2026-02-21 0

2025年人工智能与智能算力发展报告

2025年人工智能与智能算力发展报告

作者：淞基未来信息网研究部

摘要

2025年，人工智能与智能算力已进入深度融合发展、基础设施全面升级的关键阶段，呈现出“技术突破、算力跃升、生态协同”三位一体的鲜明特征。全球人工智能领域完成从“生成式内容竞赛”向“推理与执行能力比拼”的转型，大模型、多模态、具身智能等核心技术实现突破性进展，开源与闭源生态边界持续模糊，中国AI产业规模正式突破万亿大关，形成完整产业体系。在智能算力领域，中国凭借规模化布局与基础设施升级，算力规模位居全球前列，“东数西算”工程深化落地，万卡集群加速部署，算力互联互通水平显著提升，但高性能算力结构性紧缺、高端芯片依赖进口等问题仍较为突出。本报告全面梳理2025年全球及中国人工智能与智能算力的发展现状、核心特征，深入分析行业发展面临的趋势与挑战，结合产业实践给出前瞻性判断，为行业从业者、投资者、政策制定者提供全面、精准的参考依据。报告数据均来自官方发布及权威机构统计，确保内容的真实性与专业性。

一、引言

1.1 研究背景

随着数字经济的持续深化，人工智能已成为推动产业转型升级、培育新质生产力的核心驱动力，而智能算力作为人工智能发展的核心基础设施，是支撑技术创新、场景落地的“算力底座”。进入2025年，全球科技竞争格局持续重构，人工智能与智能算力的融合深度不断提升，技术迭代速度进一步加快，从基础层的芯片、算法，到应用层的行业落地，均呈现出全新的发展态势。

在全球范围内，各国纷纷加大对人工智能与智能算力领域的战略布局，美国、欧盟、中国等主要经济体先后出台多项扶持政策，推动核心技术突破与基础设施建设，抢占科技竞争制高点。与此同时，人工智能技术的应用场景持续拓展，从消费级领域的AI手机、AI PC，到企业级领域的工业智能、金融风控，再到公共服务领域的智慧医疗、智慧交通，人工智能与各行业的融合已进入“深度渗透、全面落地”的新阶段，对智能算力的需求呈现爆发式增长。

中国作为全球人工智能与智能算力发展的重要参与者和引领者，2025年在政策引导、技术创新、产业落地等方面取得显著成效，AI核心产业规模突破万亿，智能算力规模位居世界前列，“东数西算”工程构建起全国一体化算力网络，国产大模型、国产AI芯片逐步崛起，形成了从基础层到应用层的完整产业生态。但与此同时，行业发展也面临着高性能算力紧缺、高端芯片依赖进口、治理体系不完善等诸多挑战，如何突破发展瓶颈、推动人工智能与智能算力高质量融合发展，成为当前行业发展的核心课题。

1.2 研究意义

本报告系统梳理2025年人工智能与智能算力的发展现状、核心特征与发展趋势，深入分析行业面临的机遇与挑战，具有重要的理论意义与实践价值。

从理论意义来看，报告全面整合人工智能与智能算力领域的最新技术成果、产业数据与政策导向，完善了人工智能与智能算力融合发展的研究体系，为后续相关领域的学术研究、政策研究提供了坚实的基础支撑，助力推动相关研究的深化与拓展。

从实践意义来看，报告针对行业发展中的核心问题与痛点，结合全球产业发展经验与中国产业实际，提出前瞻性的发展判断与建议，能够为行业从业者提供清晰的产业认知与发展指引，帮助企业把握市场机遇、规避行业风险；为投资者提供全面、精准的行业信息，助力其做出科学的投资决策；为政策制定者提供参考依据，助力完善相关扶持政策与监管体系，推动人工智能与智能算力产业高质量发展。

1.3 研究范围与方法

1.3.1 研究范围

本报告的研究范围涵盖全球及中国人工智能与智能算力领域，包括人工智能核心技术（大模型、多模态、具身智能等）、产业发展、应用场景，智能算力基础设施（算力规模、算力网络、算力集群等）、算力生态、算力安全，以及行业政策、发展趋势、面临挑战等方面，重点聚焦2025年行业发展的核心特征与关键突破，兼顾全球产业格局与中国产业特色。

1.3.2 研究方法

本报告采用多种研究方法，确保内容的真实性、准确性与专业性，具体包括：

1. 文献研究法：系统梳理国内外相关政策文件、学术论文、行业报告、权威机构统计数据，全面掌握人工智能与智能算力领域的最新发展动态与研究成果，为报告的撰写提供理论基础与数据支撑。

2. 数据分析法：收集整理2025年人工智能与智能算力领域的核心数据，包括产业规模、算力规模、企业数量、技术指标等，通过数据对比、趋势分析等方式，客观呈现行业发展现状与发展态势。

3. 行业调研法：依托淞基未来信息网的行业资源，对人工智能与智能算力领域的重点企业、科研机构、行业协会进行调研，了解行业实际发展情况、企业发展痛点与需求，确保报告内容贴合产业实际。

4. 趋势预测法：结合全球科技发展趋势、行业技术迭代规律、政策导向与市场需求，对人工智能与智能算力领域的未来发展趋势进行前瞻性预测，为行业发展提供指引。

二、2025年全球及中国人工智能发展现状

2025年，全球人工智能领域迎来历史性转型，技术发展从“生成式内容（AIGC）爆发”转向“推理与执行能力提升”，大模型、多模态、具身智能等核心技术实现突破性进展，开源与闭源生态协同发展，产业规模持续扩大，应用场景不断丰富。中国在人工智能领域的创新能力持续提升，国产大模型性能比肩国际先进水平，产业规模突破万亿，成为全球人工智能发展的重要增长极。

2.1 全球人工智能发展核心特征

2.1.1 大模型进入“推理与执行”时代，智能体能力成为竞争核心

2025年，全球大模型发展完成阶段性转型，重心从之前的生成式内容（AIGC）创作，全面转向复杂推理、任务执行与智能体（Agent）能力的提升，大模型逐步从“能说会写”向“能思会做”转变，成为推动人工智能落地的核心载体。

国际头部科技企业持续加大大模型研发投入，推出的新一代大模型在逻辑推演、自我纠错、跨步骤规划等核心能力上实现显著提升，能够完成更为复杂的任务，甚至直接操作企业软件、执行完整工作流。OpenAI推出的GPT-5模型，相比上一代产品，逻辑推理能力提升300%以上，能够自主完成多步骤任务规划、跨领域知识融合，可直接对接企业ERP系统、CRM系统，自动处理订单管理、客户服务等日常工作，大幅提升企业运营效率；Anthropic发布的Claude 3.7模型，强化了自我纠错与伦理合规能力，在处理复杂法律文档、金融分析等专业场景中，准确率达到95%以上，同时能够自主识别并修正自身推理过程中的错误，降低应用风险；Google推出的Gemini 2.0模型，实现了多模态推理与执行的深度融合，能够结合文本、图像、视频等多类型信息，完成复杂的决策任务，在智能驾驶、工业控制等场景中实现试点应用。

智能体（Agent）技术的快速发展成为大模型“推理与执行”能力提升的重要支撑。2025年，全球智能体技术进入规模化试点阶段，能够自主理解用户需求、规划任务流程、调用相关工具，实现端到端的任务执行。例如，基于GPT-5开发的企业智能体，能够自主接收用户需求，规划工作步骤，调用Excel、PPT、邮件等办公软件，完成数据统计、报告撰写、邮件发送等一系列工作，无需人工干预；工业领域的智能体，能够对接工业传感器、控制系统，实时采集生产数据，分析生产异常，自主调整生产参数，提升生产效率与产品质量。

随着大模型推理与执行能力的提升，大模型的应用场景从消费级领域向企业级领域、公共服务领域深度渗透，成为推动产业智能化转型的核心驱动力。据相关统计，2025年全球企业级大模型应用渗透率达到45%以上，相比2024年提升20个百分点，金融、工业、医疗等领域成为大模型应用的核心场景。

2.1.2 开源与闭源边界模糊，生态协同成为发展主流

2025年，全球大模型生态呈现出“开源与闭源协同发展、边界持续模糊”的特征，开源模式凭借其低成本、高灵活性的优势，快速崛起，逐步打破闭源模型的垄断格局，而闭源模型也在不断开放部分能力，与开源生态形成互补，推动整个行业的创新发展。

