2022年全球计算力行业之指数评估报告（21~22年）.docx

2022年全球计算力行业之指数评估报告（2广22年）1 .全球计算力指数评估结果全球计算力指数评估体系更新全球计算力指数是评估计算力与GDP、数字经济相互拉 动，共同开展的指数。全球计算力指数研究覆盖了六个大洲的 15个国家，其中兴旺国家包括美国、加拿大、日本、韩国、 澳大利亚、英国、法国、德国、意大利，开展中国家包括中 国、印度、马来西亚、巴西、俄罗斯和南非。相较于上一年度, 评估国家范围增加了加拿大、意大利、马来西亚、韩国和印 度。指标体系中，计算能力局部增加边缘计算二级指标，更全 面地展现了各国计算能力的算力形态和开展层次；计算效率 新增新技术（SSD/SCM等）使用率子项，结合计算、内存、 存储等资源利用率，对评估计算力的利用水平会更加有效； 基础设施支持增加数据中心软件及服务子项，从而提高计算力 支撑要素的丰富程度。全球计算力指数综合评估结果分析本次研究基于各个国家的计算力指数分值、各子项指标 的聚类分析、指数的单位增长对于数字经济和GDP带来的推 加有效。计算效率评估集中在针对各个国家的云计算普及率、 新技术应用率以及CPU、内存、存储资源的使用率上。面向云计算的基础架构支出持续增长，起步者国家在云 计算的整体投入比例较低。云计算是企业在数字化转型过程中弥补传统架构局限性 并提高计算效率的理想解决方案，云计算渗透率很大程度上 影响了一国的整体计算效率。经过十余年的开展，云计算已 经从1.0时代进入到以多云、混合云为核心的2.0时代，在基 础架构支出的细分市场中可以看到，虽然传统数据中心仍然 是最大的组成局部，但公有云和私有云市场明显具有更高的 增速，且这一趋势在未来几年仍将延续。本次研究中，起步 者国家云基础架构投入在整体IT基础架构的平均占比均仅有 20.4%,而领跑者国家和追赶者国家的该项平均占比分别到达 60.7%和 31.7%oSSD/SCM等新技术应用持续拓展，起步者国家尚有较大 开展空间。从整体市场开展来看，大流行影响下形成的分布式经济 范式转变和云化算力需求，为SSD、SCM等数据存储新技术 应用创造出积极市场环境，出货量和容量都实现强劲增长， 且部署在超大规模/云数据中心的存储容量首次超过传统数据 中心。从地理分布上看，新技术采纳情况与国家经济开展水 平基本保持一致，领跑者和追赶者国家新技术渗透率平均达 到34.6%,而起步者国家仅为22.3%。应用水平大数据、人工智能、物联网、区块链、机器人等新兴技 术的应用是未来IT支出的核心驱动力，同时也将在一定程度 上反映一个国家的经济开展潜力和综合国力，尤其是人工智 能和物联网应用对国家以及各行各业的贡献十分显著。此次评估中，中国和美国人工智能应用总支出处在最前 列，分别到达34.7%和27.9%的高速增长，并有望在未来5年 维持这样的增长水平。人工智能是国家战略前沿技术，全球各国加大对人工智 能的布局力度。日本政府为了更好地实现“Society 5.0”的畅想, 出台了一系列相关政策以促进人工智能的技术开展和社会应 用，如第2期战略性创新推进计划（SIP）人工智能技 术战略等。法国政府出台“人工智能国家战略”新计划，以 提高法国人工智能竞争力，使法国成为嵌入式人工智能和可信 人工智能领域的领导者，加快人工智能在经济领域的应用， 在原有基础上追加投资22亿欧元，重点明确了人工智能在医 疗保健、环境、交通和国防4个方面的应用。中国政府高度重视以人工智能为代表的新一代信息通信 技术开展，并将人工智能作为“十四五'期间国家迈向高质量发 展的重要抓手，中国围绕人工智能发布一些列相关政策文件, 包括新一代人工智能开展规划促进新一代人工 智能产业开展三年行动计划（20182020年）关于 促进人工智能和实体经济深度融合的指导意见等，同时也 在多份国家级宏观政策中为人工智能技术创新、生态构建、行 业赋能等方面提出阶段性目标和任务。人工智能商业价值获得广泛认可，全球AI应用支出快速 增长，中国市场表现最为突出。中国人工智能产业化应用在过去5年间已经取得显著的 成效，AI支出规模和增速都处于全球前列，行业用户对于AI 价值的认知、技术供应商在AI落地的方法论与实践方面日趋 成熟，在制造业，中国企业将AI技术融入到到产品生产流程、 加工工艺优化等环节，如工业质检/巡检等工业视觉智能技术 在汽车、半导体和基础电子等行业应用落地较快，企业正在 通过AI算力投入降低传统质检人力本钱，提高良品率并降低 漏检率。