IDC预测算力规模两年翻番，规模法则正扩展到后训练和推理阶段

DeepSeek“砸碎”了大模型的门槛，让更多的企业以低价使用世界一流大模型，这也必将带动算力产业的发展与普适化。

国际数据公司(IDC)与浪潮信息联合发布的《2025年中国人工智能计算力发展评估报告》（简称《报告》）指出，未来两年，中国智能算力仍将保持高速增长。2025年，中国智能算力规模将达到1037.3 EFLOPS，较2024年增长43%；2026年，中国智能算力规模将达到1460.3 EFLOPS，为2024年的两倍。2025年中国人工智能算力市场规模将达到259亿美元，较2024年增长36.2%；2026年市场规模将达到 337亿美元，为2024年的1.77倍。

DeepSeek助力推理市场增长

年初，DeepSeek-R1模型火爆出圈，引发了蝴蝶效应，让业界开始思考AI发展的新思路。

DeepSeek的火爆也让众多美股科技股受到了短暂的冲击，从1月28日美股股价来看，英伟达跌超10%，市值蒸发超3500亿美元（约合人民币2.5万亿元）。台积电跌超8%、博通跌超11%、光刻机巨头阿斯麦（AMSL）跌超7%，微软、甲骨文、Meta等也纷纷下跌。

但冲击仅是短暂的，DeepSeek的火爆虽然将大模型算力成本压低了很多，但也将企业应用大模型的门槛拉低。

基于杰文斯悖论的现象表明，DeepSeek带来的算法效率的提升并未抑制算力需求，反而因更多的用户和场景的加入，推动大模型普及与应用落地，重构产业创新范式，带动数据中心、边缘及端侧算力建设。

随着DeepSeek的开源，模型门槛降低已是必然的趋势，在IDC中国副总裁周震刚看来，DeepSeek开源以后，将大模型的门槛降低了很多，也让大模型这个赛道涌进了更多的用户，促进了算力生态的发展，进而也增加了对算力总需求的增加。“规模法则（Scaling Low）在当前人工智能发展中，仍然占据了主导地位，企业智算需求仍在告诉攀升。”周震刚强调。

在此基础上，《报告》中指出，规模法则正在从预训练阶段，扩展到后训练和推理阶段，“基于强化学习、思维链等算法创新在后训练和推理阶段更多的算力投入，可以进一步提升大模型的深度思考能力。”周震刚指出。

另一方面，DeepSeek的开源也带动了整个创新生态的发展，模型平台上的应用开发量也将逐渐增多，“一些开发平台上甚至已经接入了低代码的工具，模型开发平台正在进入一个普惠化的时代。”周震刚如是说。

AI服务器走俏

显然，DeepSeek的横空出世，不仅没有更算力市场带来负作用，还为算力市场注入了新的活力，据IDC数据显示，2024年全球人工智能服务器市场规模为1251亿美元，2025年将增至1587亿美元，2028年有望达到2227亿美元，其中生成式人工智能服务器占比将从2025年的29.6%提升至2028年的37.7%。

聚焦中国算力市场，IDC数据显示，2025年，中国智能算力规模将达到1037.3EFLOPS，预计2028年将达到2781.9EFLOPS；中国通用算力规模将达到85.8EFLOPS，预计2028年将达到140.1EFLOPS，对此，周震刚告诉钛媒体APP，从增加趋势上分析，2023-2028年，中国智能算力五年年复合增长率预计将达到46.2%，通用算力预计将达到18.8%，“从数据上不难看出，目前，用户对于算力的需求，绝大部分的增量将产生在智能算力方面。”周震刚强调。

DeepSeek带火AI服务器市场的趋势已经开始，从钛媒体APP对于服务器市场的观察发现，农历春节过后的短短半个月的时间内，AI服务器的询价量和订单量都有所提升，对此，浪潮信息高级副总裁刘军告诉钛媒体APP，很多用户在咨询能够完整运行DeepSeek-R1 671B模型的AI服务器，“就浪潮信息的订单量来看，近两周的询价量直线上升，”刘军指出，“无论企业是选择云的模式，还是本地部署的模式，都需要一个强大的AI服务器来支撑模型的推理，这也就为AI服务器市场带来了更大的活力。”

同时，在刘军看来，AI服务器市场的增加不会是“昙花一现”，而是会在一个长久的时间内，呈现出高速增长的趋势，“浪潮信息认为，用户会先经历自试用POC的阶段，通过试用选择出可以规模化应用的业务场景，从而进行规模化部署，”刘军进一步指出，“而真正需求的爆发将在企业选择好规模化部署的场景后。”

从“堆卡”到“追求高效”

在DeepSeek-R1问世之前，为了打造更大参数的模型，达到更高的性能，企业似乎只能通过堆叠GPU来实现。这个过程也是一个极度烧钱的过程，通过2024年一年就可以看出，已经有很多大模型企业“偃旗息鼓”，究其原因，不是其不想，而是确实烧不起了。

而DeepSeek-R1的问世让人们看到了通过算法的优化，突破算力瓶颈的可能。纵观行业，受到DeepSeek在算法方面带来的突破的影响，如今的大模型训练已经呈现出从原先的堆算力卡，向着追求软硬件高效协同，用更少的算力，打造更高性能的大模型产品的方向发展。

算法的革新也重新点燃了企业大模型训练和推理的热情，“在针对特定算力硬件系统下面，如何实现软硬件算法、算力协同优化，能够实现更好的模型训练达到能力的表现，将成为大模型接下来的研发方向，”刘军进一步指出，“在此背景下，我认为企业可能会在训练AI算力架构的探索方面，投入更多的精力和资源，从而推动大模型产业向前发展。”（本文首发于钛媒体APP，作者｜张申宇，编辑丨盖虹达）