算力需求的专题解读

阿里资本开支计划：3年3800亿，2024-2025年计划每年1200亿，其中GPU/算力占比持续增长。 采购重点： 2023年Q4至2024年Q1主要采购英伟达H20（国内特供版），但因政策限制，后续无法继续采购。 海外采购以高端卡（如H100/H200）为主，用于模型训练；国内以国产卡为主，侧重推理和垂直场景。 国内外比例： 2025年原计划海外占比60%（如字节），阿里为40%国内；但实际可能调整为海外2/3、国内1/3，因国产卡产能受限。 长期目标：国产卡采购占比提升至60%以上（原计划50%），但产能（如中芯国际）可能制约进度。 2.国产芯片进展 主要供应商： 阿里自研PPU：已部署约300张，计划扩产至3万张，用于淘宝搜索、钉钉等内部场景；未来可能商业化（如比亚迪、OPPO合作）。 寒武纪：590系列性能接近A100，已下单5-6万张（单价约8万），适配较成熟。 海光：DCU性能优于寒武纪590（FP16约440T），单价超10万，谈判中。 华为昇腾：因竞争关系，阿里未采购；新发布的昇腾950/960性能提升，但合作可能性低。 国产卡定位： 替代中低端推理场景（如H20/A800），训练仍依赖海外高端卡。 华为、腾讯等通过超集群方案（如华为Atlas）弥补单卡性能差距，阿里规划类似方案（平头哥主导）。 3.算力使用与商业化 阿里云算力分配： 1/3供集团内部（如淘宝、钉钉），20%达摩院自研产品，50%商业化（实际利用率约30%）。 商业化以头部客户定向合作为主（非公开租赁），推理与训练占比约5:5。 模型应用： 通义千问覆盖全模态，文本能力领先，多模态（如图像/视频）略逊于火山。 日均消耗3万亿tokens，年底预计达4.5万亿，算力需求增长显著。 4.行业竞争与趋势 厂商对比： 字节：H20储备约50万张（远超阿里30万张），国产卡以寒武纪为主。 腾讯：采购AMDMI300X（约10万张），未与寒武纪合作，转向昇腾。 华为：昇腾910B产能优先供给百度，互联网厂商合作受限。 政策影响： 工信部要求大厂扶持国产芯片生态，英伟达特供卡（如H20）国内采购受限。 “水货”渠道（如海外转口）监管趋严，厂商转向合法海外采购。 5.挑战与未来方向 国产卡瓶颈： 性能与生态适配不足（如CUDA兼容性），客户倾向英伟达。 产能受限（如中芯国际7nm产能紧张）。 液冷技术：阿里部分数据中心已部署，未来新建IDC将逐步推广。 商业化路径： 国产卡先通过政企/智算中心项目落地（如联通、宁夏IDC），再逐步开放租赁。 PPU定价约4万/张，需通过标杆案例（如比亚迪）验证后大规模推广。 关键结论 国产替代加速：政策驱动下，寒武纪、海光、自研芯片占比提升，但性能与产能仍是瓶颈。 海外算力依赖：高端训练仍靠英伟达海外卡，国内推理场景以国产为主，短期“两条腿走路”。 竞争格局：字节算力储备领先，腾讯保守，华为受制于竞争关系，阿里侧重生态合作（如平头哥+寒武纪）。 商业化谨慎：国产卡需先解决适配与成本问题，2025年或成规模化商用关键节点。 1、头部云厂资本开支与算力投资规划 •阿里云资本开支计划：阿里云此前制定三年3800亿资本开支计划，2024-2025年计划开支达1200亿量级。该开支属阿里巴巴集团整体，含闪购等业务，但GPU及算力占比持续增长，整体资本开支规模稳中有升。 •H20采购受阻情况：从2024年四季度至2025年Q1、Q2，采购重点是H20，2025年上半年大幅采购并超前储备。原计划H20于2025年底推141G版本。但受政策影响，2025年国内无法正常采购英伟达卡，H20无法采购，中国特供B30A系列预计难获国内许可。 •国内外采购策略调整：面对采购限制，国内厂商加大国产卡采购，如H为主推昇腾，阿里偏向寒武纪加自研，字节采用寒武纪加昇腾模式。