南非企业在积极尝试人工智能技术，农业作为南非 的支柱产业之一，创新技术对农业现代化和改善大型农业社 区的生计越来越重要。美国将大量的人工智能技术应用于遗传综合症、肺癌、 乳腺瘤、创伤后应激障碍等多种疾病的治疗和诊断，同时还 利用其进行蛋白质折叠体结构的研究、抗菌耐药性基因的检 测和识别以及新药的开发。韩国各大医院也正在战略性地设 立自己的影像大数据数据库，借助AI技术准确解读医学影像, 协助医师从超过10万张的X光照片中准确诊断乳癌和肺结核, 并利用组织切片的影像认识、译码疾病。人工智能技术将助 力全球传统企业的转型升级，随着人工智能底层技术的开源 化，传统企业将加快掌握人工智能技术，并依托其积累的行 业数据资源，实现人工智能与实体经济的深度融合。2 .行业计算力开展水平评估互联网：积极拥抱新兴技术，领先全球计算力水平作为数字原生的企业，互联网对于云计算、大数据、人 工智能等新兴技术的采用最为开放，领先于其他传统行业。 首先，互联网企业对于云的态度相比传统行业更加积极，目 前几乎所有的互联网企业都已经采用了云计算，主要驱动力 来自对弹性的计算和网络的需求，尤其在电子商务、视频类、 云游戏等应用。根据IDC数据统计，2021年，互联网企业采 购的IT基础架构中，超过九成被应用于云计算部署方式，而 这一占比在其他传统行业还不到五成。除此之外，互联网与 人工智能、大数据等新兴技术的结合也催生了对海量计算能 力的需求。根据本次报告的数据显示，互联网在全球人工智 能、大数据、物联网、区块链这几项应用支出的占比均处在 前列。目前，从互联网数据中心的体量来看，中国和美国依然 处在第一梯队，中美两国的数据中心服务器保有量占全球整 体服务器保有量六成以上，近年来互联网行业在亚太区的增 长颇为突出，这主要源于之后在线需求的增加，以及亚太地 区经济的复苏。与中国过去两年类似，超大规模云服务提供 商，无论是本地还是全球的超大规模云服务提供商均加大数 据中心的部署，更多中小企业青睐于采用订阅云服务的方式。 根据IDC统计，2021年全球服务器支出接近三成来自于互联 网行业，预计这一趋势仍将持续。电信：利用算力投入优化内部管理、赋能业务创新字经济时代，电信走在数字化转型的一线，凭借新一代 信息通信技术成为赋能诸多行业实现数字化开展的中坚力量。 随着5G、云计算等技术的落地，电信运营商对内面临着业务 增长压力，需要更好地支撑BSS系统以期增加客户黏性、优 化OSS系统来提升运维效率等；对外需要为智慧交通、智慧 零售、车联网、游戏娱乐、AR/VR应用等增值业务提供支撑。 不管内外，新创立数据的飞速增长以及越来越多的数据创新 的业务场景对数据快速访问的需求凸显，无一不要求电信运 营商的数据中心有承当数据高并发、低延迟传输、保证业务 永续的能力，这对基础设施的性能和稳定性提出超高要求。研究发现，目前电信运营商的设备很多都存在老化、过 保的问题，设备故障率高、性能缺乏等问题凸显；且传统数 据中心占地多、能耗高、维保费用高，带来高昂的OPEX费 用支出；面对关键业务并发量的增长，如计费、CRM等业务 对计算和需求量的急剧增加，电信运营商对新型IT基础设施 的采购意愿增加，期待借助提供高效的算力可加速老旧设备 整合替换，实现IT系统的现代化改造，同时大幅优化基础架 构投资，让电信行业可以沉着面对业务增长，保证业务增效。金融：智能化加速，有力支撑金融业务创新开展随着移动互联场景的普及，金融行业（包含银行、保险 和证券）的数字化业务迅猛开展，呈现出线上化、智能化、 无接触等特征，数字银行、个人财富管理、数字化借贷、全 渠道支付等新兴金融场景层出不穷。随着数字化和信息化进 程的加速，基础设施的高可用性成为金融行业关注的重点， 同时，金融行业对业务的及时响应需求较高，移动互联业务 增多和规模扩展、高并发、超高峰值场景成高频化趋势开展, 越来越多的企业依赖稳定、高效、平安、弹性的IT基础设施 达成业务目标和战略规划。从全球范围来看，金融行业很早便开展对人工智能的使 用，开展到如今已获得验证并迅速从大型金融机构普惠到中 小型金融机构。金融机构对于人工智能的使用主要集中在智能 客服和风险管控两大方面，其中智能客服采用时间较早，也 更为成熟。