摘要：进入人工智能2.0时代，人工智能技术发展跑出“加速度”。为确保人工智能技术的高效运作，全球范围内对人工智能基础设施的需求激增。总体上看，人工智能基础设施建设已成为推动全球人工智能产业发展的核心动力。人工智能技术的加速更新催生了对计算能力、数据存储能力和数据处理

一、当前人工智能基础设施发展的基本特点

大模型、生成式AI的发展带动了人工智能领域的范式转换，推动人工智能基础设施建设进入密集投入期，投资规模、政策支持力度、产品应用规模均呈指数级增长。具体来看，围绕算法、算力和大数据的软硬件一体化建设已成为建设人工智能基础设施的主要着力点。

（一）总体上看，供需两端协同发力是当前人工智能基础设施建设的显著特征

当前正处于人工智能技术的“井喷式”发展期，人工智能基础设施建设的必要性和重要性均显著增强。从供给侧看，全球科技企业为抢占人工智能发展制高点，争相扩大基础设施投资布局。微软、亚马逊、英伟达等科技巨头相继扩大对人工智能基础设施的投入。今年9月18日，微软宣布联合贝莱德（BlackRock）、全球基础设施合作伙伴（GIP）及阿联酋AI 投资公司 MGX成立全球AI基础设施投资伙伴关系（GAIIP），预计将撬动总计1000亿美元的投资潜力。此外，亚马逊也计划在日本投资150亿美元打造基础设施，在新加坡、墨西哥和法国分别计划投资90亿美元、50亿美元和13亿美元。从需求侧看，终端设备的智能化、5G通信、自动驾驶等AI技术的应用场景拓展，进一步推动AI基础设施需求的提升。总体上，当前AI在终端应用的渗透率正显著提升。国际数据公司（IDC）预计，2024年仅中国市场上搭载AI功能的终端设备将超过70%。中商产业研究院报告《2024-2029全球与中国无人驾驶列车系统市场现状及未来发展趋势》显示，2023年全球无人驾驶汽车行业市场规模约为417.5亿元，同比增长37.8%，预计2024年全球无人驾驶汽车行业市场规模将达575.3亿元。这势必刺激高性能、低功耗、高集成度、算力与算法紧密结合、达到车规级安全要求等多重限制因素的芯片研发与生产。

（二）硬件上看，以GPU算力为代表的高性能算力已成为“新基建”的核心

随着人工智能算法复杂度的增加，传统以中央处理器（CPU）为中心的传统的计算资源已无法满足需求，智能算力基础设施更新已然成为人工智能时代算力基础设施的核心载体。数据显示，过去四年，大模型参数量以年均400%复合增长，AI算力需求增长超过15万倍，远超“摩尔定律”。麦肯锡预测，到2030年，全球AI计算需求将达到25×1030 FLOPS（每秒浮点运算次数），相当于2024年需求的50倍。在此背景下，具备并行处理能力、通用性更强的图形处理器（GPU） 成为大模型训练和推理的理想硬件选择。目前，GPU已成为继CPU和DRAM之后的第三大半导体市场。多个机构预测GPU市场将以超过20%的复合年增长率快速增长，并有望在2030年达到千亿美元规模，成为全球最大的半导体细分市场。

（三）软件上看，数据中心搭建支撑起人工智能技术 “大厦”

数据处理及存储需求的大幅上升倒逼全球对“计算机仓库”数据中心的需求持续扩大。华为近期发布《AI DC白皮书》，报告强调人工智能数据中心的重要性等同于信息时代的网络和数字时代的云服务。在此背景下，数据中心建设已成为支撑人工智能应用的关键基础设施。具体来看，一是数据中心在2023年已阶段性超越消费电子成为最大半导体终端市场。最新数据显示，美国私人数据中心的建设支出已显著增长至每年接近300亿美元，这一数字是自2022年底OpenAI推出ChatGPT以来的两倍有余。如今，数据中心的建设预算已超越酒店、零售和休闲设施等其他传统资本密集型行业。二是全球科技巨头争相布局人工智能数据中心建设，抢占人工智能领域先机。资金上看，美国《华尔街日报》报道，据不完全统计，今年以来，微软和亚马逊在全球AI相关项目和数据中心项目上的投资加起来已超过400亿美元。能耗上看，美国世邦魏理仕集团（CBRE）发布的研究显示，北美主要市场在建的数据中心供应量较2023年增长了约70%，达到创纪录的3.9千兆瓦。

