2025 年，以 DeepSeek 為代表的國產大模型在數學推理、代碼生成等核心領域已實現與國際頂尖模型的技術對標。

這些大模型的訓練需要千億、甚至萬億級參數，以及上千GB的高質量數據，大模型的訓練迭代極大地拉動了智能算力的需求。

IDC 數據顯示，2024 年中國智能算力規模達 725.3EFLOPS，同比激增 74.1%，預計 2025 年將突破 1000EFLOPS，兩年內規模翻倍。算力承接算法及數據，成為AI產業發展基石。

2024 年中國智能算力增長 74.1%

來源：人民日報

這背后是 AI 訓練成本的持續攀升：訓練一個 GPT-4 級別的模型需消耗數千萬美元算力資源，而企業私有化部署大模型的初始投入也普遍超過百萬元。

更嚴峻的是，算力需求正從訓練端向推理端全面滲透，傳統自建機房的響應速度已無法滿足業務彈性需求。

這種「算力饑渴」在制造、金融等領域尤為突出，實時推理算力需求遠超原有 IT 架構承載能力。

人工智能技術快速迭代，中小企業對AI算力的需求激增，但受限于資金、技術和人才等因素，自建算力面臨多重挑戰。

一、技術落地成本高昂

中小企業規模較小，資金相對有限，若自建一套完整的算力基礎設施，需投入數百萬至千萬元級資金購置 GPU 集群等硬件設備，此外，還需承擔機房建設、電力供應、冷卻系統等配套設施的費用。

隨著 AI 技術的快速發展，算力需求不斷增長，硬件更新換代頻繁，自建硬件易因技術變更而過時，企業需要持續投入資金進行設備升級，這無疑加重了企業的經濟負擔。

二、長期運維壓力顯著

算力基礎設施需要持續穩定的運行環境，并且要定期進行維護和升級。一旦出現故障，可能會影響到整個 AI 業務的正常運轉。中小企業在運維方面面臨著巨大的壓力，建立一套完善的運維體系既耗時又耗力。

而且運維人員需要具備豐富的專業知識和經驗，能夠快速診斷和解決各種復雜的技術問題，這使得運維工作成為了企業的一大負擔。

2025 年，東莞發布了《關于加快推動人工智能賦能制造業高質量發展的若干措施》，提出構建多層次算力供給體系、強化資金支持、推動場景開放等舉措。

東莞市人工智能產業高質量發展大會

暨濱海灣新區人工智能產業政策發布會現場

來源：東莞新聞

其中關鍵舉措包括：

對企業租用智算資源給予最高 50% 的費用補貼，單個企業每年最高可申領 100 萬元算力券。算力券補貼將直接降低企業客戶使用算力租賃服務的成本，刺激市場需求。