金融对于智能客服的使用主要集中在人工协同、 机器人问答、人力服务以及数据与服务监管四大优化上, 金融银行领域聊天机器人(Chatbot)、智能客服和虚拟助 手，支持用户通过文本或语音对话的形式，提供精准、个性 化的咨询和服务，大大节省了呼叫中心人工坐席本钱。通过 自主学习用户喜好与习惯，精准识别潜在需求，大幅提升用 户粘性及转化率。放眼海外，全球几大银行，包括美国银行(BOA)、摩 根大通(JPMorgan Chase )、第一资本银行(Capital One )、万事达卡(MasterCard)、运通卡(American Express )全部采用了 Chatbot来优化银行数字服务，而国内 的几大国有银行和股份商业银行也同样拥抱了智能对话体验, 让AI充当24x7智能客服或智能投资理财顾问的角色。AI客 服开展至今，语音识别已由平均55%的识别率提高到85%以 上。银行针对企业客户推出了 AI虚拟助理，以更好满足客户 资金业务结算的需求，客户通过简单咨询即可获取账户余额 等相关信息。AI虚拟助理将在电脑端、手机App以及语音虚 拟助理设备平台运行，未来可能进一步开发主动功能，如电 话通知延迟支付的客户。制造：实现智能制造，推动数字工厂建设制造业是实体经济开展的核心支撑力量，也是全球算力 水平最高的传统行业之一，2021年算力支出占全球12%,是 仅次于金融，算力投入最大的传统行业。制造业在推进数字 化转型过程中，不仅要支撑大型ERP系统的运转，还要兼顾 物联网、传感器等新技术的应用。从全球角度来看，制造是 物联网和机器人两项新兴技术投入占比最大的行业，2021年, 制造业物联网支出占全球物联网支出37%,机器人支出占比 超过60%,除此之外，在人工智能、大数据、区块链等新兴 技术使用上，制造业也领先于大局部传统行业。在实现“智能制造”、“高端制造”的过程中，出现了越来 越多的优秀企业实践，以欧洲某大型制造工厂为例，该工厂用 例实验室下的新工厂拥有前代工厂两倍的反响速度，自投产 以来，低价值任务的自动化已使工厂运营本钱下降了 ll%o 从其五大用例获得的收益来看，智能工厂从概念到实现减少 了 45%的设计实践；全自动进货物流减少了 29%单个产品的 间接劳动力；数字化的在线视觉化质检减少了 17%单产品的 间接劳动力；制程连接和追溯减少了接近100%消除材料使用 错误；智能人员匹配提高了 3%的OEE （设备综合效率OEE二 可用率*表现指数*质量指数）。这些收益都离不开算力作为 支撑。中国制造业数字化进程虽然相对较慢，但在龙头企业带 动下正加速这一进程，并采用了诸多新兴技术。例如为实现 工厂的数字化，通过5G技术实时监控设备的开机率和作业率。 将工厂深度数字化之后，再根据李生建设实体工厂，可以大 大缩短产品交付周期，实现高效运转。根据IDC数据统计， 2021年，中国制造业IT相关支出占全球市场的占比已提升至 15%左右，虽然与中国制造对全球制造业所贡献的接近三成 的比重仍有差距，但未来五年增速将处于领先位置，年复合 增长率将到达16.6%,显著高于全球其他地区，预计到2025 年，中国制造业IT相关支出占全球市场将到达20%左右。3 .计算力的经济影响从计算力指数看算力对经济增长的影响从定量的角度，计算力对国家的宏观经济开展具有不可 忽略的影响。本次研究中计算力指数与经济指标的回归分析结 果显示，国家计算力指数与GDP/数字经济的走势呈现出了显 著的正相关。在进行线性回归拟合度检验上，当计算力指数 作为自变量，数字经济与GDP作为因变量时，模型的拟合度 相对于计算力指数作为因变量，后二者作为自变量时更高， 因此以计算力指数来预测数字经济与GDP比用后二者来预测 计算力指数与实际情况更好，也更加吻合。前文中提到，计算力指数的增加很大程度上得益于计算 能力和新兴技术的应用水平，即当算力投入在底层为新兴技术 应用开展提供基本保障的同时，也被新兴技术应用带来的需求 进一步拉动，从而使整体经济的增长呈现倍增效益。从经济理论看算力对经济增长的影响在数字经济时代，算力已经成为拉动国家经济增长的核 心引擎。从以上的定量分析可以看出，一个国家算力的提升对 其经济的拉动作用十分显著，且计算力指数越高，提升作用越 明显。基于此，本研究尝试构建经济增长模型来刻画算力与 经济增长之间的关系，并进一步分析算力对一国长期经济增长 的影响。