国产大模型的开源突破成为全球开源生态重构的重要力量。2025年，中国国产大模型在技术性能上实现跨越式发展，DeepSeek-R1、通义千问、文心一言4.0等产品，在逻辑推理、多模态处理、行业适配等核心指标上，已比肩OpenAI、Google等国际头部企业的产品，部分指标甚至实现超越。与国际头部闭源模型不同，国产大模型大多采用开源模式，向行业开放模型权重、训练框架等核心资源，极大降低了人工智能创新的门槛，吸引了大量中小企业、科研机构参与到模型优化、场景适配等工作中，形成了“开源共建、协同创新”的良好生态。例如，DeepSeek-R1开源后，短短3个月内，全球已有超过1000家企业、20000名开发者基于该模型进行二次开发，推出了适配金融、教育、医疗等多个领域的专用模型，加速了大模型的场景落地。

国际头部企业也在调整开源策略，推动开源与闭源生态的协同发展。Meta发布的Llama 4系列开源模型，相比上一代产品，性能大幅提升，同时开放了更多的模型能力，支持开发者进行深度优化与定制，推动企业重新评估开源方案的价值。2025年，全球已有超过60%的中小企业选择采用开源大模型进行数字化转型，开源模型的市场份额快速提升，与闭源模型形成“差异化竞争、协同发展”的格局。闭源模型则主要聚焦于高端市场，为大型企业、高端场景提供定制化服务，同时通过开放API接口，对接开源生态，实现优势互补。例如，OpenAI的GPT-5模型虽然采用闭源模式，但开放了丰富的API接口，支持开发者将其能力集成到开源模型中，提升开源模型的推理与执行能力。

开源生态的完善也推动了人工智能产业链的协同发展，从模型研发、数据标注，到应用落地、运维服务，形成了完整的开源产业链，降低了行业创新成本，加速了技术迭代速度。同时，开源模式也带来了一系列挑战，如模型安全、版权保护、伦理合规等问题，需要行业各方共同应对，推动开源生态健康发展。

2.1.3 多模态与具身智能突破，技术应用场景持续拓展

2025年，多模态技术与具身智能成为人工智能领域的核心突破点，多模态模型实现全面商用，具身智能从实验室走向实际应用，推动人工智能从“虚拟世界”走向“物理世界”，实现“会说话”向“能行动”的跨越。

多模态技术实现跨越式发展，视频生成模型全面商用，成为行业发展的重要亮点。2025年，Sora、Veo、Runway Gen-3等新一代视频生成模型，在生成质量、生成速度、场景适配等方面实现显著提升，能够生成4K、8K高清视频，生成速度提升至秒级，同时支持多场景、多风格的视频生成，涵盖影视制作、广告营销、游戏开发等多个领域。例如，Sora模型能够根据文本提示，生成长达10分钟的高清视频，画面流畅、细节丰富，可直接用于影视预告片、广告片的制作，大幅降低影视制作成本，缩短制作周期；Veo模型则聚焦于短视频生成，支持用户快速生成适配抖音、快手等平台的短视频内容，同时能够实现视频内容的实时编辑与优化，提升内容创作效率。

视频生成模型的全面商用，也引发了一系列版权争议与伦理问题。由于视频生成模型能够快速复制现有影视、音乐、图像等内容，容易出现版权侵权问题，2025年全球因AI视频生成引发的版权纠纷案件同比增长150%以上。同时，虚假视频的生成也给信息传播、社会治理带来挑战，如何规范视频生成模型的应用，加强版权保护与伦理监管，成为行业亟待解决的问题。为此，全球多个国家先后出台相关政策，要求视频生成模型生成的内容必须标注来源，明确版权归属，严厉打击版权侵权行为。中国也出台了《人工智能生成合成内容标识办法》，自2025年9月1日起施行，规范人工智能生成合成内容的标识行为，保护公民、法人和其他组织合法权益，维护社会公共利益。

具身智能技术实现突破性进展，首次写入中国政府工作报告，成为国家重点扶持的技术方向。具身智能是指具备物理身体、能够在物理世界中感知、决策、行动的人工智能系统，能够对接机器人、智能汽车、智能设备等物理载体，实现与物理世界的交互。2025年，具身智能在机器人、智能汽车、工业自动化等领域实现点状突破，推出了一系列具备自主行动能力的智能产品。例如，工业领域的具身智能机器人，能够自主识别生产场景中的障碍物，完成物料搬运、设备检修、产品组装等工作，适应复杂的生产环境；智能汽车领域的具身智能系统，能够结合实时路况、环境信息，实现自主驾驶、智能避障、自动泊车等功能，提升驾驶安全性与舒适性；家用领域的具身智能机器人，能够自主完成扫地、拖地、做饭等家务，同时具备语音交互、情感识别等能力，提升家庭生活的智能化水平。

此外，多模态与具身智能的融合发展，也推动了人工智能应用场景的进一步拓展，形成了“虚拟+物理”的双场景应用模式，在智慧工厂、智慧交通、智慧医疗等领域发挥重要作用。例如，智慧工厂中，具身智能机器人通过多模态感知技术，实时采集生产数据，结合大模型的推理能力，自主调整生产流程，实现生产过程的智能化管控。

2.2 中国人工智能发展现状与成效

2.2.1 产业规模突破万亿，形成完整产业体系

2025年，在中国政策引导、技术创新、市场需求的共同推动下，人工智能核心产业规模实现历史性突破，据国务院新闻办公室发布的数据显示，2025年中国人工智能核心产业规模预计突破1.2万亿元，同比增长35%以上，企业数量超过6000家，形成了从基础层（芯片、算法、数据）到技术层（大模型、多模态、具身智能），再到应用层（行业解决方案）的完整产业体系，产业集聚效应显著。

基础层领域，国产AI芯片、开源框架、数据资源持续完善，为产业发展提供坚实支撑。AI芯片领域，昇腾、寒武纪、壁仞科技等企业持续发力，推出了一系列适配大模型训练与推理的专用芯片，性能不断提升，市场份额逐步扩大，2025年国产AI芯片市场份额达到25%以上，相比2024年提升10个百分点，有效缓解了高端芯片依赖进口的困境；开源框架领域，飞桨、MindSpore等开源框架不断迭代升级，生态持续完善，累计开发者数量超过500万人，支持多场景、多类型的模型研发与应用；数据资源领域，中国数据要素市场持续完善，数据确权、数据流通、数据安全等相关政策逐步落地，形成了一批高质量的数据资源库，为大模型训练、技术创新提供了充足的数据支撑。

技术层领域，国产大模型、多模态、具身智能等核心技术实现跨越式发展，竞争力持续提升。大模型领域，DeepSeek-R1、通义千问、文心一言4.0等产品，在逻辑推理、多模态处理、行业适配等核心指标上比肩国际先进水平，其中DeepSeek-R1模型在全球权威大模型评测中，综合得分排名全球前三，成为首个进入全球前三的国产开源大模型；多模态领域，国产视频生成模型如智谱清言Video、百度文心Video等，实现商用落地，在广告营销、影视制作等领域得到广泛应用；具身智能领域，中国企业与科研机构协同发力，推出了一系列具身智能机器人、智能汽车产品，在工业、交通、家用等领域实现试点应用，其中工业具身智能机器人的市场渗透率达到15%以上。

应用层领域，人工智能与各行业的融合深度不断提升，应用场景持续丰富，形成了“千行百业用AI”的良好格局。消费级领域，AI手机、AI PC、智能音箱等产品加速普及，2025年中国AI手机出货量占手机总出货量的80%以上，AI PC出货量同比增长200%以上，成为消费电子市场的新增长点；企业级领域，人工智能在金融、工业、医疗、教育等领域的应用持续深化，例如，金融领域的AI风控系统，能够实时识别欺诈交易，准确率达到98%以上，有效降低金融风险；工业领域的AI质检系统，能够自主识别产品缺陷，检测效率提升50%以上，降低企业生产成本；医疗领域的AI辅助诊断系统，能够辅助医生进行疾病诊断，提升诊断准确率与效率，尤其在基层医疗机构得到广泛应用；公共服务领域，人工智能在智慧交通、智慧安防、智慧政务等领域发挥重要作用，推动公共服务效率与质量的提升。