国外采购上，此前水卡（如H100）上架受限，量不大，转向增加GB200、GB300等高端卡采购量级，资本开支国外占比明显提升，预计未来1-2年国内外资本开支差距缩小。国内外应用场景有别，国外用英伟达高端卡做模型训练，国内以垂直子模型训练及推理业务为主。 2、国内外资本开支比例与采购形式 •25年资本开支比例：从2025年资本开支规划看，2025年之前初始计划中，字节60%资本开支用于海外算力储备，40%用于国内；阿里则相反，国内占比60%，海外占比40%。未来调整趋势上，预计2026年海外资本开支占比提升至约2/3，国内降至1/3。调整原因是国内产能跟进不确定，推力卡需求是否大规模爆发存疑。整体短期国外资本开支占比将提升。 •海外采购形式与趋势：海外采购以直采为主，通过关联或合营公司采购，采购主体不在国内，监管问题不大。当前海外采购卡型以GB200为主。模型训练上，内部积木模型、AIcoding等AI产品模型大多在海外训练后拿回国内，业务流程已跑通，2025年业务增量主要源于中企出海算力需求。国内以阿里云为例，目前H20储备约30万张（含2024年和2025年采购量），资源利用率约70%，未来将加大国产卡储备。长期看，若国内与国外卡性能差距缩小或国内生产成熟，资本开支可能更多流向国内；短期资源仍向海外倾斜。 3、云厂商卡类库存与用途分布 •英伟达系卡库存数量：阿里云英伟达系卡库存数量：H20约31万张，H800约3万张，H100约4万张（均为水货），A800约5.5万张，A100约8000张。传统卡（V100、T4、A10、4090、4060等）合计小10万张，海外G200约2万张。目前英伟达系卡总库存约五六十万张，国产卡数量不大。 •卡类用途比例：卡类用途分布：1/3用于阿里集团（不含蚂蚁）自用；20%左右用于阿里云及达摩院相关自用，如涉及AI应用解决方案产品。剩余50%可用于商业化出租，当前实际利用率约30%，会动态调整。训推比例为50%训练、50%推理。 4、国产卡采购进展与应用场景 •国产卡采购厂商与规划：当前国产卡采购主要聚焦PPU、寒武纪、海光三家厂商，同时排除了部分其他厂商并面临产能限制。PPU方面，现有约3万张（Speak版本），加上寒光800等型号，合计接近10万张，主要用于淘宝搜推、钉钉魔法棒等内部产品；目前PPU已向比亚迪、OPPO及宁夏等地数据中心供应部分卡，并将作为后续主要采购方向。寒武纪方面，去年曾针对其590台基版本下单约1万多张，但因被字节大量采购导致供应受限，近期计划再次下单以支撑国产卡量；当前主要使用性能稍弱但价格更低的590U版本（中兴版本）。海光方面，其DPU3单卡性能优于590和PPU，且兼容CUDA生态，单价过10万/张，目前已拿到4月690卡开始测试，预计短期下单。其他厂商方面，因适配性差、商务竞争等原因，明确不考虑升腾、昆仑芯；穆希拉、摩尔等因适配成本高、产能不足，短期也不会采购。此外，流片环节从三星转向中芯国际，但产能成为主要限制问题。 •国产卡应用场景对比：不同国产卡的应用场景及性能存在差异，主要集中在推理、训练及智算中心合作等方面。PPU定位为推理集群补充及低成本AI应用迁移，可用于推理集群和国产智算中心合作等场景。海光卡因具备DDK工具包，可迁移扩大代码，未来或更多用于非机密训练场景。寒武纪卡支持推理与训练，但大集群推理时延存在影响，主要用于非旗舰模型推理及小尺寸模型训练，且当前以内部使用为主，商业化推广较少。总体来看，国产卡的适配成本高于英伟达卡，集群效果及易用性仍有不足。 5、其他云厂商卡类情况对比 •字节卡类情况：去年字节1X2卡数量接近40万张，今年H20卡预计达50万张左右，比对比对象多约一半。合作上，字节给寒武纪下的订单已破10万张， 到手及在手卡约3-4万张，正与海关、深圳洽谈小几万张升腾卡采购。使用上，字节内部业务占比大，大部分卡自用；海外业务（如TikTok）需求占比也高。虽外部有资源冗余，但采购主要满足内部需求。 •腾讯卡类情况：腾讯卡类情况与字节不同。合作上，腾讯未与寒武纪合作（此前商务关系有问题），更多与昆仑芯、深腾合作。采购上，去年腾讯采购约20万张H20卡；今年借Deepseek推出模型加算力解决方案，目前无后续进展；此前下单近10万张AMDMI308卡，到货情况不明。业务策略上，腾讯在AI业务较保守，项目或竞标中与对比对象碰面概率不大。 6、国产卡商业化挑战与规划 •PPU商业化难点：PPU商业化面临多重挑战。其一，用户选择偏好方面，当前市场中算力卡未达稀缺程度，无政策要求的用户通常优先选英伟达产品。其二，合作优先级低，部分有国产化算力要求的国央企，更倾向与华为、运营商或国内3D厂商合作，PPU优先级不高。其三，市场认知不足，PPU此前未在官方场合宣传推广，市场认知度差。其四，产能限制，大规模商业化需产能跟进，但当前产能无法满足，商业化难以一蹴而就。 •未来商业化规划：PPU商业化分阶段推进，前两步并行。第一步与大头部企业点对点合作，帮其适配、部署打造标杆案例，如与比亚迪、OPPO合作；第二步与国内智算中心及运营商合作，如与移动旗下重庆公司、三江源联通IDC、宁夏IDC合作。推广上，当前PPO搭在百类中对外租赁，若供应链和市场反响好，2026年或有部分在GPU云推出，但更可能以项目制（智算中心场景）为主。定价上，单卡成本约4万多，初期或更便宜，但内部暂无明确指导。 Q&A Q：目前国内头部云厂的资本开支及未来算力投资规划情况如何？ A：以阿里云为例，其资本开支计划为三年3800亿元，2024年、2025年计划为1200亿元量级，后续将持续增加，整体资本开支规模稳中有升，其中GPU或算力占比持续增长。去年四季度至今年Q1、Q2采购重点为H20并超前储备，但受政策影响，今年国内无法正常采购英伟达H20及中国特供卡B30A系列。各家厂商调整策略，加大国产卡采购，如h为采用升腾，阿里、z节采用寒武纪加自研或升腾。海外方面，此前通过水卡采购，但当前水卡量不大，转而增加GB200、GB300等高端算力卡的国外采购，国外资本开支占比显著提升。未来1-2年，国内外资本开支差距缩小，国外以英伟达高端卡为主用于模型训练，国内以垂直模型训练和推理为主。在政策激励下，国内大厂也采购AMD、NVIDIA3080等卡，虽量不大但持续。国内外采卡策略边界更清晰，国内逐渐向国产化转移。 Q：现行及未来资本开支规划中，海外与国内的投入比例如何？ A：2025年之前的资本开支计划中，字节60%用于海外算力储备、40%用于国内；阿里为四六开，大部分投入国内。从明年来看，预计2/3左右资本开支用于海外补充，1/3用于国内补充，主要因国内产能可能不足且推力卡需求大规模爆发存疑，短期海外占比将提升。 Q：出海采购时通常采购哪些类型的算力卡？合作形式是以租代买还是直接采购？ A：目前海外采购以直接采购为主，主要通过合营公司或关联公司进行，因采购主体不在国内，监管风险较低。采购的算力卡以今年主流的GB200政府卡为 主，主要用于海外模型训练，训练完成后模型回传国内，业务流程已跑通，今年业务增量主要来自中企出海的算力需求。国内方面，以阿里云为例，H20卡当前规模约30万张，资源利用率约70%，后续将加大国产卡储备。短期来看，海外采购占比将提升；长期若国内与国外卡性能差距缩小或国产生产成熟，资本开支可能转向国内，目前资源仍向海外倾斜。 Q：数据出海及模型回流环节在模型训练与推理中是否存在问题？是否会受到限制？ A：该环节存在监管与合规规定，存在政策风险；但目前主要厂商采用该模式未出现问题，通过定制模型主体及数据同步方式可规避相关风险，当前无显著风险。 Q：涉及数据跨境传输的模型训练是否会导致训练成本及训练时长增加？ A：此类训练确实会导致成本与时长增加，主要因数据集中投位、数据同步需求及海外集群效果弱于国内等因素影响。当前处于阶段性转移过程，仅部分模型开始向海外训练，海外推大模型时主要以海