数据中心产业的优化布局 我国数据中心建设战略规划分析

我国数据中心建设战略规划分析

新基建已经被证明是繁荣数字经济的基石，毫无疑问像城际高速铁路和城际轨道交通、新能源汽车充电桩、人工智能和工业互联网等领域的新基建绝大部分将在东部经济发达省份和地区进行，而随着新基建的推进与其规模性效益的发挥，海量的数据将密集地产生在我国中东部地区，极大促进中东部地区算力需求的增长。从这个意义上说，“东数西算”将是我国推进新基建的有效保障，是基础设施的重要组成部分，其意义远不止于数据中心和算力中心的建设，而在于能够将现有的和将来的数据中心与算力中心在区域内与全国范围内连接成网，建设成为国家新基建工程的骨架，更高效地联通全局计算存储与网络资源，更合理地引导数据和应用的布局，以更绿色的能耗开销实现全国算力的规模化与高可扩展性。

“东数西算”将是我国建立在能源优化布局上的世纪新型基础设施，是在全国范围内按区域建设数据中心枢纽、实现数据迁移和算力平衡化的高速互联网络，主体上主要包括算力枢纽与算力网络的建设，除了带动我国数据产业的投资优化，还将在更大程度上实现数据产业的优化布局。

随着“东数西算”以及多层次数据中心布局的逐步推进，国家高性能算力网络将成为支撑东部数据到西部运算的重要基础设施，其组成将包括高速数据中心直连网、云网一体化、高性能边缘接入网以及数据中心内部高速网络等，需要加速实现多云间、云和数据中心间以及云和网络间的资源联动，真正实现云网融合。重点是建设区域数据中心间的按需弹性网络，优化网络结构，实现数据中心间的带宽资源可按时/按需调整，减少数据绕转时延。数据中心端到端单向网络时延原则上能控制在10毫秒范围内，是保证网络实时性、实现全面云接入、提升跨区域算力调度水平的基本保障。

高性能算力网络从字面上理解是算力资源信息的分发网络，是算力资源提供方与算力消费方之间的高速互联平台。本质上要求高带宽、低延时，支持带宽的弹性分配，可通过高速数据传输、共享与任务分发的手段来实现算力资源的合理调度，进而降低能耗。这种以算为中心、网为根基，将“网、云、数、智、安、边、端、链”等深度融合并提供一体化服务的方式，将实现从以网络为核心的信息交换到以算力为核心的信息数据处理的转变。

根据中研普华研究院《2022-2027年中国数据中心行业市场需求与投资战略规划分析报告》显示：

事实上，近年来，算力技术正逐渐渗透于生活的方方面面，各类融合应用竞相涌现。算力基础设施建设更是作为释放数据优势、推动数字经济创新发展的重要“底座”，成为推动各地数字经济发展、发挥投资拉动作用的热点领域。

算力已是数字经济时代的重要生产力。国务院发布的《“十四五”数字经济发展规划》强调，以数据要素为核心引擎推动数字经济深化发展。加快算力基础设施建设则为数据要素不断注入新动能，从而加快数字产业化和产业数字化进程，催生新技术、新产业、新业态、新模式，支撑经济高质量发展。

目前的数据基础设施已经能够处理云计算、5G网络和视频流的涌入，但这可能不足以支持人工智能的全面应用所带来的最新数字变革。

相反，人工智能的数字基础设施可能需要一个完全独立的云计算框架。这一新框架需要根据特定数据中心集群的位置及其所具有的功能重新定义现有数据中心网络。

随着近期ChatGPT的爆火出圈， 以大模型、大数据，高算力为基础的人工智能内容自动生成技术(AIGC)被推上“热搜”，进而打开市场对算力需求的想象空间。

算力正成为我国经济建设的新引擎，是数字经济发展的重要一环。一方面，算力基础设施建设引领了新的产业方向;另一方面，在“东数西算”背景下，相关设施建设正从我国东部沿海地区向中西部地区扩展，实现全国数字经济进一步均衡发展。

据国际数据公司IDC与浪潮信息联合发布的《2022-2023中国人工智能计算力发展评估报告》显示，相较于2020年我国135EFLOPS的算力总规模，2022年我国智能算力规模近乎翻倍，达到268EFLOPS，超过通用算力规模;预计未来5年我国智能算力规模的年复合增长率将达52.3%。

人工智能需要新的数据基础设施

最近备受讨论的ChatGPTAI人工智能语音合成器拥有100多万用户，并获得了微软100亿美元的投资。此外，亚马逊网络服务于11月与StabilityAI合作，谷歌创建了一个名为Lamda的类似ChatGPT系统。与此同时，Meta最近宣布暂停其数据中心建设，以便能够重新配置其服务器场，从而满足AI的数据处理要求。

人工智能平台的数据处理需求已经增长到这样的程度，如果没有微软即将升级的Azure云平台，ChatGPT的创建者OpenAI将无法继续运营该平台。

像ChatGPT这样的人工智能平台的“大脑”通过两个不同的“半球”或“叶”来运作，前者提取满足用户内容请求所需的所有数据，后者支持生成平台，在用户被问到问题后立即以更“人性化”的方式回答用户的问题。

训练叶将需要大量的“计算能力”来处理生成ChatGPT创建的所有内容所需的所有数据点。从本质上讲，训练叶提取数据点并在模型中重新组织它们。这个过程是反复进行的，每一次，人工智能实体都能更好地理解，它教会自己如何吸收信息，并像人类一样交流它所学到的东西。

虽然这是一个有趣的过程，但训练叶不仅需要强大的计算能力，还需要最先进的图形处理单元(GPU)半导体才能发挥最大的功能。此外，任何专注于“训练”人工智能平台的基础设施都需要大量的电力，因此数据中心必须位于可再生能源附近。新的液体冷却系统和重新设计的备用电源和发电机系统也必须安装。

至于人工智能平台大脑的另一半，推理叶负责在用户提出问题后几秒内回答问题，它有自己的一套需求，目前的数据基础设施无法满足。好消息是，目前连接的数据中心网络可以适应这种需求，但设施必须升级才能处理所需的大量处理能力。这些设施还必须在变电站附近。

目前最大的云计算提供商正在向需要的人工智能初创企业提供数据处理能力。他们愿意提供这种服务，因为他们认为人工智能初创公司是潜在的长期客户。

《2022-2027年中国数据中心行业市场需求与投资战略规划分析报告》由中研普华研究院撰写，本报告对该行业的供需状况、发展现状、行业发展变化等进行了分析，重点分析了行业的发展现状、如何面对行业的发展挑战、行业的发展建议、行业竞争力，以及行业的投资分析和趋势预测等等。报告还综合了行业的整体发展动态，对行业在产品方面提供了参考建议和具体解决办法。