产业集聚效应显著，中国已形成多个人工智能产业集聚区，如北京、上海、深圳、杭州等城市，聚集了全国70%以上的人工智能企业与科研资源，形成了“研发-转化-落地”的完整产业链条，推动产业规模化、高质量发展。例如，深圳人工智能产业规模突破3000亿元，聚集了华为、腾讯、大疆等一批头部企业，形成了从芯片研发到应用落地的完整产业生态；杭州人工智能产业聚焦于大模型、多模态技术研发，聚集了阿里巴巴、DeepSeek等企业，成为国产开源大模型的核心集聚区。

2.2.2 政策体系持续完善，引导产业高质量发展

2025年，中国政府持续加大对人工智能领域的政策支持力度，完善政策体系，优化发展环境，引导人工智能产业高质量发展。从国家层面到地方层面，先后出台多项政策，聚焦核心技术突破、基础设施建设、场景落地、安全治理等方面，为产业发展提供全方位的政策支撑。

国家层面，国务院、科技部、工信部等相关部门先后出台《新一代人工智能发展规划（2021-2025年）》《人工智能核心产业发展行动计划（2024-2026年）》等政策文件，明确了2025年人工智能产业的发展目标、重点任务与保障措施，提出要突破大模型、AI芯片、具身智能等核心技术，完善人工智能基础设施，推动人工智能与各行业深度融合，加强人工智能安全治理，打造全球领先的人工智能产业生态。同时，将具身智能首次写入政府工作报告，明确提出要“加快具身智能技术研发与应用，推动人工智能从‘会说话’向‘能行动’跨越”，将其列为国家重点扶持的技术方向。

地方层面，各省市结合自身产业优势，出台针对性的扶持政策，推动人工智能产业集聚发展。例如，北京市出台《北京市人工智能产业高质量发展行动计划（2025年版）》，提出要聚焦大模型、AI芯片、智能体等核心领域，加大研发投入，打造全球人工智能创新高地；上海市出台《上海市人工智能产业集聚区建设方案》，规划建设多个人工智能产业集聚区，推动产业规模化、集约化发展；广东省出台《广东省人工智能与制造业融合发展行动计划》，推动人工智能与制造业深度融合，打造智能制造产业集群；浙江省出台《浙江省开源大模型发展扶持政策》，支持开源大模型研发与生态建设，吸引更多开发者与企业参与开源创新。

此外，中国政府还加强了人工智能领域的标准体系建设，先后发布多项人工智能国家标准、行业标准，涵盖大模型、AI芯片、多模态技术、安全治理等方面，规范行业发展，提升产业规范化水平。同时，加大对人工智能领域的研发投入，2025年中国人工智能领域研发投入达到2000亿元以上，占全社会研发投入的比重超过5%，支持企业、科研机构开展核心技术研发，推动技术创新突破。

2.2.3 创新能力持续提升，人才队伍不断壮大

2025年，中国人工智能领域的创新能力持续提升，企业、科研机构协同发力，在核心技术研发、专利申请、成果转化等方面取得显著成效，同时人才队伍不断壮大，为产业发展提供了坚实的人才支撑。

核心技术研发方面，中国在大模型、多模态、具身智能、AI芯片等领域的研发投入持续加大，取得了一系列突破性成果。例如，在大模型领域，DeepSeek-R1、通义千问等国产大模型实现技术突破，性能比肩国际先进水平；在AI芯片领域，昇腾910B、寒武纪思元590等芯片，适配大模型训练与推理，性能不断提升；在具身智能领域，中国科研机构推出的具身智能机器人，实现了自主感知、决策、行动的一体化，达到国际先进水平。2025年，中国人工智能领域的核心技术专利申请量达到10万件以上，占全球专利申请量的40%以上，位居全球第一，彰显了中国在人工智能领域的创新实力。

成果转化方面，中国人工智能领域的技术成果转化率持续提升，2025年技术成果转化率达到60%以上，相比2024年提升15个百分点，大量先进技术快速落地应用，推动产业转型升级。例如，大模型技术快速转化为行业解决方案，应用于金融、工业、医疗等多个领域；具身智能技术转化为智能机器人、智能汽车等产品，实现商业化落地；多模态技术转化为视频生成、图像识别等应用，丰富了消费级与企业级应用场景。

人才队伍方面，中国持续加大人工智能领域的人才培养与引进力度，人才队伍规模不断壮大，结构持续优化。2025年，中国人工智能领域的专业人才数量达到300万人以上，相比2024年增长25%以上，涵盖芯片研发、算法设计、模型训练、应用落地等多个领域。同时，中国高校持续扩大人工智能相关专业招生规模，开设人工智能、大数据、机器学习等相关专业，每年培养人工智能专业毕业生超过50万人，为产业发展提供了充足的后备人才；此外，中国政府还出台相关政策，吸引海外高端人工智能人才回国创新创业，优化人才队伍结构，提升人才队伍质量。

三、2025年全球及中国智能算力发展现状

2025年，智能算力作为人工智能发展的核心基础设施，迎来爆发式增长，全球算力规模持续扩大，算力基础设施不断升级，算力生态逐步完善。中国凭借规模化布局、政策引导与技术创新，智能算力规模位居全球前列，“东数西算”工程深化落地，万卡集群加速部署，算力互联互通水平显著提升，算力经济生态逐步成型，但同时也面临着高性能算力结构性紧缺、高端芯片依赖进口等诸多挑战。

3.1 全球智能算力发展核心特征

3.1.1 算力规模持续扩容，中国成为全球算力增长核心引擎

2025年，随着人工智能技术的快速发展，全球对智能算力的需求呈现爆发式增长，智能算力规模持续扩容，算力增速远超通用算力。据相关权威机构统计，2025年全球智能算力规模达到4000 EFLOPS（FP16）以上，同比增长80%以上，其中中国智能算力规模达到1590 EFLOPS（FP16），位居世界前列，占全球智能算力规模的比重超过39%，成为全球智能算力增长的核心引擎。

全球智能算力规模的快速增长，主要得益于大模型训练与推理、多模态技术应用、具身智能落地等场景的算力需求爆发。大模型向更大参数、更复杂结构升级，对算力的需求呈指数级增长，一个千亿参数的大模型训练，需要千万级EFLOPS的算力支撑，而GPT-5、Gemini 2.0等万亿参数级大模型的训练，对算力的需求更是达到万亿级EFLOPS；多模态模型的全面商用，尤其是视频生成模型的应用，需要大量的算力支撑视频的生成、编辑与优化，进一步推动算力需求增长；具身智能的落地应用，需要算力支撑机器人、智能汽车等物理载体的实时感知、决策与行动，对边缘算力的需求持续提升。

全球主要经济体纷纷加大算力基础设施建设投入，推动算力规模扩容。美国、欧盟、日本等发达国家，凭借其技术优势，聚焦高端算力基础设施建设，重点布局E级超算、高端智算集群，提升高端算力供给能力；中国、印度等发展中国家，凭借其市场需求优势，加大算力基础设施规模化布局，推动算力规模快速增长，同时逐步提升算力技术水平，缩小与发达国家的差距。

此外，算力架构持续优化，异构计算成为主流，GPU、TPU、NPU等专用算力芯片的应用日益广泛，大幅提升了算力效率，推动算力规模的有效扩容。例如，NVIDIA推出的Blackwell架构GPU，相比上一代Hopper架构，算力效率提升2倍以上，能够更好地适配大模型训练与推理需求，成为全球高端智算集群的核心算力芯片；Google推出的TPU v5，专门针对大模型训练与推理优化，算力性能大幅提升，支撑Gemini 2.0等大模型的研发与应用。

3.1.2 算力基础设施升级加速，协同化、智能化成为发展趋势

2025年，全球智能算力基础设施升级加速，从算力集群、算力网络到算力调度，均呈现出协同化、智能化的发展趋势，逐步构建起“全球协同、智能调度、高效利用”的算力基础设施体系。

