财富在线：秒懂！AI算力——3大趋势+8家核心企业

聊到AI，大家第一反应多是ChatGPT陪聊、AI绘画、自动驾驶，但很少有人注意，这些黑科技背后的核心支撑是算力——AI的“发动机”，没有它，再厉害的算法也只是纸上谈兵。

一、先搞懂：AI算力到底是什么？和我们电脑的算力不一样？

算力就是计算机处理数据、做运算的能力，而AI算力是为AI量身定制的，和日常电脑、手机的普通算力差别极大。

（一） 普通算力 vs AI算力：一个“便利店收银”，一个“超市多收银台”

日常电脑、手机的算力，只需满足打字、看视频、玩普通游戏的流畅度，就像便利店单个收银员，一次只能接待一位顾客。

而AI要处理海量数据、同时完成无数运算，比如千亿参数大模型训练需同步更新上亿参数，图像识别要瞬间解析百万像素细节，要求高并发、高吞吐、低延迟。

通俗说，普通算力是1个收银台慢节奏收款，AI算力是20个收银台同时工作，快速完成全套流程，并行运算能力就是其核心优势。

（二）AI算力的两大核心用途：训练和推理

AI算力的消耗只服务于两个场景，差异明显：

模型训练：重算力“打地基”：相当于给AI“上课”，用海量数据反复迭代学习，需上千台设备协同工作数周甚至数月。比如千亿参数大模型，需数万台GPU并行，算力堪比几百万台普通电脑总和。

模型推理：轻算力“用技能”：AI学会技能后处理新数据、输出结果，比如ChatGPT聊天、AI绘画、刷脸支付，不用海量算力，但要求实时响应，否则体验极差。

二、AI算力的“三大主力硬件”：没有它们，AI就“歇菜”

AI算力依赖专门定制的硬件，完美适配并行运算需求，其中3类核心硬件是算力“三大支柱”。

（一） GPU：当前AI算力的“扛把子”（主流核心）

GPU原本用于游戏、电脑绘图，处理像素运算的本质是并行矩阵运算，与AI需求高度契合，逐渐成为算力主力军。

和CPU相比，CPU只有几个到几十个运算核心，擅长复杂逻辑；GPU有上千甚至上万个轻量级核心，适配AI并行运算。

目前主流AI GPU有英伟达A100、H100和AMD MI300系列，一台H100服务器单卡算力达每秒数千亿次运算，是普通电脑的上万倍。

（二） NPU：AI的“专属定制芯片”

NPU是神经网络处理器，专为AI运算设计，比GPU更高效、更省电，去掉了与AI无关的设计，所有资源集中于并行运算。

手机AI美颜、语音助手，智能摄像头人形检测，背后都是NPU的功劳，其体积小、功耗低，适合手机、智能家居等端侧设备。国内华为昇腾、百度昆仑芯、阿里含光都是主流NPU芯片。

（三） TPU：大厂的“专属神器”

TPU是谷歌为自家AI业务量身打造的张量处理器，与谷歌AI框架深度绑定，算力效率远超GPU，但不对外大规模开放，仅谷歌自用。

谷歌大模型训练、Google Photos图像识别、AlphaGo围棋运算，都靠TPU支撑，是科技大厂的专属算力优势。此外，FPGA硬件可灵活适配不同AI任务，常用于工业制造等场景，作为算力补充。

三、AI算力行业现状：3大趋势+3大挑战，看懂行业走向

财富在线指出，随着大模型、AIGC、自动驾驶发展，全球AI算力需求每3-4个月翻一番，算力成为AI行业核心竞争力，既有趋势也有挑战。

（一）当下3大核心趋势：算力行业越来越“卷”

1.超算中心成“标配”：千亿、万亿参数大模型增多，百度、阿里、腾讯等大厂自建超算中心，算力规模达数亿PFLOPS级别。

2.“云边端”协同发力：云端负责大模型训练，边缘端（基站）负责区域推理，端侧（手机）负责本地实时任务，三者协同实现算力全域覆盖。

3.国产算力崛起：此前市场被英伟达垄断，如今华为昇腾、百度昆仑芯等国产芯片性能接近海外产品，国产算力集群规模化部署，打破垄断。

（二）面临的3大核心挑战：算力行业的“拦路虎”

1.算力荒凸显：需求增速远超硬件生产，高端GPU产能紧张，中小企业“一卡难求”，算力成本居高不下。

2.能耗过高：超算中心年耗电量堪比数十万个家庭，绿色算力成为行业急需解决的课题。

3.调度低效、算力浪费：算力资源分布不均，设备兼容性差，部分算力闲置、部分需求无法满足。

以下是AI算力相关的8家企业：

上述观点策略及分析结果仅供参考，不作为投资依据；涉及任何个股只做案例分享，不做任何推荐，据此操作风险自担。股市有风险，投资需谨慎。

以上观点由财富在线投顾服务部提供，投资顾问：常建武，登记编号：A1050619080001

未经允许不得转载：财富在线 » 财富在线：秒懂！AI算力——3大趋势+8家核心企业