(二)算力行业概述

算力是计算机设备或计算/数据中心处理信息的能力，是计算机硬件和软件配合共同执行某种计算需求的能力。算力是以计算能力为核心，以硬件、软件和服务为支撑的产业，旨在提供高性能计算和处理能力。广义来讲算力是集信息计算、网络运载和数据存储于一体的新型生产力。

算力是衡量计算机系统在单位时间内能够完成的计算任务量的一个重要指标，常见的算力单位包括FLOPS（每秒浮点运算次数）和OPS（每秒运算次数）。算力的分类主要包括通用算力、智能算力和超算算力。

通用算力以CPU芯片输出的计算能力为主，主要面向基础计算应用场景智能算力；智能算力以GPU、FPGA、AI芯片等输出的人工智能计算能力为主，面向人工智能、医疗诊断和自动驾驶、机器人等应用场景；超算算力主要以超级计算机输出的计算能力为主，应用于飞行器设计、天气预报和科学和工程等领域。

在人工智能、大数据、物联网蓬勃发展的当下，数据呈海量爆发，这些前沿技术高度依赖强大算力来处理巨量数据，实现智能化运作。像自动驾驶汽车需实时解析大量传感器数据以保障安全驾驶；医疗影像分析借助强劲算力快速甄别病变；金融风险评估依靠处理海量交易数据预测潜在危机 。

算力产业构建起一套严谨且完备的体系，上游作为根基，提供芯片、服务器、存储设备等硬件，为算力输出筑牢物理基础；中游负责整合资源，将硬件转化为云计算、数据中心等技术方案，实现算力的高效调配；下游对接多元场景，在互联网、金融、工业等领域落地应用，完成算力的价值兑现。

1.AI芯片

AI芯片也被称为AI加速器或计算卡，是专门针对人工智能领域设计的芯片。作为算力的核心硬件支撑，在推动AI的发展中起到决定性作用。AI芯片在云端兼顾执行人工智能的“训练”与“推理”任务，而在终端主要负责执行“推理”操作。

从技术架构来看，Al芯片主要分为GPU（图形处理器）、FPGA（现场可编程逻辑门阵列）、ASIC（专用集成电路）三大类。

GPU：是专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。GPU主要应用在机器学习的训练阶段，因为机器学习的操作并不依赖于复杂指令，而是大规模的并行计算。

FPGA：是一种可灵活编程的半定制芯片，可以在实验室或现场进行预制和编程，具有开发时间短、不需要流片的优点。FPGA国产替代属于早期阶段，高中低端产品分化明显。

ASIC芯片：即专用集成电路芯片，是指依产品需求不同而定制的特殊规格集成电路芯片产品。主要应用于深度学习加速，在大模型推理侧相较其他AI芯片在效率和速度方面具有明显优势。

由于ASIC芯片是针对特殊目的全定制，所以其优点在于针对特殊领域的算力、能效比通用芯片（CPU、GPU）更强。在推理常用精度下，ASIC芯片展现出更高的性价比。

2.液冷服务器

服务器是AI数据中心执行计算任务的核心设备，负责处理存储和传输数据，能够支持大规模数据处理、模型训练、推理计算等复杂任务。按应用场景，AI服务器可分为训练和推理两种。

在AI大模型发展早期，AI服务器需求以模型训练为主，训练型服务器占据市场主体地位；随着生成式AI应用发展，预计未来推理型服务器将逐渐成为市场主流。AI服务器高耗能背后的散热需求是重点关注方向，当前液冷技术正在成为数据中心热控关键解决方案。

液冷技术是采用液体作为主要散热介质，替代传统的空气冷却方式，为高性能服务器提供高效散热解决方案的新型技术。从技术路线来看，冷板式液冷在行业中成熟度最高，商用基础稳固；浸没式液冷适配更高功率密度的机柜和数据中心。

液冷板：是散热模块中的核心部件，因材料成本较高且加工工艺复杂，占比较大。

CDU（冷却分配单元）：内含水泵、控制器等部件，成本相对较高。

管路、接头：主要是连接各部件，确保冷却液循环流动。

冷却液：作为热量传输的媒介，将冷板吸收的热量带走，传递给系统的其他部分进行散热。其成本相对较低，但品质对系统稳定运行十分重要。

网络设备是AI数据中心内部和外部通信的关键组件，负责实现数据的高效传输和交换。主要包括光模块、交换机、路由器等多种类型。

3.光模块

网络和内存是算力的瓶颈，光模块目前是提升AI服务器间通信能力的主流解决方案，对提升网络效率至关重要。AI大模型的训练和推理应用需要海量并行数据计算，对AI服务器的网络带宽提出更大的需求，进而推升高速光模块需求。当前光模块朝着更高的速率的趋势发展。从1.25Gbit/s发展到2.5Gbit/s，再到10Gbit/s、40Gbit/s、100Gbit/s、单波长100Gbit/s、400Gbit/s乃至1T。