二、人工智能基础设施建设的三大趋势

人工智能基础设施建设事关人工智能产业的发展的“上限”和“下限”。未来，人工智能基础设施建设大概率仍将以算力开发为代表的技术革新为核心，以赋能千行百业为动力。其中，特别是当前人工智能能耗问题突出，如何实现人工智能技术发展与绿色转型的有机结合或是接下来的发力点。此外，考虑到人工智能技术代表新一轮产业技术革命，大国博弈也将是贯穿其中的主旋律。

（一）从技术层面看，算力开发和数据中心建设仍将是“新基建”的重点

人工智能时代，数据就是生产资料，算力就是生产力，二者奠定了人工智能发展的基础。从算力开发角度看，大模型的参数规模与所需的算力成正比，针对愈趋复杂的模型和大规模训练需求，大规模、高性能、高稳定性的算力资源尤为重要。例如，今年3月，开源平台ClearML发布调研报告《2024年AI基础设施规模现状：揭示未来前景、关键见解和商业基准》显示，96%的受访公司计划扩大其人工智能计算能力和投资 ；40%的受访公司表示，无论公司规模大小，都计划使用编排和调度技术来最大化他们现有的计算基础设施。从数据中心建设角度看，数据中心是算力的最终载体与强大支柱。根据AFCOM最新发布的《2024年数据中心状况报告》，人工智能的勃兴正显著影响数据中心的设计和基础设施。2024年9月12日，美国白宫举办了以“如何加速AI基建数据中心的建设，确保美国在全球人工智能竞赛中的领先地位”为核心议题的圆桌会议。会上，英伟达创始人兼CEO黄仁勋表示，人工智能的发展不仅仅依赖于单一的硬件技术，还需要背后强大的超大规模数据中心作为算力支撑。OpenAI CEO山姆·奥特曼（Sam Altman）称，数据中心的建设速度和规模直接决定了人工智能模型的性能和效率。由此可见，打造数据中心、优化数据中心运营仍将是人工智能基础设施建设的关键。

（二）从行业层面看，绿色算力或将成为突破人工智能发展瓶颈的关键

当前，人工智能产业的电力危机隐现，绿电或成为破局关键。一方面，人工智能的发展离不开算力支持，而算力的背后是巨量的电力需求。综合多方报道，仅OpenAI的聊天机器人ChatGPT每天响应约2亿个用户请求就会消耗超过50万千瓦时的电力，相当于一个中国家庭每天用电量的5万倍以上。美国咨询机构Uptime Institute预测，到2025年，人工智能业务在全球数据中心用电量中的占比将从2%猛增到10%。美国云计算软件服务公司Procore Technologies分析称，随着数据中心需求的增加，能源需求的增长恐导致数据中心建设的延长周期长达24至72个月。另一方面，人工智能设备制造的耗电量同样巨大。例如，英伟达（Nvidia）公司销售的用于人工智能的GPUs占全部销售额的95%，预计该公司2024年将出货10万台A100服务器，电力年消耗达5.7太瓦时。再如，英伟达的供应商、芯片制造商中国台湾台积电（TSMC）正在投资兴建新工厂，预计到2027年每年可提供150万台服务器，而总计能源消耗将达到85.4太瓦时。特斯拉CEO马斯克曾预言未来“缺硅”将演变为“缺电”，而这或阻滞人工智能的发展。鉴此，节能、“绿电”或成为人工智能的重要发展方向。如英伟达公司当前正致力于开发更高性能和更节能的计算模式，将加速计算作为减少功耗的主要策略。