内生技术进步带来经济持续增长经济增长理论关注的核心在于经济增长的力量源泉，研 究经济增长的影响因素及其作用机制。新古典经济增长理论 认为，经济增长是劳动和资本投入的函数，技术进步的作用 动力等因素，将这些国家划分成了三个梯队，分别是领跑者 国家、追赶者国家和起步者国家。本次研究结果显示，美国和 中国分列前两位，同处于领跑者位置；追赶者国家包括日本、 德国、英国、法国、加拿大、韩国、澳大利亚；印度、意大 利、巴西、俄罗斯、南非和马来西亚那么属于起步者国家。跑者国家：依托计算能力供给、应用市场空间和基础设 施支持的增长扩大计算力指数的领先优势，其中中国算力水 平增幅最大，到达13.5%,成为推动领跑者国家阵营计算力 增长的主要驱动力量。美国美国计算力水平同比增长5.0%,到达77分，在新冠对 整体宏观经济形成负面影响，以及市场体量和开展能级已经 较为突出的情况下，美国在局部二级指标得分依然取得明显 是外生的。假定科技水平不变，经济增长将随着劳动和资本 投入量的增长而增长。但是，后来的经济实践显示出，劳动 和资本数量的稳定增长并不能带来经济的持续增长，因为劳 动和资本等要素投入存在着边际收益递减效应。随着经济实践中创新的作用越来越重要，技术进步因素 进入理论开展的视野，由此催生出内生增长理论。其核心思想 认为，经济能够不依赖外力推动实现持续增长，内生的技术 进步是保证经济持续增长的决定因素。而诸多经济体开展历 程与理论研究也说明，推动经济持续增长、实现经济增长方 式转变均离不开技术进步。在数字经济时代，算力是一种全新的技术进步力量，带 来巨大的技术变革与赋能作用，因此，我们将算力作为一种 关键技术进步因素，进而构建内生增长模型，刻画算力与经 济增长之间的关系，从理论层面探讨算力对经济增长的作用 机理和影响推进。算力成为数字经济时代的关键生产力要素技术革命带来新的生产力，催生新的经济形态。一系列 新兴信息数字技术的兴起与广泛应用，造就了具有高创新性、 强渗透性、广覆盖性特征的数字经济。这种以数据资源作为 关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的新兴经济形 态的开展水平，正日渐成为国家竞争力的重要标志。在数字经济的开展进程中，数据要素构成核心生产要素, 在所有产业部门的竞争力中发挥着越来越重要的作用。世界 各国数字经济规模在经济中的比重持续增加，全球信息数据 量增速惊人，进而带来超大规模数据存储和数据计算需求的 迅猛增长。在此背景之下，算力作为一种新技术进步因素脱 颖而出，成为挖掘数据要素价值，推动数字经济开展的核心 支撑力和驱动力。全球范围内算力需求与数据量增长出双向 循环式提升的局面正在形成。立足于此，我们尝试以建构一个简化模型的方式来刻画 算力对国家或地区经济增长的影响作用。首先，在模型的设 定中，我们用投资于算力的资本总量作为衡量计算力的替代 指标。其次，我们建立一个只列入算力资本和传统物质资本两 大投入要求的简化模型。这里的算力资本主要指与计算能力 的形成直接相关的各种投入，包括数据、算力、算法等。从 算力的角度而言，包括建设以数据服务器、运算中心、数据 存储阵列等为核心，实现数据信息的计算、存储、传递、加 速、展示等功能的数据中心、智能计算中心等算力相关的资 金投入；物质资本主要是指为获取各种传统生产要素而发生 的各种投入，如在厂房、生产设备、原材料等上的资金投入。算力资本、物质资本与经济增长之间的关系与已有研究一致，本研究选择柯布一道格拉斯生产函数 进行推导分析。具体地，假定生产中存在两种生产投入，即 算力资本投入与传统物质资本投入，两种投入促进了经济的 长期增长。其中，算力资本一方面产生直接的投入，如与数 字产业化相关的资本投入，这局部与传统物质资本对经济增 长的作用一致，两者产生互补性；另一方面，算力资本对物 质资本具有赋能、使能作用，如算力资本投入有利于物质资 本的数字化转型，从而使得资本运营效率的提升，同时传统 物质资本数字化转型需求进一步带动算力资本的投入，因而 两者具有协同效应。4 .