电子信息研究2025年第1期（总第97期）：先进计算产业发展研究报告（2024 版）

赛 迪 研 究 院主 办 2025年1月20日总第97期1第期 先进计算产业发展研究报告（2024 版） □先进计算产业发展现状□先进计算产业链进展□先进计算重点技术□行业应用□趋势及建议 『前言』 计算是信息产业的基础和核心，是数字经济时代新质生产力的典型代表，是数字社会生力变革演进的核心驱动力。计算与信息技术相生相伴，由结绳、算盘、计算器、机械计算机逐步发展至今，每一次计算的突破都推动工业化加速和人类文明的演进，孕育了新的经济模式和社会发展形态。当前全球计算技术加速创新，计算硬件、软件、算法、架构之间彼此激荡、同频共振，量子、类脑等新兴计算技术创新跨界交叠、磨砺聚变，以大模型为代表的新兴应用驱动算力需求快速增长。 在产学研用各方努力下，我国先进计算产业勇毅前行，体系化创新、集群式创新成效显著。为系统梳理先进计算产业发展情况，赛迪研究院、人工智能产业工作委员会联合业内多家企业联合编制了《先进计算产业发展研究报告（2024 年）》，全面总结我国先进计算产业的发展概况，系统梳理产业链重要环节发展情况，分析产业发展趋势并提出了若干措施建议，以期为我国先进计算产业发展和行业管理提供决策参考和依据。如有不当之处，敬请指正。 『编委会』 牵头单位： 中国电子信息产业发展研究院人工智能产业工委会技术与战略研究中心 合作单位（按照首字母排名）： 北京升哲科技有限公司浪潮计算机科技有限公司新华三集团有限公司飞腾信息技术有限公司咪咕文化科技有限公司上海天数智芯半导体有限公司上海燧原科技股份有限公司曙光信息产业股份有限公司 版权声明 本报告版权属于中国电子信息产业发展研究院，并受法律保护。转载、摘录或利用其他方式使用本报告文字或观点的，需要注明来源。违反上述声明者，本院将追究其相关法律责任。 目 录目 录CONTENTS 先进计算产业发展研究报告（2024 版） 一、先进计算产业发展现状…………………………………………1 （一）先进计算技术加速创新迭代演进……………………………………………1（二）先进计算牵引关联产业链高端化发展………………………………………2（三）先进计算深度赋能行业应用…………………………………………………2 二、先进计算产业链进展……………………………………………3 （一）关键器件………………………………………………………………………3（二）重点部件………………………………………………………………………5（三）软件……………………………………………………………………………6（四）整机……………………………………………………………………………7（五）计算基础设施…………………………………………………………………9 三、先进计算重点技术……………………………………………11 （一）计算系统架构技术…………………………………………………………11（二）互连技术……………………………………………………………………14（三）存储技术……………………………………………………………………16（四）前沿计算技术………………………………………………………………17 四、行业应用………………………………………………………19 （一）工业制造……………………………………………………………………19（二）生物医药……………………………………………………………………20（三）能源电力……………………………………………………………………20（四）智能交通……………………………………………………………………21 （五）科学研究……………………………………………………………………22 五、趋势及建议……………………………………………………23 （一）发展趋势……………………………………………………………………23（二）发展建议……………………………………………………………………24 通用芯片性能持续提升，面向特定应用场景的高性能、低功耗、定制化的专用算力芯片也在智能驾驶、智能语音、图像识别等领域发挥愈加重要的作用。