川海智库

报告概述

本报告深入探讨AI浪潮下算力需求的爆发式增长，分析国内AIDC高速发展中的供需错配与结构性问题，并重点研究算力租赁市场的兴起、商业模式及全球代表厂商。报告覆盖从芯片性能对比、机柜功率演进到液冷技术价值的全产业链，旨在为投资者厘清算力基础设施领域的投资逻辑与产业方向。

报告的核心结论

AI算力需求呈指数级增长，推理侧将成为主要驱动力

报告指出，自2012年以来AI训练算力需求每3-4个月翻倍，增长超30万倍。随着o1、o3等模型引入test-time scaling，推理时长与算力消耗正相关，未来推理阶段算力需求将超过训练侧，成为增长主力。

国内AIDC高速增长但存在结构性供需错配

截至2025年6月底，我国在用算力中心机架总规模达1085万标准机架，智算规模788EFLOPS。但高端训练算力缺口仍达15%-20%，而中低端通用算力闲置率高达30%，部分数据中心上架率不足60%，高端芯片紧张短期难缓解。

算力租赁市场高速增长，具备灵活性与成本优势

2024年中国智能算力租赁市场规模同比增长88.5%，预计未来三年复合增长率53%。算力租赁降低了企业一次性采购GPU的高昂成本，支持弹性扩容，同时高端GPU残值率高（2-3年后仍维持新品价的60%-80%），商业模式可持续。

AIDC向高功率密度与液冷散热方向演进

GPU功耗持续攀升，英伟达Blackwell机柜功率超100kW，兆瓦级机柜成趋势。传统风冷已无法满足30kW/r以上机柜，液冷成为必备方案，且液冷系统价值量随芯片迭代提升（如GB300冷板数量是GB200的2.7倍）。

国产芯片快速迭代但训练端仍有代际差距

国产芯片如华为910B、910C等在推理场景已具备性价比优势，显存容量达128GB。但在FP16算力、互联带宽等关键指标上，英伟达B200等仍领先，训练端替代需更长时间窗口验证生态稳定性。

报告回答的关键问题

AI时代算力需求增长有多快？

报告引用OpenAI数据，自2012年以来AI训练算力需求每3-4个月翻倍，增长超30万倍。GPT-5参数量将是GPT-3的100倍，计算量需求达200-400倍。此外，Agent应用推动底层大模型Tokens消耗量近一年增长2478.95%，推理算力需求正在爆发。

国内AIDC市场规模有多大？

报告显示，2025年上半年中国数据中心总销售额约308.9亿元，同比增长13.9%。2023年国内智算中心市场规模达879亿元，同比增长超90%。预计到2032年全球AIDC市场规模将达936亿美元，CAGR 26.83%。

算力租赁为什么最近这么火？

主要原因包括：1）中美博弈下英伟达高端芯片受限，国内企业难以直接采购；2）算力租赁降低初始成本，按使用付费，弹性扩容；3）高端GPU残值率高，资产保值性好；4）政策推动，多地发放“算力券”补贴，减轻企业负担。

国产GPU与英伟达差距还有多大？

在推理侧，国产芯片如华为910B、平头哥等已具备性价比，显存容量大，可支撑大规模推理。但在训练侧，英伟达B200在FP16算力（2200 TFLOPS）、HBM3e显存带宽（8 TB/s）及NVLink互联（1800 GB/s）等方面仍显著领先，国产卡需在软件生态和集群稳定性上追赶。

液冷技术在AIDC中为何重要？

随着GPU功耗提升至700W以上，传统风冷无法满足30kW/r以上机柜散热需求。液冷可有效降低PUE，满足一线城市能耗指标要求。同时，液冷系统价值量随芯片迭代增长，GB300单机架冷板数量达117块，是GB200的2.7倍，国内厂商正积极出海切入供应链。

报告中的代表性数据

1085万标准机架

我国在用算力中心机架总规模

截至2025年6月底，数据来自中国算力平台监测，同期智算规模达788 EFLOPS（FP16），算力供需呈动态均衡。

936亿美元

全球AIDC市场规模预测

2032年，Fortune Business Insights数据，2024年全球AIDC市场规模150.2亿美元，预计到2032年CAGR 26.83%。

88.5%

中国智能算力租赁市场规模增速

2024年，智研产业研究院数据，2024年中国智能算力租赁市场规模达377 EFLOPS（FP16），同比增长88.5%。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • AI带动算力需求：详细分析模型参数与Tokens消耗的指数增长，附OpenRouter Tokens消耗趋势图及全球Agent公司营收排名表。
  • 国内AIDC高速增长：中美科技巨头CAPEX对比，中国算力规模近8年年均增长46%，人均算力仍有提升空间。
  • 算力供给侧制约：深入探讨高端芯片短缺与中低端闲置的结构性矛盾，附中国算力供需匹配失衡案例。
  • AIDC发展趋势：机柜功率密度演进路径，从4-6kW到兆瓦级，字节“大禹”架构及华为Atlas 950/960超节点技术参数。
  • 液冷技术全面拆解：冷板、软管、快接头等环节价值量分析，英维克等国内厂商出海进展，附英伟达产品Roadmap功率预测。
  • 算力租赁商业模式：按整机、按算力规模、按GPU小时三种计量方式对比，以及残值率分析（A100/H100二手价达新品60%-80%）。
  • 全球算力租赁厂商案例：CoreWeave与Nebius财务数据、客户合同（CoreWeave与OpenAI累计交易224亿美元，Nebius与微软174亿美元合同），股价与数据中心扩张计划。
  • 国产芯片性能对比表：英伟达B200/H200/H100与华为910B/910C、寒武纪、昆仑芯等十余款芯片在FP16算力、显存、互联带宽等指标的全维度对比。
  • 万卡集群建设挑战：OpenAI训练GPT-4使用2万A100集群的实际效率，以及10万H100集群理论峰值提升31.5倍但面临电力、互连等瓶颈。
  • 风险提示：AI应用发展不及预期、算力需求放缓、芯片迭代落后、贸易摩擦等六大风险因素的详细分析。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告