2月14日消息，國際數據公司（IDC）與浪潮信息聯合發布《2025年中國人工智能計算力發展評估報告》（簡稱《報告》）?！秷蟾妗分赋?，大模型和生成式人工智能推高算力需求，中國智能算力增速高于預期。2025年中國智能算力規模將達到1,037.3 EFLOPS，預計到2028年將達到2,781.9 EFLOPS。

中國企業將人工智能作為產業創新的抓手，加速探究生成式人工智能等先進技術在行業中的應用，越來越多的中國企業正在積極制定和實踐人工智能轉型戰略。IDC調研顯示，42%的中國企業已經開始進行大模型的初步測試和重點概念驗證，17%的企業已經將技術引入生產階段，并應用于實際業務中。

對大型模型及生成式人工智能需求的日益增長，正顯著推動中國人工智能算力基礎設施的快速發展，促使企業不斷升級其硬件配置，通過采購高性能的計算設備、優化數據中心基礎設施、提升存儲和網絡能力等，進一步支持復雜的人工智能運算任務。IDC調研結果顯示，在未來18個月內，中國企業在生成式人工智能項目上的投資將首要集中在硬件升級方面。

IDC研究發現，隨著生成式人工智能和大模型逐步擴大應用，企業將面臨來自數據、算力、模型、人才、成本等多方面的挑戰。其中，算力基礎設施是關鍵議題，企業當下面臨的相關挑戰包括但不限于計算架構難以支持大規模應用、與基礎設施建設和維護相關的高昂成本投入，以及高性能的計算資源的不足。

企業在人工智能大模型訓練、推理階段，會面臨不同的算力挑戰。對于持續開展大模型訓練和研發的企業和研究機構而言，他們需要完成大量計算任務，推高算力需求，將長期處于高性能算力供不應求的狀態；隨著大模型和生成式人工智能技術在實際應用場景中落地，企業普遍面臨以推理負載為主的算力需求，在推理階段，算力分配和調度是主要問題，推理任務的算力需求具有波動性，難以預測和管理，導致資源分配不均衡，缺乏有效的算力分配和調度機制，導致算力資源的局部浪費和整體利用率低下，這不僅影響了人工智能基礎設施的算力效率，也增加了整體成本。

此外，對于調整技術發展路徑的科技企業或者行業巨頭而言，如放棄自研大模型轉用第三方模型，結束大模型訓練轉向模型推理，或通過模型剪枝、量化等方法降低模型算力需求，可能會出現算力盈余的情況。同時，在智算中心的積極建設的過程中，部分中心也出現了在實際運營中算力利用率未達預期的情況。

在人工智能單點技術應用方面，IDC調研顯示，圖像技術成為當下最主要的應用技術類型，人臉與人體識別緊隨其后， 自然語言處理位列第三。