2025年中国AIDC产业发展白皮书：智算中心如何撑起大模型时代的蓝图？

研究报告总结

大模型训练层

• 大模型训练全流程框架：包括预训练、监督微调和人类反馈强化学习三个阶段，通过构建模型基础能力并完成价值对齐，最终得到兼具强大能力与可靠价值观的模型。
• 预训练阶段：核心方法是自回归语言建模，通过海量文本学习统计规律并引入任务提示，获得特定任务完成能力。关键工具包括批量大小调控、学习率策略、AdamW优化器、正则化与梯度裁剪等，旨在提高效率、降低成本、保证稳定并加快收敛。
• 预训练阶段的核心价值：利用海量语料提取深度通用知识与语义表示，提升微调效率和模型泛化能力，降低算力与开发成本，并支持快速迭代。
• 后训练阶段：包括监督微调、奖励模型训练与PPO强化学习，通过融合人工偏好反馈与强化学习优化生成策略，提升模型的对话质量、安全性和人类意图对齐度。
• 后训练阶段的核心价值：通过引入人类偏好反馈与安全约束，结合多元化策略优化，构建闭环优化体系，显著提升模型的生成质量、安全性和复杂推理能力。
• 大模型训练阶段的资源消耗：主要集中在预训练阶段，需要数千至上万块GPU并行运算，处理千亿级至万亿级Token数据，耗时数周至数月，占总算力消耗的90–99%。

大模型推理层

• 大模型推理流程框架：输入文本经分词和嵌入层映射为向量，通过多层Transformer自注意力计算并结合KV缓存提升性能，再在词汇概率输出层生成并通过后处理拼接成完整文本。
• 推理后处理技术：通过温度采样、Top-k/Top-p裁剪与贪心选择对输出概率分布进行调控，平衡生成多样性、语义连贯性与输出稳定性。
• 大模型推理核心阶段：分为并行Prefill与增量Decode两阶段，分别依托模型并行与批量吞吐、以及KV缓存与注意力优化，实现高效低延迟的推理流水线。
• PD分离技术：将一次性上下文预填充与逐token串行解码解耦，实现GPU算力的精准调度与高效利用，降低响应延迟并提升整体推理吞吐率。

大模型产业基础

• 基础大模型市场洞察：大模型基础模型层是基础预训练模型与开发平台的有机集合，价值在于通过统一的算力接口与灵活的微调工具，为上层应用提供低成本、高效率的算法支撑。
• 基础大模型全景图谱：全球大模型产业呈现“技术终局趋同，商业路径分化”的格局，所有厂商均以原生多模态为统一演进目标，但在实现路径上分裂为闭源平台与开源生态两大阵营。
• 基座大模型调用量规模：公有云大模型调用量正经历爆发式指数增长，市场竞争格局呈现“一超两强”：火山引擎占据近半壁江山，阿里云与百度智能云构成第二梯队。
• 基础大模型厂商竞争差异化路线：大模型厂商正从同质化竞争转向差异化战略竞争，例如百度的“云智一体”、阿里云的“MaaS”与开源生态、腾讯云的“场景驱动、生态嵌入”、科大讯飞的“行业垂直整合”、火山引擎的“应用反哺技术”和Deepseek的“极致性价比”。
• 大模型正从追逐顶尖性能向不同场景适配转移：市场关注焦点已从模型性能转向业务场景适配与商业价值，金融、医疗等高价值实时交互场景倾向于采用70B级旗舰模型，文档分析等业务处理层普遍采用7B级精炼模型，边缘设备端则部署1.5B级微型模型。

大模型基础设施层

• 智算中心基础构成：涵盖供配电、制冷、机柜、布线、防雷、防火等多系统协同，核心在于保障算力设备的高可用性与稳定运行。
• GPU芯片功耗增加：新一代GPU芯片功耗显著增加，对智算基础设施提出结构性重构要求，推动数据中心向液冷与高密度部署形态演进。
• 新服务器功耗增加：AI服务器正向“高精度异构算力+极限带宽互联+超线性能耗密度”演进，重构数据中心的供电、散热与系统架构边界。
• 智算中心的成本与能耗：智算中心成本结构呈现“重资本、强能耗、轻配套”的非均衡态势，制冷消耗高达27%，成为PUE优化的临界短板。
• 智算中心商业模式：正从传统基础设施托管向算力、平台、模型与应用全链条服务演进，服务形态高度多元化以匹配不同类型客户需求。
• 制冷技术PUE发展趋势：数据中心制冷技术正由传统风冷向液冷跃迁，液冷以系统级能效最优和高热密支撑能力，成为满足下一代智算中心PUE控制红线的核心路径。
• 中国投运/在建/规划智算中心项目区域分布：呈现“东部聚集化与中西部资源导向型”的功能性分工格局，江苏、广东、山东等东部经济强省合计占比超过20%，中西部地区如内蒙古、四川、贵州等亦加速布局。
• 智算中心参与者分布：项目发起多元化，算力资源集中化，地方政府主导项目占比最高（33.9%），但互联网及云厂商（35.0%）成为核心算力资源的掌控者。
• 数据中心电力需求：全球智算中心正步入“电力支撑瓶颈期”，中国以2026年285TWh的预测用电量超越欧美，成为全球电力消耗增长主引擎。
• 全球及中国数据中心平均年PUE：已进入结构瓶颈期，传统节能路径失效，未来能效提升需依赖底层系统架构升级，如液冷系统普及、算热协同调度与电源路径简化。

AIDC全球版图

• 全球算力及智算建设规模：全球算力建设正从“总量扩张”转向“结构跃迁”，智算能力成为衡量技术竞争力的关键指标，2023年全球智算力规模达875EFLOPS，首次超过基础算力。
• 中国算力建设现状：2020年至2027年，中国智能算力呈现爆发式增长，预计将从75EFLOPS跃升至1,117EFLOPS，年均复合增速超60%，成为推动整体算力扩张的核心力量。
• 行业算力需求：算力资源正在由通用计算向智能计算转移，互联网与服务业成为智能算力应用的主要推动力量，其他行业的智能化转型正处于加速阶段。
• 美国算力建设现状：呈现“多中心、强集聚”的特征，北弗吉尼亚州以5,350MW的规模稳居全球最大数据中心市场，凤凰城、亚特兰大和达拉斯则依托基础设施和地理优势快速崛起。
• 欧洲算力资源建设现状：呈现出“核心集中、边缘扩张”的特征，英国、荷兰和法国构成数据中心核心集群，英国遥遥领先，占据欧洲市场主导地位。
• 亚太算力资源建设现状：中国大陆引领区域发展，各国数据中心规模持续扩张，呈现出集中化与多元化并存的格局。
• 拉美算力资源建设现状：以巴西为核心的区域布局逐步成型，支撑数据中心市场营收持续增长，正迈向高密度、高容量、高投资的新兴战略枢纽。
• 中东算力资源建设现状：以沙特和阿联酋为核心的国家正推动数据中心由在用向在建快速扩展，主要城市的数据中心容量构成呈现以零售型colo为主、批发型和自建协同发展的多元化格局。