（1）智能算力行业简介
算力是数字经济时代的关键生产要素，是支撑人工智能、大数据分析、科学计算等领域的核心基础设施。依据计算能力与落地应用场景划分，算力主要包含通用算力、智能算力、超算算力。通用算力依托CPU处理器，广泛覆盖日常办公、网页访问、常规数据处理等场景，落地于终端PC、企业服务器及云计算平台，是应用范围最广的算力形态；超算算力依托超级计算机或高性能计算集群，具备大规模并行运算能力，主要应用于前沿科研、重大工程等领域中高复杂度、大数据密集型的计算任务，如气候模拟、基因测序、流体力学分析等。
智能算力是面向人工智能业务场景、用于支撑AI算法模型训练及推理部署的专用计算资源。智能算力依托GPU（Graphics Processing Unit，图形处理器）、ASIC（Application Specific Integrated Circuit，专用集成电路）、FPGA（FieldProgrammable Gate Array，现场可编程逻辑门阵列）、NPU（Neural networkProcessing Unit，神经网络处理器）等各类专用芯片实现算力承载，在人工智能场景应用过程中具备运算性能效率高、单位算力能耗优势显著等特性。
从服务模式看，智能算力服务主要可分为两类：一是算力设备集成服务，即根据客户需求提供系统设计、设备供应、改配调优、安装调试等一体化交付；二是算力设备运营服务，即通过自建算力集群向客户提供算力租赁、训推一体化服务及配套运维支持，客户按算力使用规模或时长付费。
（2）行业上下游关系
智能算力行业是面向人工智能场景提供专用计算资源的新兴产业，依托GPU、NPU、ASIC 等算力芯片，支撑 AI 算法模型的训练与推理部署。
智能算力行业上游为算力硬件基础设施层，主要包括 GPU、NPU、ASIC 等算力芯片、CPU 等通用处理器、服务器、存储设备、光模块及光互连产品、交换机及高速互联设备、机房/机柜等配套基础设施，为算力设施提供运算、存储和网络传输的基础能力；
中游为算力网络建设与运营服务层，主要包括数据中心（IDC）、智算中心（AIDC）、超算中心以及云计算服务等，通过提供 AIDC 服务、云服务、算力租赁及训推一体化服务等，为下游应用提供算力支持；
下游为算力应用场景层，算力正深度融入千行百业，主要应用领域包括人工智能大模型、互联网与消费、智能制造、智能医疗、智能交通、金融与能源、科研与公共服务等。
（3）智能算力行业发展概况
当前，人工智能技术的快速发展正驱动智能算力需求爆发式增长，智能算力已成为数字经济时代的关键生产力。伴随大模型、生成式AI等技术的商业化落地，智能算力从辅助性工具逐步演变为支撑产业智能化转型的核心基础设施，其发展水平已成为衡量国家数字经济竞争力的关键指标。
①政策体系持续完善，为算力产业发展提供顶层引导
近年来，国家围绕算力基础设施建设出台了一系列支持政策。工信部、国家发展改革委等主管部门先后印发《“十四五”数字经济发展规划》《数字中国建设整体布局规划》《算力基础设施高质量发展行动计划》《深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》等顶层政策文件，明确统筹建设全国一体化大数据中心体系、布局国家算力枢纽节点与规模化数据中心集群、完善算力一体化智能调度机制等重点建设任务，并提出至2025年国内总算力规模突破300EFLOPS、智能算力占比提升至35%的量化目标。上述政策的密集出台，从算力供给、网络运载、数据流通等方面作出了系统性部署，为智能算力行业的高质量发展提供了明确的制度保障与政策引导。
②AI大模型技术快速迭代，智能算力需求呈指数级增长
大模型的规模扩张是推动智能算力需求增长的核心驱动力。伴随深度神经网络（DNN）、自注意力机制（Transformer）、图神经网络（GNN）等复杂算法的广泛应用，大模型算法架构的复杂程度持续增加。早期神经网络模型参数量仅处于百万级别，现阶段行业头部大模型参数量已迈入千亿、万亿量级，百亿参数与千亿参数大模型的训练算力消耗相差数十倍以上，模型训练与推理所需的计算资源随参数规模呈指数级增长。同时，大模型训练依赖海量多源训练数据，数据类型涵盖文本、图像、音频、视频等多模态信息，数据预处理、清洗、标注等环节亦需耗用大量算力资源。算法迭代升级、模型参数规模化增长、数据处理需求提升三重因素叠加，共同推动智能算力需求持续攀升。