计算力的社会价值算力建设助力疫苗（新药）研制和防控疫苗（新药）研制近年来，新型冠状病毒肺炎（COVID-19）、严重急性呼 吸综合征（SARS）、高致病性禽流感（H5N1、H7N9）、甲 型流感（H1N1）、中东呼吸系统综合征（MERS）和埃博拉 （EBOV）等新发传染性疾病在世界各地接连出现，其具有传 染性强、传播速度快、传播范围广等突出特点，且爆发早期 的不可预见性导致大局部新发传染性疾病无有效药物和疫苗 储藏，严重危害全球人类生命健康、影响社会稳定和经济发 展，并对世界各国公共卫生系统构成严峻考验，快速实现疫 苗和药物从无到有的突破，是新发传染性疾病防控战役中迫 切需要解决的问题。计算力建设能够辅助疫苗和药物开发，极大提高药物发 现效率、降低平均研发本钱并减少临床失败风险。新冠全球 大流行进一步加强了公众和行业对药物开发的重视程度。新 药研发是一个非常复杂和耗时的过程，通常情况下，一款新 药上市往往需要花费10年以上的时间以及高达25亿美元的 经费，各大制药企业高度重视各类新技术在新药研发中的应 用，从传统“手工试错”向计算辅助模式转变，最大化缩短研 发周期，加速有效药物投入使用。在全球范围内，基于计算的药物发现与设计（Computational Drug Discovery and Design）开展了 40 余年， 已经广泛应用于药物发现研究中。如借助并行计算机集群实 现高通量虚拟筛选(High Throughput Virtual Screening, HTVS) 等技术应用，在短时间内获得候选化合物，大幅提高药物分 子设计效率和成功率，有效解决创新药物研发进程缓慢的问 题。AI计算辅助药物发现近年来成为全球市场热点。新药研 发一般包括靶点选择和验证、化合物筛选和优化、临床前研 究、临床试验等几个主要环节。AI技术开展为新药研发提供 全新技术手段，助力生物医药行业加快数字化和智能化转型。 据Deep Pharma Intelligence统计，截至2020年，全球共有 240家AI新药研发企业。辉瑞、葛兰素史克和诺华等全球主 要大型制药公司均已布局AI+新药研发，包括靶点选择和验 证、先导化合物筛选和优化等研发环节是热门方向。防控爆发以来，AI计算在防疫抗疫等方面发挥了重要作用。在期间我国的防控措施主要有以下几个步骤，显现、查 找源头、严密封锁、广泛筛查、锁定密切接触者、隔离高风 险人员，精准划分出“中风险地区”、“高风险地区”，并根据 形势的变化，对风险区的划分和防控措施进行动态调整，力 争精准识别、隔离风险人群，阻断病毒传播链条。AI计算在 整个防控过程中有着不可或缺的重要作用：在人群筛查方面，通过AI图像识别和红外热成像技术 的结合，在公共场所及封闭社区进行人员辅助监测，对发热 人群迅速完成筛选、测温及追踪监测； 在舆情分析方面，通过抓取新闻媒体、各地有关部门 发布的报告和新闻，对文本数据进行筛选分析后，用定向数 据收集来获知潜在流行传染病爆发和扩散的线索； 在传染防控方面，通过AI算法优化资源配置，提升宝 贵的公共资源的利用效率；通过智能语音，控制设备的运转, 减少直接接触从而切断传染途径，防止潜在感染风险；通过智 能外呼对经过高风险地区的人员进行追踪并催促相关人员进 行核酸检测。 在监测分析方面，通过AI计算监测不同类型人员的情 况，包括确诊者、无病症感染者、疑似者、密切接触者、高 风险者等，监测这些人员的数量、分布区域、经过场所、相 互转化率等，评估开展态势，提出针对性预防措施。AI计算加速对疑似病例的基因测序分析，显著缩短溯源 时间。基因测序已经成为当前病毒导致的流行性传染疾病防控 的重要技术手段，通过对病原微生物的基因测序，可以在第 一时间获取新发未知病毒的基因组序列信息，揭示病原相关 特性、分析病毒的进化来源、研究病毒的致病病理机制等， 为突发的防控和后续研究提供帮助。一次基因测序所产生的 数据量超过10TB,仅凭借人或者通用计算方式是没有方法对 如此巨量的数据进行分析的，AI有效地解决了这一问题，并 且通过与边缘计算相结合，进一步提高检测速度，打破了实 验地点和环境的制约，对于微生物、病毒和人类基因的测序 能力和效率有巨大提升作用。绿色算力保障社会可持续开展计算力能够帮助企业应对减排压力，并在数字化转型中 取得商业先机。石油和天然气企业正在探索将枯竭的地下油 气田及水库作为碳储存地点，图形计算技术赋能地理信息系 统（GIS）、3D建模和成像，可帮助企业实现高效的目标地 点评估。有色金属企业利用边缘计算和智能计算技术推动冶 金工艺升级、优化钻机运行和负荷调峰，保障平安生产并提 升资源使用效率。