這個AI領域千億級市場，將輻射千家萬戶。
DeepSeek-R1橫空出世，打響了大模型比拚性價比的第一槍。
Meta、OpenAI等國外頭部大模型廠商紛紛復刻或變相降價。比DeepSeek-R1晚兩周發佈的OpenAI o3-mini模型，定價比前代模型o1-mini降低了超6成，比前代完整版的o1模型便宜超9成。
國內的大模型廠商也迅速做出反應。2月13日，百度宣佈文心一言將於4月1日全面免費開放。文心一言此前採取基礎版免費、專業版收費的模式，專業版定價59.9元/月，連續包月優惠價49.9元/月。
這場看似僅僅是價格層面的競爭，實則背後蘊含著更為深層次的較量，其不僅是技術實力的比拚，也是對使用者市場的爭奪。
在這場沒有硝煙的商戰中，中國算力市場正經歷著深刻的變革。
最近發佈的《2025年中國人工智慧計算力發展評估報告》（以下簡稱《報告》），把中國算力發展的四大變化，從“幕後”搬到了“台前”。
01.
算力效率之變：
大模型從“大力出奇蹟”，轉向“四兩撥千斤”
第一大變化體現在算力效率方面，DeepSeek通過演算法最佳化，大幅降低大模型訓練、推理對高端GPU的依賴，突破了“算力軍備競賽”的傳統路徑。
模算效率的顯著提升，正是DeepSeek能夠實現高性價比的核心因素之一。
DeepSeek的論文顯示，DeepSeek-R1訓練成本僅557萬美元，不足OpenAI同類產品的5%，卻能在數學競賽、程式碼生成等任務中超越GPT-4模型。這意味著DeepSeek-R1以較低的算力成本投入，也能實現高性能產出，即模算效率較高。
這其中的模算效率（Model Computation Efficiency）就是，AI模型的訓練和推理過程中用來衡量模型精度與計算資源利用效率的綜合指標，它反映了模型在特定硬體平台上，以最小的算力消耗實現最高精度的能力。
DeepSeek“四兩撥千斤”的研發模式，更加注重演算法創新、架構最佳化和資源的高效利用，這或許將帶動業界對於模算效率的追求。IDC中國副總裁周震剛接受採訪時稱，未來，大模型廠商們的關注點將從追求參數量規模，轉變為追求模型訓練、推理、部署等環節的性價比。
此外，DeepSeek使用MoE（混合專家模型）架構實現了更高的成本效益，而Dense架構在相同參數量下擴展的計算成本較高。浪潮資訊高級副總裁劉軍在接受採訪時回顧：“去年開始，大家發現基於Dense架構的模型，再往前去演化到要訓練一個超過五千億、一兆參數量的模型時，所需的算力、時間、資料量，都是當前技術條件下實現不了的。有企業做過一個評估，在這種情況下，需要20萬張卡訓練一年，才能把一個兆的Dense模型高品質訓練出來。”
因此，MoE展現出來的在計算成本、模型性能等方面的優勢，或將引發業界對於該架構的一波模仿借鑑。
當下，企業接入DeepSeek模型主要有兩種策略。一方面，國內大模型廠商、晶片廠商、AI硬體廠商、營運商、AI應用開發商等相繼接入DeepSeek模型671B滿血版；另一方面，有的企業會根據自身業務需求選擇接入DeepSeek參數量較小的模型，或者選擇蒸餾DeepSeek模型將其與自家模型相結合，從而提高模型性能、降低應用成本。
這種多形態、多參數的模型協同發展，才是大模型生態應有的狀態。在浪潮資訊高級副總裁劉軍看來，把DeepSeek-R1模型的能力蒸餾到一些小模型上，實際會促進AI技術的擴散。
02.
算力結構之變：
智能算力市場井噴，推理算力成“香餑餑”
將目光放到整個算力市場，我們可以發現第二大變化，國內智能算力規模正極速擴張，需求結構也正被重塑。
《報告》顯示，2024年中國智能算力規模達725.3EFLOPS，同比增長74.1%，是近5年來的總量最高峰。這也是近年來中國智能算力規模擴張速度最快的一次。
相比於國內通用算力，智能算力的增幅已經達到同期通用算力增幅的3倍以上。2024年中國通用算力規模為71.5EFLOPS，同比增長20.6%。
這意味著，過去一年內，AI晶片、AI伺服器、AI訓練、AI推理和AI應用的市場規模也在快速膨脹。例如，2024年中國AI加速計算伺服器市場規模為190億美元，同比大幅增長86.9%。
儘管此前業界對大模型的Scaling law（規模法則）是否失效有所爭議，但在當下的AI發展處理程序中，其仍佔主導地位。這也是推動AI算力需求持續增長的主要原因之一。
《報告》中提到，基於傑文斯悖論的現象反映出，DeepSeek實現的演算法效率提升，並未抑制算力需求，反而帶動了更多的使用者和場景，進一步推動了大模型的普及與應用落地。這也有助於AI行業重構產業創新範式，並加強資料中心、邊緣及端側算力建設。
不過，單單堆疊訓練算力的策略並不能一勞永逸。越來越多大模型廠商轉向加速開發大模型的多模態能力，並尋找落地場景。多模態模型的應用、AI Agent熱潮隨之出現，並且知識管理、對話式應用、內容生成、行銷、視訊生成等都成為了生成式AI技術的熱門落地場景。
在應用落地側，這會大幅激發AI推理需求。
如聊天機器人、音視訊圖像等的生成、辦公場景的AI助手等，在實際的應用場景中都較為依賴AI推理能力。因此，《報告》中預測，後續用於推理的算力規模，將會超過用於訓練的算力規模。
在全球AI伺服器市場中，未來生成式AI伺服器的佔比，將從2025年的29.6%，提升至2028年的37.7%。
在真實的業務場景中實現“降本增效”是AI技術發展的重要一環。未來，隨著大模型相關技術逐漸成熟，以及生成式AI應用不斷拓展，推理場景的需求日益增加，推理伺服器的佔比將大幅提高。IDC的資料顯示，預計到2028年，推理工作負載佔比將會達到73%。
這一發展趨勢也在浪潮資訊的業務中得到了印證。據浪潮資訊高級副總裁劉軍透露，近期公司接到的大部分都是推理算力的訂單，現階段推理算力的投資回報率高，帶來的使用者體驗也更好，所以推理算力的規模會大幅提升。
03.