③供需两端协同发力，智能算力市场规模持续扩大
从供给端来看，GPU、NPU等专用算力芯片制程工艺不断精进，芯片算力密度持续提升，云算力平台建设加速推进，不断拓宽智能算力的应用场景与服务边界。从需求端来看，随着智能算力从科研试用迈向商业化落地，越来越多企业依托智能算力优化经营效率、提升核心竞争力，带动行业衍生大量商业机会与成长空间。
全球智能算力市场规模由2020年的142亿美元增长至2024年的1,251亿美元，期间年均复合增长率约为72.2%。此轮增长主要由海外通用大模型迭代、北美头部云厂商大规模算力资本开支、生成式AI商业化落地共同驱动；海外高性能GPU服务器批量采购拉高市场整体规模，带动全球算力需求实现扩张。未来，叠加云服务提供商技术进步、大模型应用场景持续拓展等多重利好因素，预计2029年全球智能算力市场规模将达到2,418亿美元，2024年至2029年复合年均增长率约为14.1%，增速有所放缓，主要系海外算力基础设施基数大幅抬高、行业资本开支从早期扩张逐步回归理性所致。
IDC中国智能算力市场增长同样显著，市场规模由2020年的34.1亿美元增长至2024年的190亿美元，期间年均复合增长率约为53.6%，增长动力主要来自政企智算中心建设及本土大模型产业落地带来的垂直行业算力需求释放。受海外高端芯片出口管制等因素影响，国内算力供给在短期内受到一定制约，市场增速阶段性低于全球平均水平。展望未来，伴随国产算力芯片持续迭代突破，预计2029年中国智能算力市场规模将增至689亿美元，2024年至2029年复合年均增长率约为29.4%，显著高于全球同期增速，为国内智能算力服务商提供了广阔的市场空间。
（4）智能算力市场发展趋势
①政策与产业双轮驱动，算力需求持续爆发式增长
IDC发布的报告显示，2024年中国智能算力市场规模190亿美元，增长率达86.9%。市场增速反映出需求迭代扩大基本盘，其中互联网与科技企业作为核心驱动力，持续加码AI算力布局，推动行业进入新一轮基础设施扩张周期；公共事业领域依托“东数西算”工程加速政务云迁移和智慧城市建设，同时推动国产化替代进程；科研机构高性能计算需求继续保持高增速，推动跨区域算力协作网络建设需求；传统行业中，制造业数字孪生、金融高频交易、医疗AI诊断等场景驱动算力投入成倍增长。
2025年9月，华为发布《智能世界2035》，预计未来十年，随Pre-AGI的到来，模型规模可能扩大T级别，模型训练算力需求大幅增长。随着人类社会迈入智能体时代，智能体互联网带来巨大的算力需求，以及边缘计算和推理算力的规模快速增长，都将远远超过预训练，给算力增长带来更大的想象空间。
②智算产业布局趋于集聚，东中西部协同发展格局逐步形成
我国高度重视算力基础设施建设，谋划部署算力基础设施总体布局，统筹东中西部算力一体化协同发展。“东数西算”工程构建八大枢纽节点，推动算力需求与资源禀赋精准匹配。京津冀、长三角、大湾区等依托本地互联网、金融、先进制造等产业集群形成需求定向牵引，是引领算力产业的主要阵地；张家口、芜湖、韶关等环一线区域正成为新兴算力发展热点，满足一线城市外溢需求；西部能源富集地区则充分发挥电力、土地等资源优势，大规模部署算力集群，承担数据存储、离线分析等后台业务，为全国算力资源充分协调流动奠定基础。
未来，随着我国政府引导算力建设政策的陆续出台，集中建设算力大集群并形成集聚效应将成为算力产业的发展方向，算力资源空间布局有望进一步优化，从而形成更加完整、集聚、协同的算力产业链。
③第三方独立智能算力提供商模式接受度提升
当前主流大型云厂商纷纷打造自有算力、算法、应用的闭环生态，倾向于自建自用、封闭发展，导致其与下游AI企业、科技客户的关系由单纯合作逐步转变为“合作+竞争”的复杂格局。为规避竞争风险、保障供应链安全，越来越多下游企业更愿意选择中立、独立的第三方算力服务商。这类企业不依附于单一大厂生态、不参与终端应用市场竞争，专注于算力租赁、算力运维等基础算力服务，能够为客户提供更中立、更稳定的算力资源，有效降低客户对单一算力平台的依赖。凭借中立属性，第三方独立算力服务商在市场中形成了鲜明的差异化竞争优势，市场认可度与应用渗透率持续提升。