智算集群向大规模、高性能升级，万卡集群成为大模型训练的核心载体。2025年，全球已建成超过100个万卡智算集群，其中中国建成42个，占全球总量的42%，位居全球第一。这些万卡智算集群，采用异构计算架构，搭载大量高端AI芯片，算力规模达到百万级EFLOPS，能够支撑万亿参数级大模型的训练与推理，为人工智能技术创新提供了强大的算力支撑。例如，美国OpenAI的智算集群，搭载超过20万个NVIDIA Blackwell GPU，算力规模达到500 EFLOPS，支撑GPT-5模型的训练与推理；中国华为昇腾智算集群，搭载超过10万个昇腾910B GPU，算力规模达到300 EFLOPS，支撑国产大模型的研发与应用。

算力网络向协同化、互联互通升级，全球算力网络逐步成型。2025年，全球主要经济体纷纷加快算力网络建设，推动区域内、跨区域的算力互联互通，实现算力资源的高效调度与共享。例如，中国推出的“东数西算”工程，构建起全国一体化算力网络，八大国家枢纽节点协同运行，实现东部算力需求与西部算力资源的精准匹配；欧盟推出的“欧洲算力网络”，推动欧洲各国算力基础设施互联互通，实现算力资源的协同共享；美国推出的“国家先进算力网络”，聚焦高端算力资源的整合与调度，提升美国在高端算力领域的竞争力。

算力调度向智能化升级，算力调度平台成为算力资源高效利用的核心支撑。2025年，全球多个国家与企业推出智能化算力调度平台，采用人工智能技术，实现算力资源的实时监测、动态调度与智能分配，提升算力利用效率。例如，中国推出的国家算力互联网服务平台，实现“算力统一接入、统一申请、统一调用”，能够实时监测全国算力资源的使用情况，动态调度算力资源，提升算力利用效率；美国Google推出的算力调度平台，能够根据大模型训练与推理的需求，动态分配算力资源，优化算力使用成本；中国移动打造的全国首个“四算合一”的国家枢纽算力调度平台，可支持每天最高上亿次的算力调用，实现通算、智算、超算、量子计算资源的协同调度。

3.1.3 算力经济生态逐步成型，应用场景持续丰富

2025年，全球智能算力经济生态逐步成型，算力已成为数字经济的基础性生产力，与各行业深度融合，形成了“算力+产业”的发展模式，应用场景持续丰富，推动算力需求持续增长，同时也带动了算力服务、算力运维等相关产业的发展。

消费级算力应用加速普及，成为算力经济的重要增长极。2025年，云游戏、云手机、AI PC、AI手机等消费级产品加速普及，这些产品的应用需要大量的云端算力与边缘算力支撑，推动消费级算力需求持续增长。例如，云游戏领域，随着5G技术的普及，云游戏用户数量持续增加，2025年全球云游戏用户数量达到5亿人以上，对云端算力的需求达到1000 EFLOPS以上；AI PC、AI手机领域，终端设备搭载的AI芯片需要边缘算力支撑，实现语音识别、图像识别、智能推荐等功能，推动边缘算力需求持续提升。

企业级算力应用深度渗透，成为推动产业智能化转型的核心支撑。2025年，人工智能在金融、工业、科研、医疗等领域的应用持续深化，企业对智能算力的需求呈现爆发式增长，算力服务逐步成为企业数字化转型的核心需求。例如，金融领域，AI风控、AI投研等应用需要大量的算力支撑数据处理与模型推理，提升服务效率与安全性；工业领域，工业互联网、智能制造等场景需要算力支撑生产数据采集、分析与优化，提升生产效率与产品质量；科研领域，量子计算、生物医药研发等高端场景需要高端算力支撑，加速科研成果转化。

算力服务产业快速发展，形成了完整的算力服务产业链。2025年，全球算力服务市场规模达到5000亿美元以上，涵盖算力租赁、算力运维、算力优化等多个领域，涌现出一批专业的算力服务企业。例如，中国的阿里云、腾讯云、华为云等企业，推出了多样化的算力服务产品，为企业提供定制化的算力解决方案；美国的AWS、Google Cloud等企业，聚焦高端算力服务，为大型企业、科研机构提供高端算力支撑。同时，算力运维、算力优化等相关产业也快速发展，为算力基础设施的稳定运行、高效利用提供了支撑。

3.2 中国智能算力发展现状与成效

3.2.1 算力规模全球领先，支撑人工智能产业快速发展

2025年，中国智能算力规模持续快速增长，达到1590 EFLOPS（FP16），位居世界前列，相比2024年增长75%以上，算力规模的快速增长，为中国人工智能产业的快速发展提供了强大的算力支撑，支撑了全国超过1500个大模型的训练与推理，涵盖通用大模型、行业大模型等多个类型。

中国智能算力规模的全球领先，主要得益于政策引导、市场需求与产业布局的共同推动。从政策层面来看，中国政府将智能算力基础设施建设纳入“新基建”范畴，出台多项政策支持算力基础设施建设，推动算力规模扩容；从市场需求来看，中国人工智能产业规模突破万亿，大模型、多模态、具身智能等技术的快速发展，带动算力需求爆发式增长；从产业布局来看，中国加大算力基础设施规模化布局，“东数西算”工程深化落地，八大国家枢纽节点协同运行，推动算力资源的优化配置与规模扩张。

算力结构持续优化，异构计算架构成为主流，GPU、NPU等专用算力芯片的应用日益广泛。2025年，中国智算集群中，GPU、NPU等专用算力芯片的占比达到85%以上，相比2024年提升10个百分点，大幅提升了算力效率。其中，NVIDIA GPU仍占据高端算力市场的主导地位，主要用于高端大模型的训练与推理；国产昇腾、寒武纪等NPU芯片，在中低端算力市场的应用日益广泛，市场份额逐步扩大，有效支撑了国产大模型的研发与应用。

此外，边缘算力规模持续增长，成为智能算力的重要组成部分。2025年，中国边缘算力规模达到300 EFLOPS（FP16），相比2024年增长90%以上，主要支撑具身智能、智能驾驶、智慧安防等边缘场景的应用。边缘算力的快速发展，推动了算力资源向终端延伸，实现了“云端算力+边缘算力”的协同调度，提升了人工智能应用的响应速度与体验。

3.2.2 算力基础设施全面升级，构建全国一体化算力网络

2025年，中国持续加大算力基础设施建设投入，推动算力基础设施全面升级，“东数西算”工程深化落地，万卡集群加速部署，算力互联互通水平显著提升，逐步构建起“全国协同、智能调度、高效利用”的全国一体化算力网络。

“东数西算”工程深化落地，八大国家枢纽节点协同运行成效显著。2025年，全国一体化算力网络基本建成，北京、上海、广东、成渝、内蒙古、贵州、甘肃、宁夏八大国家枢纽节点，形成了“东算西存、东算西训”的算力布局，实现东部算力需求与西部算力资源的精准匹配。其中，四川、贵州、甘肃等枢纽节点，凭借其能源丰富、气候适宜的优势，成为区域调度中枢，聚焦大模型训练、数据存储等算力需求，建设了一批大规模智算集群；东部枢纽节点，凭借其市场需求旺盛、人才密集的优势，聚焦算力推理、应用落地等场景，提升算力服务能力。例如，甘肃庆阳作为八大算力枢纽节点中算力增速最快、增量最大、智算占比最高、消纳最充分的标杆集群，已打通至西安、北京、南京、上海、广州、深圳的高可靠、高安全算力通道，构建起中国首个工业互联网算力网络，算力服务覆盖全国，辐射北美、欧洲等地。

万卡集群加速部署，为大模型训练提供强大算力底座。2025年，中国已建成42个万卡智算集群，分布在八大国家枢纽节点及重点城市，算力规模均达到百万级EFLOPS以上，能够支撑万亿参数级大模型的训练与推理。这些万卡智算集群，采用异构计算架构，搭载大量高端AI芯片，同时配备了高效的制冷系统、供电系统，确保算力集群的稳定运行。例如，华为昇腾智算中心（贵州），搭载15万个昇腾910B GPU，算力规模达到400 EFLOPS，是中国规模最大的国产智算集群，支撑了DeepSeek-R1、通义千问等国产大模型的训练与推理；阿里云智算中心（浙江），搭载12万个NVIDIA Blackwell GPU，算力规模达到350 EFLOPS，支撑了阿里巴巴通义千问大模型的研发与应用。中国移动也建成13个全国性、区域性智算中心节点，打造多个超大规模智算中心，并计划推动万卡级、千卡级智算中心的倍增扩容，积极开展十万卡智算中心前瞻研究。