从计算架构看，单一CPU提供的通用算力在部分特定场景下处理效率不高，“CPU+专用芯片（FPGA、GPU、ASIC等）”的异构架构在高性能计算、人工智能等算力应用场景中正渐趋成为主流计算架构。这涉及到硬件架构和软硬件协同两个层面的重大改变，并有望通过多系统高效并行调度实现大规模算力集群的性能和能效提增。 一、先进计算产业发展现状 （一）先进计算技术加速创新迭代演进 当前，计算技术加速迭代创新，计算技术基础理论、架构加速酝酿突破，新型计算技术呈现多路演进发展态势；与此同时，计算器件（大规模集成电路）发展的关键定律遭到发展瓶颈，摩尔定律放缓、登纳德缩放定律失效、阿姆达尔定律限制、冯氏架构瓶颈的“存储墙”“功耗墙”等问题凸显，计算技术与产业面临固有升级模式演进遇阻的挑战，存算一体、新型材料和架构等新技术的突破为技术发展提供新路径，为也为产业“弯道超车”提供新机遇。 非经典计算技术有望打破现有算力瓶颈。量子计算方面，与传统计算相比，量子计算具备更强的并行计算能力和更低的能耗。量子计算在随机电路采样、玻色采样等特定问题求解中展现算力优越性，研究机构正探索在抗量子密码、化学模拟、药物研发等场景中开展应用。类脑计算方面，基于仿生的脉冲神经元实现信息的高效处理，在对功耗、延迟敏感的边缘计算领域具有广泛的应用价值和潜力，是打破“内 经典计算技术呈现多元化创新发展态势。芯片工艺持续升级，计算芯片、异构计算不断突破，计算技术迭代呈现体系化、全链条式创新。从摩尔定律延续看，先进工艺如3nm量 产 和2nm以 下 节 点 的 研发推动了晶体管技术的革新，芯粒技术利用高级封装实现不同工艺和类型的芯片立体集成，有效应对设计难度和成本问题。从计算器件看， 存墙”的潜在技术之一。光计算方面，利用光学器件折射、干涉等光学特性进行运算，具有高速、高带宽、低功耗的优势，可在在多方面解决目前人工智能应用中面临的能耗和计算效率挑战，成为未来人工智能计算的主流方式。 频计算、物联计算等新理念拓宽计算终端发展疆界。 先 进 计 算 服 务 供 给 结 构 持 续优 化。多 样 化 的 算 力 供 给 和 普 惠化的算力应用正为各行各业数字化转 型 添 薪 蓄 力。 全 球 算 力 的 增 长速度正在加快，尤其是在智能算力方 面， 其 占 比 显 著 增 长。 从2018年到2023年，全球智能算力占比从7%增 长 至62%， 年 均 增 速 达到123%，智能算力的占比从大约10%增 长 到60%以 上， 年 均 增 速超 过100%。 据OpenAI数 据，30天 内 完 成ChatGPT训 练 至 少 需 要120PFlops智 能 算 力， 未 来， 随 着生成式人工智能垂直应用领域的持续拓展，智能算力等高性能算力供给将需求将加速增长。 （二）先进计算牵引关联产业链高端化发展 先进计算产品结构接续升级。先 进 计 算 驱 动 服 务 器、 新 型 计 算产 品 产 业 链 上 下 游 高 端 化 发 展。服 务 器 方 面，2023年 全 球AI服务 器 出 货 量 近120万 台， 同 比 增长38.4%。 据IDC预 测，AI服 务器出货量占整体服务器出货量将在三年内提升6个百分点，未来两年AI服务器出货量平均增长率将达到29%，AI服 务 器 搭 载 的CPU、GPU、FPGA、ASIC等 芯 片 需 求将同步上涨，2023年出货量约增长46%。服务器性能方面，生成式人工智能技术的应用将使服务器在资源优化、负载均衡等方面将更加智能。其他计算终端产品方面，先进计算驱动新型计算终端提供智能化、个性化服务，空间计算、音视 （三）先进计算深度赋能行业应用 先 进 计 算 深 度 融 入 并 大 幅 增强行业效能。以工业领域为例，其在研发设计、生产制造、运营管理等核心环节中的质效提升作用日趋关键。