQM9700 系列 400G 交换机支撑万卡集群组网。
算力产业进入高速扩张周期，做智算中心规划、大模型落地、算力采购时，需区分训练 / 推理场景、匹配浮点精度标准、优先选择 NVLink 高速互联服务器，同时配套 IB 高速网络，国产昇腾、昆仑芯等芯片可实现信创算力替代。