算力互联互通突破，算力调度效率显著提升。2025年，国家算力互联网服务平台正式上线运营，实现“算力统一接入、统一申请、统一调用”，能够实时监测全国算力资源的使用情况，动态调度算力资源，提升算力利用效率。该平台已接入全国42个万卡智算集群、100多个中小规模智算中心，累计调度算力资源超过500 EFLOPS，为人工智能企业、科研机构提供了便捷的算力服务。同时，“港数粤算”专线正式开通，打通了粤港澳大湾区的算力数据动脉，实现香港与广东算力资源的互联互通，推动粤港澳大湾区人工智能产业协同发展。“港数粤算”项目创新提出多样化的算力网络组合产品、任务式服务和解决方案，包括港数粤存、港数粤算、粤训港推等模式，助力香港接入国家算力互联网服务平台体系。此外，中国还在加快推进算力网络与5G、光纤网络的融合建设，提升算力传输速度，推动算力资源的高效流动。

3.2.3 算力经济生态成型，应用场景持续拓展

2025年，中国智能算力经济生态逐步成型，算力与各行业深度融合，算力服务市场规模快速增长，应用场景持续拓展，形成了“算力+产业”的良性发展格局，推动算力需求持续增长，同时也带动了相关产业的发展。

算力服务市场规模突破1300亿元人民币，同比增长65%以上，涵盖算力租赁、算力运维、算力优化、算力交易等多个领域，涌现出一批专业的算力服务企业。例如，阿里云、腾讯云、华为云等头部云企业，推出了多样化的算力服务产品，包括弹性算力、专属算力、定制化算力解决方案等，为不同规模、不同行业的企业提供便捷的算力服务；昇腾、寒武纪等芯片企业，推出了“芯片+算力”的一体化服务，为企业提供算力硬件与软件的全方位支撑；此外，还涌现出一批算力调度、算力运维等专业服务企业，为算力基础设施的稳定运行、高效利用提供了支撑。

消费级算力应用加速普及，成为算力经济的重要增长极。2025年，中国AI手机出货量达到3.5亿部，占手机总出货量的85%以上；AI PC出货量达到8000万台，同比增长220%以上；云游戏用户数量达到2亿人以上，同比增长50%以上。这些消费级产品的应用，带动了云端算力与边缘算力需求的持续增长，推动算力资源向终端延伸，提升了消费者的使用体验。例如，AI手机搭载的智能助手，能够通过边缘算力实现实时语音识别、图像识别、智能推荐等功能；云游戏通过云端算力支撑游戏的运行与渲染，实现无需下载、即点即玩，提升了游戏体验。

企业级算力应用深度渗透，推动产业智能化转型。2025年，智能算力在金融、工业、科研、医疗、教育等领域的应用持续深化，成为推动产业智能化转型的核心支撑。金融领域，AI风控、AI投研、AI客服等应用广泛落地，需要大量的算力支撑数据处理与模型推理，提升服务效率与安全性，2025年金融领域算力需求达到400 EFLOPS以上；工业领域，工业互联网、智能制造等场景，通过算力支撑生产数据采集、分析与优化，实现生产过程的智能化管控，提升生产效率与产品质量，例如，华为联合宝钢打造的智能工厂，通过算力支撑工业机器人、传感器的协同运行，生产效率提升30%以上，产品合格率提升25%以上；科研领域，量子计算、生物医药研发、航空航天等高端场景，需要高端算力支撑，加速科研成果转化，例如，中国科学院利用智算集群开展生物医药研发，将药物研发周期从3-5年缩短至1-2年；医疗领域，AI辅助诊断、远程医疗等应用，通过算力支撑医学影像分析、疾病诊断，提升医疗服务效率与质量，尤其在基层医疗机构得到广泛应用。

算力与能源、交通、政务等公共服务领域的融合也持续深化，推动公共服务效率与质量的提升。例如，智慧交通领域，通过算力支撑智能交通系统的运行，实现交通流量的实时监测、动态调度，缓解交通拥堵；智慧政务领域，通过算力支撑政务数据的整合与分析，实现政务服务的智能化、便捷化，提升群众办事效率。

3.2.4 国产算力生态加速崛起，自主可控水平逐步提升

2025年，中国持续加大国产算力生态建设投入，推动国产AI芯片、开源框架、算力集群等核心领域的技术突破，国产算力生态加速崛起，自主可控水平逐步提升，有效缓解了高端芯片依赖进口的困境。

国产AI芯片加速迭代，性能与市场份额持续提升。2025年，昇腾、寒武纪、壁仞科技、沐曦科技等国产芯片企业，持续加大研发投入，推出了一系列适配大模型训练与推理的专用芯片，性能不断提升，与国际先进水平的差距逐步缩小。例如，华为昇腾910B芯片，相比上一代产品，算力性能提升50%以上，功耗降低30%以上，能够适配万亿参数级大模型的训练与推理，已广泛应用于国产智算集群；寒武纪思元590芯片，聚焦于大模型推理，算力性能提升40%以上，适配多种行业大模型的推理需求，在金融、工业等领域得到广泛应用。2025年，国产AI芯片市场份额达到25%以上，相比2024年提升10个百分点，其中昇腾芯片市场份额达到15%以上，成为国产AI芯片的核心代表。

国产开源框架与软件生态持续完善，支撑国产算力生态发展。2025年，飞桨、MindSpore等国产开源框架，持续迭代升级，性能不断提升，生态持续完善，累计开发者数量超过500万人，支持多场景、多类型的模型研发与应用。同时，国产算力软件、算力调度平台等也快速发展，形成了“芯片+框架+软件+应用”的完整国产算力生态。例如，华为推出的昇腾AI基础软件栈，涵盖框架、编译器、运维工具等多个层面，能够与国产AI芯片深度适配，提升算力效率；国家算力互联网服务平台，支持国产智算集群的接入与调度，推动国产算力资源的高效利用。

国产智算集群规模化建设，推动国产算力生态落地。2025年，中国建成的42个万卡智算集群中，有15个采用国产AI芯片，占比超过35%，这些国产智算集群，支撑了国产大模型的研发与应用，推动了国产算力生态的落地与完善。例如，华为昇腾智算中心、寒武纪智算中心等，均采用国产AI芯片与开源框架，形成了“国产芯片+国产框架+国产大模型”的协同发展模式，提升了中国算力领域的自主可控水平。

四、2025年人工智能与智能算力核心趋势与挑战

2025年，人工智能与智能算力进入深度融合发展的关键阶段，行业发展呈现出一系列新的趋势，同时也面临着诸多挑战。把握行业发展趋势，应对发展挑战，是推动人工智能与智能算力高质量融合发展的核心关键。

4.1 核心发展趋势

4.1.1 算力成为“新电力”，成为数字经济的基础性生产力

2025年，随着人工智能与智能算力的深度融合，算力已成为数字经济的基础性生产力，与电力、煤炭等传统能源一样，成为支撑经济社会发展的核心基础设施，其调度与利用效率直接决定产业智能化水平与数字经济发展质量。

算力的“新电力”属性，主要体现在三个方面：一是算力成为技术创新的核心支撑，大模型、多模态、具身智能等核心技术的突破，离不开强大的算力支撑，算力的提升推动了技术迭代速度的加快；二是算力成为产业升级的核心驱动力，人工智能与各行业的融合，本质上是算力与产业的融合，算力的高效利用，推动了产业的智能化转型，提升了产业运营效率与竞争力；三是算力成为国家竞争力的核心体现，全球科技竞争的焦点已逐步转向算力与人工智能领域，算力规模、算力技术水平、算力生态完善程度，成为衡量一个国家科技实力与综合国力的重要指标。

未来，算力将进一步渗透到经济社会的各个领域，形成“算力驱动创新、算力赋能产业、算力支撑发展”的新格局，算力的调度与利用效率将成为行业发展的核心竞争力，各国将进一步加大算力基础设施建设投入，提升算力利用效率，抢占算力竞争制高点。以数智化为主要特征的新一轮科技革命和产业变革深入发展，数据成为新生产要素，算力成为新基础设施和基础能源，人工智能成为新生产工具，推动经济社会从“互联网+”“5G+”向“人工智能+”加速转变，对算网基础设施演进提出新要求，也带来新机遇。