（5）智能算力行业市场准入与竞争壁垒
①能够快速更迭的技术能力将成为行业内企业快速发展的关键维度
智能算力服务涉及底层异构计算资源的管理、高速互联网络的构建以及大规模分布式存储的协同调度，对服务商在全栈技术架构层面的积累提出了较高要求。尤其在算力调度层面，如何实现 GPU 等异构算力资源的统一纳管与弹性分配，涉及多租户隔离、资源动态调度、任务优先级编排等复杂机制，其系统设计与工程实现具有较高技术门槛。
此外，随着人工智能训练与推理场景的快速演变，算力服务商需持续跟踪主流算法框架、芯片架构及分布式训练范式的更新，并具备快速适配与系统迭代能力，方能满足客户在性能、稳定性和成本之间的动态平衡需求。因此，持续性的技术研发投入与前瞻性的工程化能力，是第三方算力服务商在激烈市场竞争中实现差异化突围的重要依托。
②与上游头部芯片及服务器厂商的合作关系日益成为竞争核心
智能算力提供商与主要芯片、服务器厂商的深度合作，不仅关系到算卡及服务器等关键资源的及时供应与价格锁定，也直接影响到新一代产品及技术的优先使用权。与主要供应商建立长期稳定的战略合作关系，有助于服务商在行业供需偏紧阶段锁定设备供应份额及价格区间，降低因市场波动或排产滞后导致的交付风险；同时，深度合作亦有利于服务商在技术代际切换窗口期实现算力产品的快速升级。因此，能否构建并维护与上游核心供应商的深度合作关系，直接决定了第三方算力租赁厂商在资源获取效率、硬件部署节奏及服务竞争力上的表现，是其在行业竞争中建立持续性差异化优势的核心要素之一。
③与大客户建立长期合作关系是锁定长期现金流、可持续发展的核心要素
智能算力租赁是重资产行业，稳定的现金流是企业生存和发展的关键。而与腾讯、阿里、字节等互联网大厂，以及政务、国企等客户签订长期合约，能够帮助企业锁定长期现金流，规避短期租金波动风险。同时，这些长期合作关系的建立，能够增加客户服务粘性，进一步提高了行业进入壁垒。
④深厚行业经验和全产业链整合能力是运维响应与成本控制的重要支撑
智能算力集群通常由数千甚至上万张算力卡（GPU/ASIC 等加速卡）、高速互联网络（如 InfiniBand 或 RoCE）及分布式存储系统构成，运行工况复杂，软硬件兼容性冲突、链路抖动、散热异常及存储 I/O 瓶颈等故障较为频发。在此背景下，具备长期一线运维经验的服务商，能够借助故障模式库与自动化诊断工具，快速定位问题根因并实施精准处置，从而显著缩短平均修复时间（MTTR），保障算力业务的连续性与稳定性。
与此同时，全产业链整合能力使得服务商能够在硬件选型、供应链采购、机房定制及能耗管理等多个环节实现协同优化，从而降低运营成本。因此，持续积累的运维经验、全栈式技术服务能力，是行业内企业在保障服务质量的同时构建成本优势的重要支撑。
（6）智能算力行业竞争格局
当前国内智能算力市场主要参与者包括互联网头部云服务商、通信运营商及第三方独立智能算力提供商。上述企业依托在云计算、大型数据中心、通信网络资源、渠道资源及成本控制等方面的优势，在行业内占据市场主导地位。随着未来 AI 模型规模持续扩大、行业智能化转型不断深入，智能算力需求将快速增长，预计后续将有更多企业进入赛道，驱动行业竞争格局日趋多元化。
从三类参与者的竞争特点来看，互联网头部云服务商基于自身庞大的互联网业务，通过部署智算集群用于自身大模型训练需求或拓展智算业务，具有较强的研发实力，利用互联网平台能够为用户提供一站式标准化服务。基础通信运营商资金实力较强，在 IDC 和网络资源方面具有较强优势，具有品牌优势并拥有充足的客户资源，是智算中心建设重要的参与者。
第三方智能算力提供商通过整合技术资源、硬件资源或渠道资源，以算力设备解决方案或智算集群建设运营等方式，为客户提供智算服务。第三方独立智能算力提供商不依附于特定生态的战略定位，既帮助客户规避了合作过程中被单一生态锁定的风险，又帮助客户摆脱了对单一算力供应商的依赖，能够有效解决客户顾虑；同时，第三方独立智能算力提供商通过算力集群的规模化部署与成本控制，还能够满足除大客户外的中小厂商、科研机构的阶段性算力需求，从而在市场竞争中构建起独特的差异化优势。
在第三方独立智能算力提供商中，其他主要参与者包括协创数据、利通电子、润泽科技、宏景科技、中科曙光、中贝通信、世纪华通、鸿博股份、航锦科技和奥飞数据等。