装备制造企业对设备系统进行整合，提升 设备自动化和智能化程度，监控、分析和优化工厂用能情况, 为资产管理和生产工艺提供数据支持。汽车企业通过高性能计算加速汽车产品仿真和研发，利 用AI算力优化充电站分布，优化车辆运营商的车队组合、路 线和资源分配，以减少碳足迹。电网利用边缘计算和物联网 技术控制电力输配，在不增加碳足迹的情况下提高输电效率, 通过传感器和智能电表收集各环节数据，借助人工智能、大 数据分析给出优化用电建议。应对气候变化以实现净零排放需求拉动，计算力正在向 绿色化和集约化方向加速演进。随着云计算的开展，现代数 据中心承当了大量的计算和存储任务，尤其是AI技术快速发 展和加速计算应用的普及，持续推动处理功耗（CPU为 270/280W+, GPU为500W+）呈指数级增长，已成为高效数 据中心系统设计的严重瓶颈。减少数据中心碳足迹、减少温 室气体排放、将节能整合到日常运营中、降低运营支出以及 降低电力使用效率（PUE）等挑战，正成为解决方案提供商 和数据中心所有者的关键考虑因素。从绿色化角度，以构建绿色数据中心为目标，业内正在 实践多种降低数据中心碳排放的举措，包括使用液冷等技术 来提升散热效率，引入风电、光伏等新能源技术，通过 AI/ML技术升级运维管理流程，采用全新芯片架构实现更高 的单位功耗算力输出等。全球领先云计算公司正在提高新能 源使用率，AWS在西班牙、苏格兰、瑞典、爱尔兰等多个国 家建设太阳能发电和风力发电厂，为其数据中心供电；谷歌 从2010年开始大规模购买可再生能源，在欧洲就运营着13 个可再生能源工程，2019年谷歌数据中心平均PUE已经到达 l.lo在数据中心内部，第三方数据中心头部公司Equinix通 过部署液冷和ML/AI等运营技术，推动数据中心基础设施管 理和自适应控制系统智能化升级，目前全球年度平均PUE已 经逐步降低到1.5o从集约化的角度，减少碳排放的关键因素之一是提高计 算资源的密度，从而到达更高的效率。据IDC研究，企业数 据中心平均PUE为2.8,而云服务提供商普遍在的 PUE水平。大型云服务提供商和数据中心运营商也是太阳能、 风能和水力发电等清洁能源应用的领先企业，过去几年在美 国国家环境保护局(EPA)绿色能源伙伴全国100强清单中 一直名列前茅。通过将离散的企业数据中心的计算资源聚集到 更大规模的数据中心，可以更有效地管理电力容量、优化冷 却设施、并提高服务器利用率，从而使IT资源的利用能效比 到达最高，到达减少排放的目标。IDC全球云计算二氧化碳 减排预测,2021-2024报告显示，从2021年到2024年,持 续采用云计算可以减少超过10亿吨二氧化碳的排放。算力促进人与自然和谐共生计算力正在为以往社会、经济和环境中的紧迫问题提供 前所未有的创新解决方案。亚洲象是世界自然保护联盟(IUCN)列出的濒危物种，在中国，亚洲象主要栖息于西双 版纳热带雨林中，由于对雨林及亚洲象种群保护不断加强， 野生亚洲象数量从80年代的170多头恢复到300头。随着亚 洲象数量增加，其活动范围也开始不断扩大，频繁进入村庄 及城市“肇事”，人象冲突频发。而传统靠护林员人工跟踪， 或者借助无人机追踪野象都无法保证24小时的全天候观察和 预警，而且雾天、雨天常会出现漏判、误判的情况，监测人 员平安也会面临风险。面对人工监测预警不准确、不及时的问题，西双版纳国 家级自然保护区管护局将红外相机、摄像头、无人机等终端 增长，其中边缘计算服务器支出增长13.6%,云计算开展水平 提升4.3%,人工智能、大数据、物联网和区块链等新兴技术 应用更加成熟，指标增幅领先全球平均水平；美国超大规模 数据中心进一步扩大了规模优势，维持全球第一地位；在全 球头部超大规模云服务提供商的推动下，美国数据中心整体 能效实现提升，但相比超大规模数据中心，美国企业级数据 中心能效水平依然有较大提升空间。中国为引导数字经济深化开展，实践创新驱动开展战略，中 国高度重视新型基础设施建设、行业数字化转型以及前沿科 技创新，政府、产业和科研机构对数字化技术和产品的投资 持续扩大，创新能力进一步增强。2021年企业研发经费增长 15.5%,数字经济与实体经济加速融合，高技术制造业增加值 增长18.2%。