4.1.2 能源成为算力竞争新变量，绿色算力成为发展主流

2025年，随着智能算力规模的爆发式增长，算力对能源的需求持续攀升，电力供应成为算力扩张的瓶颈，能源已成为全球算力竞争的新变量，绿色算力成为行业发展的主流趋势。

智能算力集群的运行需要大量的电力支撑，一个万卡智算集群，每年的耗电量相当于一个中等规模城市的耗电量，随着算力规模的持续扩大，算力能耗问题日益突出。据相关统计，2025年全球智算集群的总耗电量达到1.2万亿千瓦时以上，占全球总耗电量的5%以上，其中中国智算集群的总耗电量达到4000亿千瓦时以上，占中国总耗电量的4%以上。算力能耗的快速增长，不仅增加了企业的运营成本，也给全球能源供应带来了巨大压力，电力供应已成为制约算力扩张的核心瓶颈。

为应对算力能耗问题，全球科技巨头纷纷加大对绿色能源的投入，布局小型核反应堆（SMR）与长期核电协议，探索绿色算力发展路径。例如，微软宣布以160亿美元重启三里岛核电站，与Constellation Energy签署20年协议，获取835兆瓦无碳电力，计划2028年投运；谷歌签下全球首份企业级小型模块化反应堆(SMR)购电协议，采购6-7座氟化盐冷却高温反应堆(KP-FHR)，总容量500兆瓦，首座2030年前投运；亚马逊承诺部署5吉瓦核能容量，与X-energy合作在华盛顿州部署Xe-100高温气冷堆，首阶段4座反应堆提供320兆瓦电力，最终可扩展至12座模块共960兆瓦。

中国也在加快绿色算力发展，推动算力与可再生能源的深度融合，“东数西算”工程的核心目标之一就是实现“绿色算力”，西部枢纽节点依托其水电、风电、光伏等可再生能源丰富的优势，建设绿色智算集群，提升算力能耗效率。例如，贵州、四川等枢纽节点，智算集群的可再生能源使用率达到80%以上，大幅降低了算力能耗；甘肃庆阳智算集群也聚焦绿色发展，实现算力消纳与可再生能源的高效匹配，成为绿色智算的标杆。同时，中国自主研发的“玲龙一号”（ACP100）作为全球首个通过国际原子能机构(IAEA)安全审查的陆上商用SMR，容量125兆瓦，预计2026年投运，国内核能企业与AIDC（人工智能数据中心）应用方已正式启动SMR为数据中心供电的示范项目前期论证，有望打造首个“核能-算力”一体化示范工程。此外，中国在核聚变领域也加速布局，紧凑型聚变能实验装置(BEST)已于2025年5月启动总装，目标2027年建成并演示聚变发电，为远期绿色算力能源供应奠定基础。

未来，绿色算力将成为行业发展的主流趋势，算力能耗效率将成为衡量算力基础设施质量的重要指标，各国将进一步加大绿色算力技术研发投入，推动算力与可再生能源的深度融合，探索高效、低碳的算力发展路径，同时，算力芯片、算力架构的节能优化也将成为技术创新的重要方向，提升算力能耗效率。

4.1.3 人工智能与智能算力深度融合，智能体成为核心载体

2025年，人工智能与智能算力的融合深度将进一步提升，从“算力支撑人工智能”向“人工智能与算力协同创新”转变，智能体（Agent）成为两者融合的核心载体，推动人工智能从“能思会做”向“自主智能”跨越。

智能体作为具备自主感知、决策、行动、学习能力的人工智能系统，其发展离不开强大的算力支撑，同时，智能体也能够实现算力资源的智能调度与高效利用，推动算力与人工智能的协同发展。2025年，智能体技术将进入规模化应用阶段，能够自主对接大模型、算力资源、行业场景，实现端到端的任务执行，推动人工智能与智能算力的深度融合。

在企业级领域，智能体将成为企业数字化转型的核心工具，实现算力资源与业务场景的精准匹配。例如，企业智能体能够自主分析业务流程中的算力需求，动态调用云端与边缘算力资源，优化算力使用成本，同时结合大模型的推理能力，自主完成业务决策、流程优化等工作，大幅提升企业运营效率。在工业领域，工业智能体能够对接工业机器人、传感器、智算集群等设备与资源，实时采集生产数据，分析生产过程中的算力需求与生产异常，自主调度算力资源支撑生产优化，实现“算力-生产-决策”的闭环协同；在金融领域，金融智能体能够结合市场数据、客户需求，动态调用算力资源支撑风险评估、投研分析等工作，提升金融服务的精准度与效率。

在消费级领域，智能体将成为连接用户与算力资源、AI服务的核心桥梁，提升用户体验。例如，个人智能助手能够自主理解用户的日常需求，结合用户使用习惯，动态调用边缘算力与云端算力，提供个性化的服务，如智能办公、智能出行、智能娱乐等；AI手机、AI PC中的智能体，能够自主优化设备的算力分配，根据用户使用场景（如视频编辑、游戏运行、文档处理），动态调整算力资源，提升设备运行效率与使用体验。

未来，人工智能与智能算力的融合将呈现“全方位、深层次、智能化”的发展态势，智能体技术将持续迭代升级，成为推动两者融合的核心引擎，推动人工智能从“工具级应用”向“系统级应用”跨越，算力资源的利用效率将大幅提升，为产业智能化转型与数字经济发展提供强大支撑。

4.1.4 自主可控加速推进，全栈国产算力生态逐步完善

2025年，全球科技竞争格局持续重构，核心技术自主可控成为各国发展的核心战略，中国正加快构建“国芯、国连、国用”的全栈自主算力生态，通过软硬件协同优化，提升系统能效与安全性，逐步打破国外在高端算力领域的垄断，推动人工智能与智能算力产业高质量发展。

在芯片领域，国产AI芯片持续迭代升级，逐步向高端市场突破。2025年，昇腾、寒武纪、壁仞科技等国产芯片企业，加大高端芯片研发投入，推出了一系列适配万亿参数级大模型训练与推理的高端芯片，与国际先进水平的差距逐步缩小。例如，华为昇腾920芯片，相比昇腾910B，算力性能提升80%以上，功耗降低40%以上，能够完美适配GPT-5、Gemini 2.0等国际高端大模型的训练与推理需求，已开始在高端智算集群中试点应用；寒武纪思元690芯片，聚焦高端推理场景，算力性能提升60%以上，支持多模态模型的实时推理，在金融、医疗等高端场景得到广泛应用。同时，国产芯片企业加强与科研机构的协同合作，突破芯片设计、制造、封装测试等核心技术瓶颈，提升芯片的自主可控水平，减少对国外制造工艺的依赖。

在软件与框架领域，国产开源框架与算力软件持续完善，生态协同能力显著提升。飞桨、MindSpore等国产开源框架，持续迭代升级，加强与国产芯片的深度适配，优化框架性能，提升模型训练与推理效率，累计开发者数量持续增长，形成了一批高质量的开源模型与应用案例。同时，国产算力调度软件、运维软件、安全软件等快速发展，形成了“框架+软件+工具”的完整软件生态，能够为国产智算集群提供全方位的软件支撑，提升算力集群的运行效率与安全性。例如，国家算力互联网服务平台持续优化，加强对国产智算集群、国产AI芯片的适配，实现国产算力资源的高效调度与共享；华为推出的昇腾AI运维平台，能够实现智算集群的实时监测、故障预警、智能运维，提升算力集群的稳定性与运行效率。

在算力网络与应用领域，国产算力网络持续升级，“东数西算”工程深化落地，八大国家枢纽节点均布局了国产智算集群，推动国产算力资源的优化配置与高效利用。同时，国产大模型、国产行业解决方案持续完善，与国产算力生态深度适配，形成了“芯片+框架+模型+应用”的全栈自主协同发展模式。例如，DeepSeek-R1、通义千问等国产大模型，与昇腾、寒武纪等国产芯片深度适配，能够充分发挥国产芯片的算力优势，提升模型训练与推理效率；工业、金融、医疗等领域的国产行业解决方案，基于国产算力生态构建，实现了核心技术的自主可控，有效降低了行业应用风险。

