短短兩三年時間，AI已脫離實驗室概念，實實在在地滲透進了各行各業(yè)中，市場規(guī)模也日益增長。最新數(shù)據(jù)顯示，2025年，中國人工智能市場規(guī)模將超過3000億元，預計到2028年市場規(guī)模將超過7000億元。
與之相應的，AI產(chǎn)業(yè)對智能算力也產(chǎn)生了前所未有的需求，對于算力基礎設施需求也在同步提升。傳統(tǒng)的數(shù)據(jù)中心架構已經(jīng)難以支撐當前需求，龐大而復雜的算力基礎設施體系正迎來一場深刻的變革——傳統(tǒng)數(shù)據(jù)中心正從“通算”向“智算”演進，網(wǎng)絡、存儲、供電、冷卻等基礎設施也必須隨之升級。
從“通算”到“智算”
智算中心毫無疑問是當前最熱門的投資領域之一。根據(jù)中國IDC圈不完全統(tǒng)計，僅2025年一季度，立項或建設、投產(chǎn)的智算中心就多達165個，其中不乏投資過百億，算力規(guī)模超萬P的項目。
但在這股建設熱潮之下，哪怕是算力產(chǎn)業(yè)的從業(yè)者之間，一個疑問一直揮之不去：數(shù)據(jù)中心與智算中心，AIDC與DC到底有何區(qū)別？
按照工信部印發(fā)的《算力基礎設施高質(zhì)量發(fā)展行動計劃》定義，算力中心包括是以風火水電等基礎設施和IT軟硬件設備為主要構成，具備計算力、運載力和存儲力的設施，包括通用數(shù)據(jù)中心、智能計算中心、超算中心等。
其中，智能計算中心（智算中心）指通過使用大規(guī)模異構算力資源，包括通用算力（CPU）和智能算力（GPU、FPGA、ASIC等），主要為人工智能應用（如人工智能深度學習模型開發(fā)、模型訓練和模型推理等場景）提供所需算力、數(shù)據(jù)和算法的設施。智能計算中心涵蓋設施、硬件、軟件，并可提供從底層算力到頂層應用使能的全棧能力。
而對于傳統(tǒng)數(shù)據(jù)中心來說，其設計邏輯主要服務于通用計算場景，核心在于提供穩(wěn)定的、可擴展的通用計算及存儲環(huán)境。但在AI時代，數(shù)據(jù)密集型、并行計算的任務特征使得數(shù)據(jù)中心必須重新思考如何提升效率、降低延遲、增強彈性。尤其是在大規(guī)模AI集群部署中，通信瓶頸、資源利用率低、運維復雜等問題日益突出，成為制約AI應用落地的關鍵障礙。
特別是大規(guī)模的智算集群實際運行遠比想象中復雜。通信瓶頸、資源利用率低、故障響應慢等問題頻繁出現(xiàn)，導致“紙面算力”和“有效算力”之間存在巨大落差。有業(yè)內(nèi)人士透露，一些千卡級別的集群，在訓練效率上甚至不如優(yōu)化良好的幾百卡系統(tǒng)。更不要提所謂“萬卡集群”，投產(chǎn)即停運的傳聞也經(jīng)常在業(yè)內(nèi)流傳。
這不僅是一個技術問題，更是一個系統(tǒng)工程問題。
算網(wǎng)融合：突破算力瓶頸的新路徑
AI大模型訓練是當前智算中心最重要的應用場景。根據(jù)AI大模訓練的規(guī)?；▌t（Scaling Law），模型性能與其規(guī)模、數(shù)據(jù)集大小以及算力之間存在的冪率關系，即隨著三者的增長，模型性能也會隨之增長。但反過來，一旦其中一個環(huán)節(jié)遇到瓶頸，那么模型性能的增長也會受限。
對于算力來說，雖然理論上可以通過不斷拓展智能加速卡的數(shù)量來達到更高的算力規(guī)模。但在實際的AI訓練過程中，節(jié)點之間的數(shù)據(jù)交換頻率極高。一旦各個節(jié)點——處理器、服務器、機柜之間的通信成為瓶頸，整個訓練過程就會大幅拖慢，甚至中斷。
因此，“算網(wǎng)融合”成為了行業(yè)追求的目標。所謂算網(wǎng)融合，就是把網(wǎng)絡作為核心環(huán)節(jié)納入AI系統(tǒng)的整體設計中。通過構建高速、低延遲、無丟包的通信環(huán)境，讓算力真正“流動起來”，而不是被困在節(jié)點之間。
為了解決這個問題，算力產(chǎn)業(yè)巨頭紛紛各出奇招。比如行業(yè)內(nèi)某企業(yè)推出了自有的平臺體系，通過專有網(wǎng)絡，以成熟的銅纜網(wǎng)絡大大提升了其圖形處理器之間的通信效率，并且一度帶動了銅價大漲。
而在處理器、通信領域均掌握有核心技術的華為也獨辟蹊徑，提出了“星河AI網(wǎng)絡”提供了一個典型的實踐樣本。其采用業(yè)界公用的ROCE無損網(wǎng)絡技術，結合自研的NSLB算法，以創(chuàng)新的光通信網(wǎng)絡實現(xiàn)了接近98%的通信吞吐率，大幅提升了訓練效率。同時，通過光模塊亞健康檢測、丟包可視化等智能運維手段，也讓網(wǎng)絡的穩(wěn)定性得到了保障。