光引擎方面，由于光引擎中除了硅光芯片需要FAU等无源器件，国内厂商提供光通信系统中所需的各种光源组件，如激光器、光放大器等，凭借丰富的无源器件产线进入大厂供应链。激光光源方面，国内厂商通过成本优势进入大厂供应链。

4.铜缆高速连接

数据中心内部互联的重要组成部分。铜缆方案用于AI集群短距传输，改变传统GPU集群的内部连接方式。

5.交换机

在数据中心中主要负责连接服务器、存储设备等网络设备。

6.AI数据中心电力供应设备

机柜内电源（AI服务器电源）：机柜内电源具备高功率密度能在有限的空间内提供足够的电能。市场格局方面，目前中国台资企业占据了全球电源主要市场份额。

机柜外电源（UPS/HVDC）：机柜外电源安装在机柜外部，为数据中心或是特定区域内的IT设备提供稳定电能的电源设备。

UPS：是含有储能装置，以逆变器为主要组成部分的恒压恒频的不间断电源，为设备提供恒压恒频的不间断电源；其响应时间为毫秒级，稍慢但稳定。

HVDC电源：即高压直流电源，是采用直流电进行供电的技术。近年来，中国电信、中国移动、中国联通等各大移动运营商都在大力推广HVDC电源，以提升数据中心的能效和可靠性；国内互联网大厂也在主推HVDC-巴拿马电源，其集成度和效率均优于传统的UPS和HVDC方案。

备用电源：柴油发电机、BBU。数据中心传统备用电源布局为“UPS+柴油发电机”组合方案”，BBU后续有入局替代UPS的机会。

柴发为数据中心重要备电应急方案，柴油发电机是以柴油为燃料的小型发电设备，能够持续供电，其中发动机是最核心部件，占总造价的80%左右。

BBU作为备用电源系统，通过锂离子电池提供短期供电保障。采用5+1的冗余架构，一组BBS（电池备份系统）包含六个BBU模块和一个PMI监控模块，电池多为18650锂电池；切换速度在毫秒级，可靠性强；较UPS切换速度更快，但持续能力稍弱。

超级电容：是介于传统电容器和电池之间的电化学储能装置，能“瞬时”提供功率补偿且响应更快，有望成为备电组合新成员。

7.操作系统

国产数据中心操作系统经过严格的安全测试和加固，具备更高的安全性，能够更好地保护用户的数据和隐私。

(四)算力产业链中游

中游是算力产业链的技术核心，主要负责将硬件资源转化为具体的技术解决方案。

1. 云计算与数据中心

云计算与数据中心宛如算力产业的“智慧大脑”。通过精妙的资源管理与调度策略，将底层硬件资源整合，为用户按需提供强大计算力。企业数字化转型加速，越来越多业务迁移至云端，极大推动了云计算与数据中心市场扩张。

云计算是大模型运行的底层算力支撑。云计算通常提供三种服务模式：基础设施即服务（IaaS）、平台即服务（PaaS）、软件即服务（SaaS）。三层服务模式各自具有独特的特点和应用场景。

垂类SaaS借助AI实现更多能力，而通用SaaS和大模型厂商借助垂类SaaS补全生态；企服SaaS有望迎来远超远程办公时期发展机遇，AI应用和代理将为企服SaaS打开广阔市场空间。

此外，云计算的部署模型通常包括公有云、私有云和混合云。

公有云：是由第三方云服务提供商运营提供服务的云计算环境。用户可以通过互联网访问这些服务，按需付费，无需自己建设和维护基础设施。公有云的优势在于成本低、灵活性高、可扩展性强。

私有云：是为企业或组织内部使用的云计算环境，资源为单个组织或企业专有，通常部署在企业内部数据中心或专用的第三方托管设施中。私有云能够提供更高的安全性和隐私保护，因为数据和服务都存储在企业的内部网络中。

国资云承担“数据开发商”的角色，其本质是各地国资委牵头，由地方国资委下属企业建设和运营的国资专属云平台。专门为国企数字化转型提供综合性服务，并为政务数据提供开放共享平台。

2. 算力调度