在此背景下，中国计算力同比增长13.5%,到达 70分，在计算能力、应用水平和基础设施支持开展水平中均 实现长足进步。最新评估结果显示，中国大局部指标延续了过去几年的 高速增长，且增长幅度均高于美国，其中在计算能力方面， 中国AI计算开展领跑全球，AI服务器支出规模同比大幅增 长44.5%,首次超过美国位列全球第一；在计算效率方面， 中国云计算普及水平紧跟美国，虽然中国云计算的渗透率较 采集设备部署在雨林中，实现全天候图像及影像数据实时采 集，边缘计算设备对实时回传的图像和视频流进行毫秒级的 精准辨识，秒级预警，预防人象冲突的发生。同时，经过边 缘计算设备清洗后的数据会同步到云侧计算中心，进行亚洲 象AI识别模型训练、优化，数据汇集、数据挖掘等。目前亚 洲象生态保护系统已成功预警2900余次，有效预防了人象冲 突事件的发生。同时基于系统收集到的26万张观测影像，夜 间影像模糊不清与亚洲象残缺影像识别等技术难题被先后攻 克，亚洲象AI识别精准度从国际平均的60%跃升到99%。在计算力的支撑下，不仅可以缓解人与野生动物的活动 轨迹的冲突，还能实现更加高效的濒危物种监测与栖息地保 护。在人工智能、云计算和大数据等技术的支持下，亚洲象 研究专家们不再需要去翻山越岭，又期待又害怕的去寻找濒 危物种的足印、粪便、吃剩的食物残渣，只需登录亚洲象生 态保护系统的数据汇集平台，专家们就可以对象群数量、生 活状态、食物链上下游、亚洲象分布与迁徙规律、雨林湿度、 温度等展开深入的研究分析，也为开展深层次的物种保护及 生物多样性研究，提供更加丰富和立体的数据参考。低，但近年来中国互联网企业在公有云上的投入不断扩大， 推动了超大规模数据中心的快速开展。而中国的新技术 （SSD/SCM/异构）使用率仍有较大进步空间；在应用水平层 面，中国应用成熟度与美国的差距进一步缩小，在机器人应 用方面支出位列全球第一，在人工智能应用、大数据应用增 速均高于美国；在基础设施支持层面，中国数据中心规模稳 居全球第二，但数据中心能效水平有待提升。追赶者国家：计算力优势不在于算力体量，而是更高的 计算效率、广泛的新兴技术应用以及相对健全的基础设施支 撑。追赶者阵营共7个国家，且均是兴旺国家，其中日本、 德国、英国位列计算力指数排名3-5位，韩国、加拿大、日 本增幅最快。追赶者国家阵营的数据中心数量合计约占15个 国家的33%,且PUE指标普遍处于全球领先水平，尤其是欧 洲国家将循环经济实践作为优先事项，预计到2023年，欧洲 将在数字化技术使能的可持续开展方面投入超过600亿美元。 同时，由于欧洲企业愈发重视数字优先开展战略，欧洲国家 的计算力实现稳定增长。从具体国家的评估表现来看：德国德国工业基础雄厚，在2013年就提出了“工业4.0”概念, 抢抓新一轮工业革命先机，在全球工业数字化转型中起到引 领性作用。德国工业通过长期的数字化投入，在期间展现出 韧性，成为德国经济实现快速复苏的关键。评估结果显示， 在行业数字化转型需求的带动下，德国边缘计算支出增长 29.3%,物联网和区块链领域支出同样快速增长，推动德国在 计算力应用水平方面实现16.1%的大幅提升。日本日本与欧洲国家类似，尽管缺少大型的互联网服务等IT 企业，但日本同样是全球制造业强国，在基础电子、集成电 路、材料、汽车、装备等高端制造领域，日本均处于世界一 流行列。近年来，日本制造业充分利用数字技术来巩固全球 领先优势，构筑企业竞争新壁垒，尤其是爆发之后，日本政 府陆续出台和实施了大规模经济刺激方案，以计算力为基础 的数字化转型已经成为后时期日本促进产业升级及拉动经济 复苏的重要抓手。从评估结果看，日本计算能力整体水平增 长12.7%,日本的医疗器械、半导体等细分制造业企业积极 利用人工智能等数字技术应用全面赋能业务创新，AI计算能 力开展取得明显进步，在兴旺国家中表现较为突出。法国另外，法国计算力综合开展水平提升4.6%,主要由应用 水平子项贡献，其中AI应用支出实现32.7%的大幅增长。起步者国家：以开展中国家为主，算力市场空间和后发 优势突出，辅以不断完善的基础设施建设，正在不断缩小与 追赶者国家之间的差距。本次计算力水平评估结果显示，起 步者阵营中不同国家根据自身资源禀赋特点在不同的细分指 标中取得突出表现：意大利意大利是起步者阵营中唯一的兴旺国家，尽管GDP规模 排名靠前，但相比于其他西欧国家，意大利数字经济占比相 对较低，在计算、人工智能等新技术投入以及存储、网络等 基础设施支持方面仍有较大提升空间。