（三）从战略层面看，围绕人工智能的大国竞争进入“白热化”阶段

以人工智能为代表的数字技术正颠覆传统的权力结构，深刻影响大国力量平衡，成为各国争相追逐的战略目标。一方面，掌握数据资源的国家将在未来的竞争中占据有利的权力优势，各国重视且在资金上大力支持数据中心等基建的建设正是出于数据主权的考量。例如，美国2024财年将国家信息技术研究与发展（NITRD）的人工智能研发投资预算增长到31亿美元，较上一年度显著提高。再如，欧盟推出《“地平线欧洲”2025~2027年战略计划》，其中大约有100亿欧元用于人工智能相关的研究与创新，同时，为支持人工智能所需的高性能计算力，欧盟提出超过80亿欧元的“欧洲高性能计算共同计划”。另一方面，中美在人工智能领域的对抗烈度恐进一步升级。美国不断扩大对华科技封锁“包围圈”，加之特朗普第二任期即将开启，可以预见到美在人工智能领域的排华力度将显著加剧。一是强化对华人工智能大模型发展的限制。2024年5月，美众议院外交事务委员会通过《加强海外关键出口限制国家框架法案》提案，该法案对人工智能模型实施出口管制，旨在“保护美国的人工智能技术及其他相关技术，防止其被外国竞争者利用”。二是持续收紧对华关键领域出口管制。2024年10月28日，美国财政部宣布了限制美国企业和美国人向中国半导体和微电子、人工智能和量子信息技术等领域投资的“最终规则”。路透社11月10日报道，美国商务部要求中国台湾台积电公司停止向中国企业供应某些7纳米及更高制程的高性能芯片，目前台积电已从11月11日起停止发货。特别是，针对人工智能领域中美博弈，美国政府与企业界的“温差”正显著缩小。2024年11月13日，美国人工智能初创公司OpenAI公布其人工智能基础设施建设的政策蓝图，公开呼吁美国与其盟伴合作建立“北美人工智能联盟”，共同支持开发人工智能系统所需的基础设施，以应对来自中国的竞争。

三、人工智能基础设施建设面临的风险和挑战

（一）技术本身的不确定性引发内生风险与应用风险

人工智能技术是一把“双刃剑”，技术性问题也往往具有突发性和不可控性。例如，2024年7月19日，美微软公司爆发有史以来最严重的IT故障，几乎造成全球范围内的服务停摆。再如，自自动驾驶技术落地并逐渐推广以来，自动驾驶系统失控造成的重大伤亡案例不在少数。因此，在人工智能技术的应用和基础设施建设过程中，必须加强对不确定性和不稳定性的理解，并采取相应的技术手段和管理措施，以降低潜在风险，提高人工智能模型的鲁棒性，增强人工智能技术的可控性和可持续性。

（二）数据跨境流动推高数据安全隐患与隐私保护难度

数据跨境流动带来了巨大的便利，促进了全球化的经济发展和技术创新，但同时也对数据安全和隐私保护的合规性与可行性提出了挑战。一是网络终端数量增多，攻击面扩大；更多业务上云，敏感数据的流动与集中存储加剧被窃取和泄露风险。二是合规成本和复杂性上升，当前不同国家和地区对数据隐私的规定日益严格，数据保护的标准各不相同，数据跨境流动的法律要求复杂多变，给国际业务带来更高的合规风险。值得注意的是，类ChatGPT等生成式人工智能模型有助于提升各国大数据情报分析能力，若迭代进化出独立正确判断的能力，恐对国家和民众的信息安全构成巨大挑战。

（三）大国博弈制约人工智能治理的跨境合作

人工智能基础设施的建设通常需要跨国合作，尤其是在数据共享、计算资源协作等方面。然而，地缘政治紧张、国家间技术竞争、跨国法规差异等因素均极大制约人工智能领域全球治理的顺利进行。以中美竞争为例，中国在数据方面更具优势，而美国则在算力和算法方面更有优势，本应实现优势互补、资源互补。然而，美国倾向单边主导型的人工智能安全治理，致力于确保其在人工智能领域的发展和风险管控上处于世界领先地位，要求盟伴加入对华实施技术出口管制的“俱乐部”。加之目前尚无全球性的框架来规范人工智能的发展和治理，阵营化的全球格局势必损害人工智能治理全球生态的构建。

作者简介

刘纪铖 国务院 发展研究中心国际技术经济研究所研究二室

研究方向：信息领域战略、技术和产业前沿

作者丨刘纪铖 唐乾琛

编辑丨郑实

研究所简介

国际技术经济研究所（IITE）成立于1985年11月，是隶属于国务院发展研究中心的非营利性研究机构，主要职能是研究我国经济、科技社会发展中的重大政策性、战略性、前瞻性问题，跟踪和分析世界科技、经济发展态势，为中央和有关部委提供决策咨询服务。“全球技术地图”为国际技术经济研究所官方微信账号，致力于向公众传递前沿技术资讯和科技创新洞见。

地址：北京市海淀区小南庄20号楼A座

_er

来源：全球技术地图