智算中心從規模優先走向應用導向 機器人催生新算力需求|聚焦

《科創板日報》6月10日訊（記者 黃心怡）近年來隨着AI大模型的崛起，智能算力需求呈現出爆發式增長。但在算力建設熱潮中，部分智算中心也會面臨利用率不足，甚至出現局部算力閒置現象。

對此，《科創板日報》採訪中科曙光等產業鏈公司獲悉，國內整體算力基礎設施建設依然會持續，從長期來看算力需求仍將走高，但行業關注點已發生顯著變化，從單純追求算力規模擴張，轉向更注重實際應用場景的支撐能力，以及建成後的可持續運營效率。

同時，機器狗、人形機器人等具身智能領域也在催生新的算力需求。有業內人士認爲，以後的機器人口規模和增速，會根本性改變當今區域算力競爭格局。

▍從追求規模到關注應用

隨着人工智能技術的迅猛發展，全球範圍內掀起了一股AI算力中心建設的熱潮。從中國各地的“智算中心”項目密集開工，到美國科技巨頭動輒數百億美元的數據中心投資，算力基礎設施成爲新一輪科技競賽的核心戰場。美國還在今年宣佈了一項名爲“星際之門”的投資計劃，旨在建設美國新一代AI基礎設施，預計總投資將高達5000億美元。

但是，這股熱潮之下，業內也開始出現不同的聲音。阿里巴巴集團主席蔡崇信等業內人士就曾警示“美國AI算力投資存在泡沫”。

對此，中科曙光高級副總裁李斌認爲，所謂不足和過剩，是相對且動態變化的。“從長期來看的話，這個算力還是稀缺的，只是可能在某些階段，算力會短期內存在過剩。這也是過去建設過程中更爲關注算力規模，而對落地應用、運營和軟件生態方面關注較少。但DeepSeek爆火出圈後，促進了大模型的行業應用落地。從長期來看的話，算力需求是繼續往上走高。”

明確需求再投入建設的智算中心依然供不應求。《科創板日報》瞭解到，優刻得烏蘭察布智算中心的需求比較緊俏，目前三期正式開始交付，交付的B棟建築面積約23000平方米，機櫃數量約爲2300個，平均設計功率12kw，滿足GPU等高性能設備的部署需求。知情人士對《科創板日報》表示：“我們對智算中心的建設和交付週期比較有信心，能滿足不同類型客戶對算力建設的要求。”

相較前兩年，當前的智算中心建設有較爲明顯的轉變，建設方或運營方都更爲關注落地以及實際效果的產出。中科曙光智能計算產品事業部總經理杜夏威表示， “現在可能已經過了前兩年的‘修路’階段，而是轉向關注垂直行業整合，以支撐具體的產業應用。從建設的角度上來看，對於算力的運營推廣，以及最終的實際使用效果的關注度也越來越高。整體的算力建設應該還是會持續，但是會越來越多地關注算力最終展現的效果上，而不是再單純地追求算力建設的規模。”

▍機器人、低空經濟等催生新的算力需求

“過去的算力需求邏輯是，C端消費側的算力需求由區域人口數量決定，而企業和政府的算力需求也與人口、智能化程度有正相關性。如今出現了新的變量。” 快思慢想研究院院長、《田豐說》機器人節目策劃人田豐表示，“天文、可控核聚變、新材料、新醫藥等科研算力需求會調用大量算力，而機器狗、人形機器人、無人機（低空經濟）、智能駕駛電動車、無人船等都會產生算力增量需求市場，以後的機器人口規模和增速會根本性改變當今區域算力競爭格局，比如新疆的機器人紡紗，西藏的自動駕駛物流車，雲貴川的無人機植保等，都會涌現出大量算力需求。”

《科創板日報》也從中科曙光方面獲悉，已經接到不少具身智能領域的新增需求，比如配合雲計算廠商爲智元機器人、宇樹科技等構建存力基礎設施。

曙光存儲副總裁張新鳳介紹，具身智能企業的核心需求包括幾個方面。一是大量的感知數據採集。“具身智能企業需要處理海量的多模態數據，包括音頻、視頻、圖片等格式，這些數據可能都是幾十億、甚至是數百億的調取。如此大規模的數據處理能力需要什麼樣的技術，這帶來了比較核心的挑戰。目前來看，採用分佈式對象技術來構建會比較合適。”

二是經過處理後的數據需要支持算法的迭代訓練，這對系統性能提出了極高的要求。三是從公有云遷移到私有云的需求。“很多機器人企業在初期依賴於公有云服務，但隨着業務規模的擴大，會開始把數據轉移到私有云數據中心進行管理。”

▍液冷將成爲AI算力基礎設施的核心發展趨勢

液冷技術並非新鮮事物，但AI算力的爆發將其推向了產業化的快車道。IDC數據顯示，中國液冷服務器市場在2024年繼續保持快速增長，市場規模達到23.7億美元，與2023年相比增長67.0%。其中，冷板式解決方案市場佔有率進一步提高。IDC預計，2024-2029年，中國液冷服務器市場年複合增長率將達到46.8%，2029年市場規模將達到162億美元。

杜夏威對《科創板日報》表示，液冷技術很早就已實現，但進一步的爆發則是伴隨着人工智能的火熱。“由於人工智能對於強算力的訴求，尤其是現階段主力的算力供給方式，還是圍繞着加速器的形態，本身其熱敏度就非常高。同時，AI大模型相關對於算力的需求量又非常大，兩者疊加在一起，就反向推動了整個液冷基礎設施的快速發展。液冷未來也會是人工智能領域算力基礎設施的核心發展趨勢。 ”

據悉，液冷技術可以細分爲冷板式液冷、浸沒式液冷等類型，適用於不同的用戶場景。“比如，針對最高密度或者是最高端一體化部署，可能會採用浸沒式的液冷。從成本的角度來看，在算力規模相對比較大的時候，浸沒式液冷的優勢更能夠體現出來。而如果客戶希望對機房改造變動小一點，那麼可選擇冷板式液冷做批量化交付。” 杜夏威介紹。