印度印度计算力综合开展水平得分到达38分，其中在计算能 力方面，印度AI计算和边缘计算开展实现较大提升，移动计 算和桌面计算市场是全球结构性增长点，终端市场保有量、 支出规模和增速全球领先；另外，印度在存储、网络基础设 施方面支出实现快速增长，增幅全球第一。尽管爆发一定程 度影响了印度计算力增长势头，但印度计算力开展水平与追 赶者阵营差距仅为2分，凭借细分算力市场的快速开展，其整 体算力水平在未来几年仍具有较大的上升潜力，有望跻身至 追赶者国家梯队。全球计算力指数子项评估结果分析计算能力计算能力是计算力指数的核心组成局部，通过评估各类 服务器及终端设备的数量和投入占比来反映不同国家在算力投 入上的整体水平和侧重点。本年度国家计算能力子项评估在通 用计算能力、AI计算能力、科学计算能力和终端计算能力之 外，新增边缘计算能力，以求更全面地展现各国计算能力的算 力形态和开展层次。受到爆发及结构性经济开展失衡等因素影响，多个国家 服务器整体支出规模出现下滑，但大局部国家依然维持了边 缘计算领域的高速增长。边缘计算创新并拓展了核心数据中心的功能和范畴，已 经成为驱动全球企业级基础架构市场增长的重要力量。本年度研究显示，15个国家在边缘计算能力开展水平上 普遍取得提升，除中美两国表现较为突出外，德国、英国等 兴旺国家加大边缘计算布局力度，开展节奏明显快于开展中 国家。作为平台型技术，边缘计算为5G、物联网、机器人、 人工智能等新兴技术提供重要的承载能力。IDC预计未来5年, 全球对边缘位置的算力投资增长速度将远快于核心位置，到 2025年，全球边缘计算服务器支出占总体服务器比重将从 14.4%提升到 24.9%o边缘计算的价值在于从物理空间上将计算资源移动到数 据创立的位置，从而大幅提高了获取数据洞察价值的效率， 并在核心IT环境之外实现业务流程和决策智能的即时启用。 根据IDC全球边缘支出指南，企业和服务提供商在边缘解决 方案硬件、软件和服务上的支出预计将在未来几年保持高速 增长，到2025年将到达近2740亿美元。欧洲国家重点通过行业价值链重构、强需求用例探索以 及宏观性战略引导提升边缘计算区域竞争力。欧洲国家和企业将边缘计算视为整个欧洲数字化转型的 关键驱动力，近年来不断加速边缘计算基础设施部署，近30% 的欧洲企业计划在未来两年内开始使用边缘计算技术，交通/ 物流、制造和能源是领先的行业门类，局部企业已经越过试 验进入成熟部署阶段。分布式是边缘计算的本征特点，面向 特定的用例场景，跨行业和跨系统协同是影响边缘计算部署 的重要因素。欧洲电信运营商、解决方案供应商和垂直行业企业加强 产业协作及业务能力整合，以持续完善的生态体系建设向千 行百业赋能，成功在德国实现自动驾驶跨运营商网络的无缝 切换，有效保障碰撞警告系统等关键移动业务的连续性质量。 在多个垂直行业，欧洲企业积极挖掘和实践强需求应用场景， 如零售行业的用户购物行为实时分析、复杂任务管理、后台 流程和运营的自动化，医疗行业的AR辅助手术和远程成像 诊断等。另外，以满足欧洲企业和公共管理部门对敏感类别 数据处理的刚性需求为目标，欧盟成立了工业数据、边缘和 云联盟，作为欧洲数据战略的重要组成局部，旨在提高欧洲 在工业数据方面的领导地位。AI计算反映一国最前沿的计算 能力，中国AI计算开展水平快速提升。AI计算正在不断拓展能力范畴，从互联网业务、行业数 字化转型到基础研究都在发挥重要价值，具备AI能力的企 业也将更有竞争力。综合15个国家来看，AI算力支出占总算力支出从2016 年的9%增加到了 12%,预计到2025年将到达25%,其中， 中国的拉动作用最为显著，过去5年15个国家AI算力支出的 增长中，近60%来自中国。作为新兴产业，过去几年中，中 国AI算力市场实现高速开展，在包括基础理论、计算芯片/ 系统、算法模型/编程框架、行业赋能解决方案等层面均取得 了长足的进步，但也存在底层技术研发与实际需求脱节现象, 理论和实践存在一定鸿沟。随着数字化开展不断深入，AI算 力的产品能力、工程化落地效率、为客户产生实际价值已经 成为评判算力产品的重要标准。计算效率计算效率表达了一国目前的计算力利用水平，局部国家 由于在云计算等方面的采用率较高，对于计算能力的挖掘也更