研发设计环节，企业依托数字化研发设计平台创新设计模式，从传统二维、单机设计，转变为基 于产品全生命周期的数字化协同设计，利用交互设计模式修正产品设计问题。生产制造环节，通过引入先进计算技术，推动智能产线、智能车间、智能工厂建设，实现对制造过程的动态感知、实时分析与控制优化，以可控的节点保障智能制造的安全可靠。运营管理环节，供应链组织方式正经历跨资源、跨领域、跨区域、跨边境的平台化变革，将催生一批基于工业互联网、物联网的“超级车间”“超级工厂”“超级货仓”等，实现产业链资源的网络化集聚和动态优化配置。 服 务 器 端 占 据 主 导 地 位，MercuryResearch数 据 显 示，2024年 二 季度x86架 构CPU的 市 占 率 约 为90.3%；ARM架构在智能手机处理器中占比超过99%，近年来在服务器、PC产品中的市占率也在不断提升，2024年二季度ARM架构CPU的市占率约为9.5%。先进封装成为超越摩尔定律的重要力量。面对摩尔定律逐渐失效的问题，先进封装能够从整体提升处理器性能，已经成为后摩尔时代提升芯片性能的关键技术。以Chiplet技术为例，通过将复杂芯片拆分成多个小型、独立且可复用的模块，即“芯粒”，再将若干“芯粒”集成，以此形成复杂功能芯片，可以突破单芯片光刻面积的瓶颈，大大降低成本，提升芯片性能。 二、先进计算产业链进展 （一）关键器件 1.计算芯片 （1）CPU CPU（CPU, Central ProcessingUnit）即中央处理器，是计算机的运算核心和控制中心，负责对计算机所有硬件资源进行控制调配并执行通用计算，具有通用性强、单线程性能较强、易于编程等特点，因此也被称为通用计算处理器。主流的CPU指令集主要包含x86、ARM和RISC-V等。x86架构在PC端、 （2）GPU GPU（Graphics ProcessingUnit）作为数据并行处理的高效部件，是AI服务器的核心增量。基于软硬件及大量开发者的生态优势，英伟达主导了全球GPU市场。根据TechInsights的 数 据，2023年 全 球数据中心GPU总出货量达到了385 万颗，相比2022年的267万颗同比增长44.2%，其中英伟达以98%的市场份额稳居第一。 算具备将部分通用功能场景化、平台化的特点，实现算法加速并减少CPU功耗，有助于运营商、云计算厂商和互联网厂商对数据中心的升级改造，减少高达30%的数据中心算力开销。 GPU在大规模并行计算中具有非常明显的优势，被广泛应用于计算机视觉、人工智能、大数据处理等多个领域。截至到目前全球GPU市 场 呈 现 以 美 国 大 型 芯 片 企 业 寡头垄断态势，Nvidia（英伟达）和AMD（美国超威）作为GPU芯片解决方案的行业领头羊，结合GPU图像渲染管道的高并发处理能力，配 合 专 为 通 用 计 算 开 发 的 生 态 系统，推出了专门面向海量数据运算的GPU系列产品并逐渐得到广大厂商认可，成为主流配置广泛应用于通用计算，其Tesla系列GPU成为当前市场的主要供应者。传统芯片巨头如英伟达（Nvidia）在深度学习训练芯片市场处于垄断的位置。 NPU（Neural Processing Unit）是面向机器学习和人工智能领域的专用加速芯片，头部通用处理器厂商 纷 纷 推 出NPU。NPU实 现 方 式多样，针对AI计算涉及的大量神经网络模型进行特殊优化，能够以更高的效率、更低的能耗处理人工智能大模型、机器学习算法和深度学习任务。头部CPU处理器芯片厂商先后发布集成了NPU的处理器，英特尔抢先在笔记本电脑上推广AIPC概念，发布了具有NPU的全新一代酷睿Ultra处理器；AMD推出了Ryzen AI处 理 器， 用 以 协 助AIPC产业发展；高通也强调，其发布的X Elite处理器集成了45 TOPS算力的Hexagon NPU。 （3）DSA DPU（Data Processing Unit）是 新 近 发 展 起 来