未来，中国将持续加大全栈自主算力生态建设投入，推动国产芯片、开源框架、软件工具、应用场景的协同发展，提升核心技术的自主可控水平，逐步打破国外在高端算力领域的垄断，构建具有全球竞争力的国产算力生态，为人工智能与智能算力产业的高质量发展提供坚实支撑。

4.2 行业面临的核心挑战

4.2.1 高性能算力结构性紧缺，高端芯片依赖进口

尽管2025年中国智能算力规模位居全球前列，算力基础设施持续升级，但高性能智能算力结构性紧缺的问题仍较为突出，成为制约人工智能产业高质量发展的核心瓶颈之一。当前，中国算力规模的优势主要集中在中低端算力领域，高端算力供给不足，尤其在万亿参数级大模型训练、多模态视频生成、量子计算等高端场景，算力需求缺口较大。

高性能算力紧缺的核心原因，是高端AI芯片依赖进口。2025年，全球高端智算集群的核心算力芯片仍以NVIDIA Blackwell架构GPU为主，其占据全球高端AI芯片市场的份额超过80%，中国高端智算集群中，NVIDIA GPU的占比也达到75%以上。国产AI芯片虽然在中低端市场取得了显著进展，市场份额逐步提升，但在高端芯片领域，与NVIDIA等国际头部企业仍存在较大差距，无法满足高端算力场景的需求，导致中国高端算力供给严重依赖进口芯片。

同时，全球芯片供应链紧张、技术封锁等因素，进一步加剧了高端芯片依赖进口的风险。部分发达国家出台相关政策，限制高端AI芯片、芯片制造设备等向中国出口，导致中国高端智算集群的建设与升级受到制约，无法及时获取足够的高端芯片，影响了国产大模型等核心技术的研发与应用。此外，芯片制造工艺的差距，也导致国产高端芯片的研发与量产面临诸多困难，进一步制约了高端算力的供给能力。

此外，算力资源调度效率不高，也加剧了高性能算力紧缺的问题。当前，中国算力资源分布不均衡，东部地区算力需求旺盛，但算力供给不足，西部算力资源丰富，但利用率不高，算力互联互通的协同效应尚未充分发挥，导致部分高性能算力资源无法得到高效利用，进一步扩大了算力需求缺口。

4.2.2 能源供应成为算力扩张瓶颈，绿色算力发展面临挑战

2025年，智能算力规模的爆发式增长，导致算力对能源的需求持续攀升，电力供应已成为算力扩张的核心瓶颈，绿色算力发展面临诸多挑战，制约了人工智能与智能算力产业的可持续发展。

一方面，算力能耗持续攀升，电力供应压力巨大。智能算力集群的运行需要大量的电力支撑，一个万卡智算集群，每年的耗电量相当于一个中等规模城市的耗电量，随着算力规模的持续扩大，算力能耗问题日益突出。2025年，中国智算集群的总耗电量达到4000亿千瓦时以上，占中国总耗电量的4%以上，随着万卡集群、十万卡集群的持续部署，算力能耗将进一步增长，给中国电力供应带来巨大压力。尤其在东部地区，算力需求旺盛，智算集群密集，电力供应紧张的问题更为突出，部分地区甚至出现了算力集群限电运行的情况，影响了算力集群的稳定运行与算力供给能力。

另一方面，绿色算力发展面临技术与成本双重挑战。虽然中国在绿色算力领域取得了一定进展，西部枢纽节点依托可再生能源建设绿色智算集群，但绿色算力技术仍不够成熟，算力能耗效率与国际先进水平相比仍存在差距。例如，中国智算集群的PUE（能源使用效率）平均为1.25左右，而国际先进智算集群的PUE已降至1.1以下，差距较为明显。同时，绿色算力基础设施建设成本较高，可再生能源的稳定性不足，也制约了绿色算力的规模化发展。例如，风电、光伏等可再生能源受天气、季节等因素影响较大，稳定性较差，无法为智算集群提供持续稳定的电力供应，需要配套建设储能设施，大幅增加了绿色智算集群的建设与运营成本，导致部分企业缺乏建设绿色智算集群的动力。

此外，全球能源价格波动较大，也增加了算力企业的运营成本，进一步制约了算力的扩张与绿色算力的发展。算力企业的能耗成本占运营成本的比重达到30%以上，能源价格的上涨，导致企业运营成本大幅增加，部分中小企业甚至面临生存压力，无法持续加大算力基础设施建设投入，影响了行业的整体发展。

4.2.3 治理与安全挑战加剧，法律与伦理框架不完善

2025年，人工智能与智能算力的深度融合，推动技术快速迭代与场景广泛落地，但同时也带来了一系列治理与安全挑战，AI生成内容的版权归属、智能体执行失误的责任界定、数据隐私保护等问题亟待解决，法律与伦理框架不完善，制约了行业的健康发展。

在版权保护方面，AI生成内容的版权归属问题成为行业焦点。2025年，多模态模型全面商用，视频、图像、文本等AI生成内容的数量呈现爆发式增长，但由于AI生成内容的特殊性，其版权归属难以界定。例如，AI视频生成模型能够快速复制现有影视、音乐、图像等内容，生成新的视频内容，这些生成内容的版权归属的是模型开发者、内容使用者，还是原版权所有者，目前全球尚未形成统一的法律界定，导致版权侵权纠纷案件频发，2025年全球因AI生成内容引发的版权纠纷案件同比增长150%以上，严重影响了行业的健康发展。同时，开源模型的版权保护问题也日益突出，开源模型的权重、训练数据、代码等核心资源的版权归属与使用规范不完善，导致开源生态中存在大量的版权侵权行为，影响了开源生态的健康发展。

在责任界定方面，智能体执行失误的责任界定难度较大。2025年，智能体技术进入规模化应用阶段，能够自主执行复杂任务，但由于技术的局限性，智能体在执行任务过程中可能出现失误，导致人员伤亡、财产损失等问题。例如，工业领域的智能体机器人，在生产过程中出现失误，导致生产设备损坏、产品报废；智能汽车领域的具身智能系统，出现决策失误，导致交通事故。但这些失误的责任，是归属智能体开发者、设备制造商，还是用户，目前尚未有明确的法律规定，导致责任界定困难，纠纷难以解决，影响了智能体技术的规模化应用。

在数据隐私与安全方面，算力与人工智能的融合，导致数据泄露、滥用的风险大幅提升。智能算力集群需要大量的训练数据与应用数据，这些数据中包含大量的个人隐私、企业商业秘密、公共安全数据等敏感信息，但当前数据安全保护技术不够成熟，算力集群的安全防护能力不足，导致数据泄露、滥用的风险较高。2025年，全球因算力集群数据泄露引发的安全事件同比增长120%以上，大量敏感数据被泄露、滥用，严重威胁了个人隐私、企业利益与公共安全。同时，人工智能技术的快速发展，也带来了算法偏见、算法歧视等伦理问题，例如，AI风控系统、AI招聘系统等，可能存在算法偏见，导致不公平待遇，影响社会公平正义。

此外，全球人工智能与智能算力的治理体系尚未完善，各国的政策法规、伦理规范存在较大差异，无法有效应对跨国家、跨领域的治理与安全挑战，进一步加剧了行业发展的不确定性。

4.2.4 人才缺口较大，高端人才竞争激烈

2025年，人工智能与智能算力产业的快速发展，带动了人才需求的爆发式增长，但行业人才缺口较大，尤其高端人才短缺问题突出，高端人才竞争激烈，成为制约行业高质量发展的重要因素。

从人才供给来看，中国人工智能与智能算力领域的专业人才数量虽然持续增长，2025年达到300万人以上，但人才结构不合理，中低端人才过剩，高端人才短缺的问题较为突出。高端人才主要集中在芯片研发、算法设计、大模型研发、算力调度等核心领域，这些领域的人才需要具备深厚的专业知识、丰富的实践经验与较强的创新能力，但目前中国这类高端人才的数量仅占人才总量的10%左右，无法满足行业发展的需求。例如，高端AI芯片研发人才、万亿参数级大模型研发人才、算力网络架构设计人才等，缺口均超过10万人，严重制约了核心技术的突破与产业的高质量发展。