星河AI網(wǎng)絡支持200G/400G高速互聯(lián)，具備大規(guī)模組網(wǎng)能力。在萬卡級別集群中，依然能保持穩(wěn)定的通信帶寬與低延遲表現(xiàn)，滿足千億參數(shù)模型的訓練需求。其業(yè)界領先的雙層收斂網(wǎng)絡架構，可以大幅降低調(diào)優(yōu)難度，提升集群整體的可用性。
對于大規(guī)模智算集群的算力能力衡量，星河AI網(wǎng)絡給出了明確的算力公式：集群總算力=單處理器算力x集群規(guī)模x有效算力效率x可用率。其中，有效算力效率指網(wǎng)絡吞吐、性能加速能力；算力可用率則指算力穩(wěn)定性，以月為單位計算。
結合強大的網(wǎng)絡通信能力，昇騰處理器通過華為集群通信庫和作業(yè)調(diào)度平臺，整合HCCS、 PCIe 和 RoCE 三種高速接口，實現(xiàn)集群級互聯(lián)，充分釋放出強大性能，幫助客戶實現(xiàn)更快的進行圖像、語音、自然語言等 AI 模型訓練或推理應用。
基于昇騰處理器的CloudMatrix 384（CM384）采用全連接拓撲結構連接384顆昇騰處理器，可提供約300 PetaFLOPS的BF16精度總計算能力。通過采用400G CPO（計算處理器接口），CM384可以大幅增強網(wǎng)絡性能，優(yōu)于傳統(tǒng)服務器設計中的PCIe解決方案，行業(yè)認為其非常適合快速擴大我國計算能力供應以滿足當前AI算力的需求。
目前，星河AI網(wǎng)絡與昇騰處理器已在多個大型智算中心落地實踐，包括互聯(lián)網(wǎng)頭部企業(yè)、運營商、金融及能源行業(yè)的客戶。在某萬卡集群項目中，華為成功部署了超過9000張NPU卡、數(shù)百臺交換機和數(shù)十PB存儲設備。
極致密碼：能效、運營、生態(tài)協(xié)同
對于一個正在上升期的產(chǎn)業(yè)來說，性能是核心問題，但并不是全部。擺在當前算力產(chǎn)業(yè)者面前的，還有綠色發(fā)展、高效運營、產(chǎn)業(yè)合作等眾多難題需要突破。
智能處理器的功耗持續(xù)攀升，單臺服務器的功率已超過10kW，整機柜甚至達到幾十、上百千瓦。傳統(tǒng)的風冷方案越來越吃力，供電系統(tǒng)也面臨極限挑戰(zhàn)。與此同時，國家“雙碳”目標對數(shù)據(jù)中心的PUE提出了更高要求。
國家發(fā)改委發(fā)布的《數(shù)據(jù)中心綠色低碳發(fā)展專項行動計劃》明確要求，到 2025 年底，全國數(shù)據(jù)中心布局更加合理，整體上架率不低于 60%，平均電能利用效率降至 1.5 以下，可再生能源利用率年均增長 10%，平均單位算力能效和碳效顯著提高。
在這種壓力下，液冷、風液混合制冷、動態(tài)能效調(diào)節(jié)等技術開始走向主流。華為提出的目標是PUE≤1.15，追求“極致能效”。通過精準控制冷卻系統(tǒng)，結合負載感知機制，實現(xiàn)從單卡到機房的全鏈路節(jié)能。
而當集群規(guī)模達到萬卡級別，任何一次人為干預都可能帶來巨大的時間成本。傳統(tǒng)依賴經(jīng)驗判斷和人工排查的方式，已經(jīng)無法適應AI數(shù)據(jù)中心的高可用性需求，智算中心必須有符合其“智能”定位的智能運營模式。
就此，華為引入了AI Agent智能運維模式，實現(xiàn)了端到端的自動故障處置。通過CCAE一體化運維工具，配合圖形化流量分析、丟包監(jiān)控等功能，華為智能運維平臺可將平均修復時間（MTTR）從30分鐘壓縮到5分鐘以內(nèi)。
然而，數(shù)據(jù)中心內(nèi)部的技術再先進，產(chǎn)業(yè)卻時刻需要面對一個更深層次的問題：供需錯配。一邊是大量昂貴的算力建設完成，另一邊卻是應用場景不足、資源利用率低下。尤其是在中小企業(yè)和垂直行業(yè)中，AI落地仍面臨門檻高、適配難、維護難等問題。
這反映出當前AI產(chǎn)業(yè)鏈的一個結構性問題：上下游尚未形成合力。處理器廠商、軟件平臺、云服務商、終端設備商各自為戰(zhàn)，缺乏統(tǒng)一標準和協(xié)作機制。
面對這一局面，華為采取開放心態(tài)，從軟硬件到商業(yè)合作，促進生態(tài)上下游廠商共同合作，推動AI向更多場景滲透。技術只是基礎，只有形成閉環(huán)、構建生態(tài)，才能真正釋放AI的價值。
注：本文轉(zhuǎn)載自華為中國政企業(yè)務官方，版權歸作者所有
安備.png)
滬公網(wǎng)安備 31010702006392號