截至今年4月，阿里旗下平头哥真武AI芯片累计出货56万片，王朝阳介绍，平头哥的产能在逐渐提升。“未来非常确定性的是，国产自有芯片的产能会持续提升，在其算力中心的占比将越来越高。而产能提升时间大概不需要三年。”

　　中国移动（哈尔滨）算力中心则实现了AI芯片100%国产化。刘伟介绍，该数据中心依托自研天池SDN、GSE自主组网技术，搭建高速低延时、无阻塞两级国产组网架构。配套极效分级存储与全生命周期智能运维体系，可实现分钟级故障定位、小时级断点续训，保障超大算力集群长期稳定运行，为各类AI训练、行业算力应用提供底层支撑。

　　中国移动（青海）高原大数据中心正推进中昊芯英、燧原、壁仞、摩尔线程等芯片厂商的生态落地青海 。其一期项目已落地南京智算中心青海节点、中科曙光数模训练算力集群，签约燧弘、七牛云等算力项目，总算力规模达3385P。

　　季昕华认为，近年来在国家政策的大力支持与市场需求的持续牵引下，国产GPU的整体性能正在快速提升。 目前产品已达到可用阶段，不过综合性能相较国外高端产品仍存在一定差距。 但他相信，无需太长时间，国产GPU产业将迎来全面提速。 ▌ 高功率数据中心需求旺盛

　　随着数据中心进入智算中心（AIDC）时代。数据中心的规模是过去的十倍，密度是十倍甚至几十倍，这都依赖大量的电力供应。

　　王朝阳表示，当前数据中心的功率密度越来越大，特别是AIDC时代单机柜功率密度已经达到了100千瓦，未来两年之内还会出现1000千瓦的机柜。

　　季昕华表示，国内数据中心市场呈现出一个显著的结构性特点，部分低功率数据中心的闲置率偏高，而高功率数据中心却备受市场追捧，往往项目刚启动便有订单接踵而至。“ 我们判断国内对高功率数据中心的需求将持续增长，未来也将进一步加大在高功率数据中心建设方面的投入力度 。”

　　与此同时，供给端的瓶颈正在从芯片向更上游蔓延。王朝阳举例：“最早是GPU产能不足，存储是一个瓶颈，后来电力供给又成为瓶颈，再后来光纤也出现瓶颈。中国一年生产6亿公里光纤，但仍然会出现瓶颈——因为一个十万卡集群就需要几十万公里光纤。而各个光模块也会出现瓶颈。”

　　季昕华也提到，最初业界普遍认为瓶颈在于芯片本身，随后发现内存成为主要制约，再后来意识到不同计算卡间的网络互联也是关键短板，于是开始着力解决光通信等互联问题。整个系统的优化过程，实质上就是不断识别瓶颈、集中突破，再发现新瓶颈、再突破的循环往复。 ▌ 训练向西，推理向东

　　季昕华指出，当前制约智能体应用的核心瓶颈并非时延，而是算力资源的稀缺。以图像生成为例，用户对几秒级响应普遍接受；视频生成场景下，几十秒的等待也在容忍范围之内，因而时延并非主要障碍。真正的挑战在于算力供给不足。若现阶段将算力分散部署于边缘侧，反而会造成资源浪费，即便在社区或城市内整体利用率达到七八成，仍存在碎片化的闲置算力，且这些空闲资源难以被其他任务有效调用，无法实现全局共享。因此， 行业目前更倾向于采用大规模集中式算力部署，以便统一调度、高效复用。 展望未来，随着边缘计算能力提升，在边端进行缓存或轻量级推理预处理，或将成为优化整体架构的可行方向。

　　王朝阳则判断，以训练为中心的算力正呈现从东部向西部纵深迁移的趋势。千卡、万卡集群最初集中于京津冀、长三角、大湾区，而万卡乃至十万卡集群已基本迁至“胡焕庸线”以西。相反，以推理为中心的算力则从西向东下沉，这与东部地区作为AI推理需求主力爆发点的地位密切相关。王朝阳预计， 未来长三角、大湾区、京津冀三大经济圈将涌现大量推理型算力集群，并逐步形成产业群覆盖 。“以新兴产业为例，数字化基础扎实的行业，必将成为Token使用的聚集区域。”