算力供應方式之變：
算力供應方式多元化，企業AI選擇更多了
第三大變化來自算力供應的方式。蛋糕做大了，下場分蛋糕的人也多了。
去年有一大很明顯的市場趨勢是，一方面，AI算力基礎設施的供給結構趨於多元化，另一方面，使用者對智能算力基礎設施和服務能力的需求，也在發生深刻變化。
在供給端，其形成了資料中心服務商、雲服務商、硬體廠商和相關AI創企多點提供AI算力資源的格局。
在需求端的變化則集中於兩點：
首先，生成式AI將進一步推動企業，使用AI就緒的資料中心託管設施、生成式AI伺服器叢集等智算服務，這可以幫助企業縮短部署時間，降低資本成本。
IDC資料顯示，2024年中國智算服務市場整體規模達到50億美元；其預計2025年中國智算服務市場整體規模將達到79.5億美元，2028年達到266.9億美元，2023年至2028年的年複合增長率將達到57.3%。
其次，用於推理的一體機也開始受到市場追捧。
IDC中國副總裁周震剛解釋說，早前企業基於雲服務部署AI的案例比較多，而用一體機的比較少。但是DeepSeek模型爆火後，企業對於一體機的需求隨之大幅上升，開始注重私有化部署。
因此，後續一段時間內，“開源+一體機”可能會成為企業AI服務的爆款模式。
據不完全統計，目前市面上至少已有60家DeepSeek一體機企業，其中既有京東雲、移動雲、聯通雲等雲服務提供商，也有聯想、華為等大廠。基於一體機，企業便可以通過“開箱即用”的方式，快速接入更強大的AI能力。
浪潮資訊上周推出的元腦R1推理伺服器，就是其中一員。浪潮資訊方面稱，該產品通過系統創新和軟硬協同最佳化，單機即可部署運行DeepSeek-R1滿血版671B的模型。
據浪潮資訊高級副總裁劉軍透露，“最近兩個禮拜，來找我們諮詢購買能帶動滿血版DeepSeek-R1模型的AI伺服器的客戶數，正直線上升。”
04.
城市AI排名之變：
京杭滬拿下AI算力全國前三
第四大變化是城市AI算力排名。
《報告》的資料顯示，目前國內各城市正通過加大AI投資、吸納人才以及提供政策支援等舉措，持續為AI發展提升競爭優勢。
可以看到，在中國各城市的AI算力排行榜中，北京和杭州依然穩居排行榜前兩位，上海的排名則從2023年的第四位上升至第三位。
這3座城市的AI策略各有所側重。其中，北京聚集了一大批大模型企業，憑藉大量人才、成熟的企業和有力的政策扶持，持續位居首位。杭州早在2021年就提出要成為具有全球影響力的AI頭雁城市，並頒布了諸多政策支援AI發展；上海的優勢在於，其正加速推動AI世界級產業叢集建設等工作，並表現出色。
此外，廣州、成都、天津、廈門等城市的AI算力全國排名均有所提升。
AI影響下，不同行業的AI應用滲透度排名也發生了變化。
排名第一的是網際網路行業，其AI相關應用的滲透率更高。在該行業中，AI原生應用已覆蓋問答、寫作、客服、路線規劃、生活指導、學習助手、角色扮演、視訊生產、圖片企業智能客服、智能銷售分析等多個場景。
金融行業從2023年的第四名，上升至2024年的第二名。製造行業2024年的排名相較於2023年前進了一位。這是由於金融行業積累了海量的資料，可以用於AI訓練，為其進行風險評估等提供決策依據；在製造業方面，由AI驅動的機器人和自動化裝置可以完成重複性高、勞動強度大的工作任務。
05.
結語：未來算力發展既要“擴容”，
也要“提效”
從這四大變化可以看出，國內算力產業的發展正呈現出蓬勃向上的態勢。與此同時，更為迫切的算力發展挑戰也被擺到了算力提供商面前。未來，如何持續最佳化計算架構，如何進一步提升智算中心的算力資源利用率，如何完善資料中心的監控系統和故障恢復機制，都亟需新的解決方案。
針對此，《報告》也提出瞭解決辦法，那就是算力提供商可以根據自身情況，採用算力“擴容”和“提效”平行策略來部署AI算力。
其中，擴容包括增加智算中心的數量和種類，注重智算中心建設的區域分佈和技術先進性，以加強算力供給能力。
提效包括以用定建，以應用為導向規劃AI基礎設施；提高模型架構效率；最佳化算力基礎設施架構，包括計算架構、記憶體層次架構、智能調度演算法等；使用高品質的資料集，並搭建統一的資料儲存和訪問介面，以提高算力利用率。
未來，大模型產業的底層技術創新加速、場景應用逐漸鋪開，都將為國內算力市場注入新活力。 (智東西)