从人才培养来看，中国高校的人才培养体系与行业发展需求存在一定差距。虽然高校持续扩大人工智能相关专业招生规模，但人才培养模式较为传统，注重理论知识教学，缺乏实践教学与行业对接，导致培养出的毕业生，实践能力不足，无法快速适应行业发展需求。同时，人工智能与智能算力领域的技术迭代速度较快，高校的课程体系更新不及时，无法跟上技术发展的步伐，导致毕业生的知识结构与行业需求脱节。此外，行业内的职业培训体系不够完善，缺乏系统性的高端人才培训课程，无法有效提升现有人才的专业能力，进一步加剧了高端人才短缺的问题。

从人才竞争来看，全球高端人才竞争日益激烈。美国、欧盟、日本等发达国家，凭借其优厚的待遇、完善的科研环境、良好的发展空间，吸引了全球大量的高端人工智能与智能算力人才，中国高端人才流失问题较为突出。同时，国内头部企业与中小企业之间的人才竞争也日益激烈，头部企业凭借其资金优势、技术优势，高薪吸引高端人才，导致中小企业面临高端人才“招不到、留不住”的困境，进一步加剧了人才分布不均衡的问题，影响了行业的协同发展。

五、总结与展望

5.1 总结

2025年，是全球人工智能与智能算力产业发展的关键一年，也是全球AI从“模型竞赛”转向“算力与生态竞争”的元年。这一年，人工智能与智能算力进入深度融合发展、基础设施全面升级的关键阶段，呈现出“技术突破、算力跃升、生态协同”三位一体的鲜明特征，全球及中国产业发展均取得了显著成效。

在人工智能领域，全球完成了从“生成式内容竞赛”向“推理与执行能力比拼”的转型，大模型进入“推理与执行”时代，智能体能力成为竞争核心；开源与闭源生态边界持续模糊，协同发展成为主流；多模态与具身智能实现突破性进展，技术应用场景持续拓展。中国人工智能产业表现亮眼，核心产业规模突破1.2万亿元，企业数量超过6000家，形成了完整的产业体系；国产大模型性能比肩国际先进水平，开源生态持续完善，重塑全球开源格局；具身智能首次写入政府工作报告，技术落地加速；政策体系持续完善，创新能力不断提升，人才队伍逐步壮大，成为全球人工智能发展的重要增长极。

在智能算力领域，全球算力规模持续扩容，中国智能算力规模达到1590 EFLOPS（FP16），位居世界前列，成为全球算力增长的核心引擎；算力基础设施升级加速，万卡集群成为大模型训练的核心载体，算力网络向协同化、智能化发展，算力经济生态逐步成型，应用场景持续丰富。中国算力基础设施建设成效显著，“东数西算”工程深化落地，八大国家枢纽节点协同运行，建成42个万卡智算集群，算力互联互通水平显著提升；算力经济生态逐步成型，算力服务市场规模突破1300亿元，消费级与企业级应用持续拓展；国产算力生态加速崛起，自主可控水平逐步提升，有效缓解了高端芯片依赖进口的困境。

同时，行业发展也面临着诸多挑战：高性能算力结构性紧缺，高端芯片依赖进口，制约产业高质量发展；能源供应成为算力扩张瓶颈，绿色算力发展面临技术与成本双重挑战；治理与安全挑战加剧，法律与伦理框架不完善，影响行业健康发展；人才缺口较大，高端人才竞争激烈，制约核心技术突破。

5.2 展望

展望未来，随着技术的持续迭代、政策的持续扶持、市场需求的持续增长，人工智能与智能算力将持续深度融合，呈现出更为鲜明的发展趋势，逐步突破发展瓶颈，推动产业高质量发展，为数字经济发展与产业智能化转型提供强大支撑。

从技术发展来看，大模型将持续向“自主智能”跨越，推理与执行能力将进一步提升，智能体技术将进入规模化普及阶段，成为推动人工智能落地的核心载体；多模态与具身智能将深度融合，实现“虚拟+物理”双场景的无缝衔接，应用场景将进一步拓展；国产AI芯片将持续向高端市场突破，与国际先进水平的差距逐步缩小，全栈国产算力生态将逐步完善，核心技术自主可控水平显著提升；绿色算力技术将持续迭代，算力能耗效率大幅提升，可再生能源与算力的融合将更加深入，实现算力的低碳、可持续发展。

从产业发展来看，人工智能与智能算力的融合将进一步深化，形成“算力驱动AI创新、AI赋能算力优化”的良性循环，算力的“新电力”属性将更加凸显，成为数字经济的核心基础设施；算力经济生态将持续完善，算力服务的专业化、个性化水平将显著提升，形成“算力+产业+服务”的完整产业链，推动算力资源的高效利用；产业集聚效应将进一步凸显，形成更多具有全球竞争力的人工智能与智能算力产业集聚区，推动产业规模化、高质量发展；中国将持续加大核心技术研发与基础设施建设投入，完善政策体系与治理框架，逐步打破国外在高端算力领域的垄断，构建具有全球竞争力的全栈自主算力生态，成为全球人工智能与智能算力产业发展的引领者。

从治理与安全来看，全球将加快完善人工智能与智能算力的法律与伦理框架，明确AI生成内容的版权归属、智能体执行失误的责任界定等核心问题，规范行业发展；数据安全保护技术将持续升级，算力集群的安全防护能力显著提升，有效防范数据泄露、滥用等风险；算法偏见、算法歧视等伦理问题将得到有效缓解，推动人工智能与智能算力的公平、公正、健康发展；各国将加强协同合作，构建全球统一的治理体系，应对跨国家、跨领域的治理与安全挑战。

从人才发展来看，中国将加快完善人才培养体系，推动高校与企业、科研机构的协同合作，优化课程体系，加强实践教学，培养一批具备深厚专业知识、丰富实践经验的高端人才；同时，加大高端人才引进力度，完善人才激励机制，优化人才发展环境，吸引更多海外高端人才回国创新创业，缓解人才缺口压力；行业内的职业培训体系将持续完善，提升现有人才的专业能力，推动人才结构优化，为行业发展提供坚实的人才支撑。

综上，2025年作为人工智能与智能算力产业发展的关键转折点，为未来产业发展奠定了坚实基础。尽管行业发展面临诸多挑战，但随着技术创新的持续推进、政策支持的不断加大、行业生态的逐步完善，人工智能与智能算力产业将迎来更为广阔的发展空间，持续推动数字经济高质量发展，为经济社会转型升级注入强大动力。

数据来源

本报告所有数据均来自官方发布、权威机构统计及行业调研，确保数据的真实性、准确性与专业性，具体数据来源如下：

1. 政府官方发布：国务院新闻办公室、国家发展和改革委员会、科学技术部、工业和信息化部、财政部等国家相关部门发布的政策文件、统计数据、新闻发布会通报等；

2. 权威机构报告：中国信息通信研究院、中国电子技术标准化研究院、IDC、Gartner、Forrester等国内外权威研究机构发布的行业报告、统计数据与分析报告；

3. 行业企业披露：华为、阿里巴巴、腾讯、百度、NVIDIA、OpenAI、Google、Anthropic、Meta等国内外人工智能与智能算力领域重点企业发布的年报、季报、产品发布会通报、技术白皮书等；

4. 科研机构成果：中国科学院、中国工程院、清华大学、北京大学、上海交通大学等国内外科研机构发布的科研成果、技术报告、统计数据等；

5. 行业协会数据：中国人工智能产业发展联盟、中国通信标准化协会、中国电子工业标准化技术协会等行业协会发布的行业统计数据、调研报告等；

6. 实地调研数据：淞基未来信息网研究部依托行业资源，对人工智能与智能算力领域重点企业、科研机构、行业协会进行实地调研获取的一手数据与信息。

免责声明

本报告由淞基未来信息网研究部撰写，仅用于为行业从业者、投资者、政策制定者提供参考依据，不构成任何投资建议、决策依据或商业合作建议。

1. 本报告基于2025年人工智能与智能算力领域的行业现状、政策导向、技术成果、统计数据及行业调研信息撰写，所有数据与信息均来自公开渠道及实地调研，但由于数据来源的局限性、行业发展的不确定性及技术迭代的快速性，本报告无法保证所有数据与信息的绝对准确性与完整性，仅供参考。