解析黄仁勋观点，洞察全球AI算力发展现状，黄仁勋谈DeepSeek影响，全球AI算力发展正当时

英伟达CEO黄仁勋在GTC大会分析师会议上对DeepSeek人工智能模型R1的看法展开，阐述了其对计算基础设施的影响，同时介绍了算力的定义、全球AI算力发展现状以及中国AI算力规模的情况和未来趋势。

当地时间3月19日，在GTC大会的分析师会议上，英伟达CEO黄仁勋就DeepSeek人工智能模型R1对计算基础设施的影响表达了自己的观点。他明确指出，当前市场对于推理模型DeepSeek – R1存在“完全错误”的理解。外界普遍担心该模型可能会减少对芯片数量的依赖，同时提升服务器性能，但黄仁勋认为这种顾虑是没有依据的。实际上，随着科技的不断进步，能够得出更复杂答案的新型人工智能模型必然会增加对计算基础设施的需求，而且在未来，这种计算需求甚至会呈现出更高的增长态势。

在会议期间，有分析师提到英伟达的一些客户正在积极开发自研芯片，试图以此取代英伟达的产品。针对这一情况，黄仁勋进行了辩解。他表示，许多专用集成电路（ASIC）由于各种原因，并不能投入到数据中心之中。黄仁勋进一步分析，这些大客户在运营过程中，需要的是性能更优越的芯片，以便从其基础设施中获取更多的收入，而并非仅仅使用便宜的替代品来节省成本。他还幽默地补充道，各位公司的CEO们都非常擅长数学，他们不会仅仅简单地关注成本问题，而是会综合考虑芯片性能对整体业务的影响。

其实，在此之前，黄仁勋也曾在多个不同的场合回应过“DeepSeek冲击”这一话题。他对DeepSeek的创新给予了高度的评价，认为其提振了AI产业的活力。黄仁勋指出，R1模型的推理功能非常强大，它在得到更高质量回答之前会进行大量的“思考”，这一特性将直接推动算力需求的增加。他还强调，DeepSeek专注于推理领域，这必然会进一步增加对计算的需求，从而带动对英伟达芯片的需求增长。

算力定义

2018年诺贝尔经济学奖获得者William D. Nordhaus在《计算过程》一文中对算力给出了明确的定义：“算力是设备根据内部状态的改变，每秒可处理的信息数据量”。从狭义的角度来看，算力指的是设备通过处理数据，实现特定结果输出的计算能力。而从广义上来说，在数字经济时代，算力已然成为一种新的生产力，是支撑数字经济蓬勃发展的坚实基础。

全球AI算力发展现状

目前，全球AI算力产业呈现出四个显著的特点。首先，全球AI算力支出占比不断提升，这表明各个国家和企业对AI算力的重视程度在逐渐增加。其次，全球算力规模呈现出快速增长的态势，随着科技的不断进步，算力的需求也在持续攀升。再者，全球算力细分市场发生了重要转变，从过去以基础算力为主导，逐渐转变为以智能算力为主导，并且智能算力的增速明显加快。最后，全球算力需求大幅提升，以AIGC为代表的人工智能应用、大模型训练等新需求、新业务的崛起，深刻地影响了全球经济社会的发展变革，推动了算力规模的快速增长。同时，计算技术的多元创新以及产业格局的加速重构，使得算力助推全球数字经济发展的生产力作用更加凸显，成为各国战略竞争中不可忽视的新焦点。

多技术协同升级正在推动先进计算持续发展。一方面，计算技术加速演进，异构计算成为智能计算周期高算力主流架构。在摩尔定律演进放缓、颠覆技术尚未成熟的大背景下，以AI大模型为代表的多元应用创新驱动计算加速进入智能计算新周期，进一步带动了计算产业格局的重构重塑。在智能计算时代，搭载各类计算加速芯片的AI服务器、车载计算平台等将成为算力的主要来源。另一方面，先进计算体系化创新活跃，创新模式和重点发生了转换，呈现出软硬融合、系统架构创新的特征。技术创新持续覆盖基础工艺、硬件、软件、整机等不同层次，包括4nm及3nm工艺升级，互联持续高速化、跨平台化演进，软硬耦合加速智能计算进入E级时代。

2022年中国智能算力规模达到268.0EFLOPS

随着我国一系列支持性政策的陆续出台、海量数据的不断增加、算法模型的日益复杂化以及应用场景的深入发展，中国AI算力规模正在持续扩大。AI大模型对算力的需求增长速度已经高于摩尔定律的迭代速度，这使得服务器的需求量大幅提升。根据OpenAI的测算，自2012年以来，头部AI模型训练算力每3 – 4个月就会翻一番，训练算力增长幅度高达10倍。然而，摩尔定律放缓已经成为不争的事实，但数据量却在持续增加，导致算力增速出现明显滞后。AI服务器作为AI算力的重要载体，其需求正在逐步释放。根据IDC数据，以半精度（FP16）测算中国的AI算力规模，2021年中国智能算力规模达155.2每秒百亿亿次浮点运算（EFLOPS），到了2022年，智能算力规模进一步提升，达到268.0EFLOPS。

根据《全国一体化大数据中心协同创新体系算力枢纽实施方案》的要求，京津冀、长三角、粤港澳大湾区、成渝等节点，由于用户规模较大、应用需求强烈，需要重点统筹好城市内部和周边区域的数据中心布局，优化数据中心供给结构，扩展算力增长空间，以满足重大区域发展战略实施的需要。在城市内部，要加快对现有数据中心的改造升级，优先满足对实时性要求高的业务需求。未来，在政策的大力支持下，AI算力相关企业将加快自主研发的步伐，提升为下游行业的赋能水平。IDC预计，到2026年，智能算力规模将进入每秒十万亿亿次浮点计算（ZFLOPS）级别，达到1271.4EFLOPS。

本文先介绍了英伟达CEO黄仁勋对DeepSeek人工智能模型R1的看法，强调其会增加计算基础设施需求。接着阐述了算力的定义，包括狭义和广义层面。然后分析了全球AI算力发展现状，如支出占比提升、规模增长等特点。最后聚焦中国，指出中国AI算力规模持续扩大，在政策支持下未来发展前景广阔。整体展现了AI算力领域的发展态势和趋势。