1、成本高：智算中心投资成本高，动辄几个亿的投资，一台H800的8卡服务器300万，而收益率不高等

2、芯片工艺受限：A100，H100，B200等高端智算芯片对华禁售，高端芯片工艺长期被卡。华为、龙芯、寒武纪、曙光、沐曦、海光等企业进入实体清单，但国内芯片制造的先进工艺受限。

3、CUDA生态垄断：英伟达CUDA生态完备，已形成了事实上的垄断。国内生态孱弱，且企业之间山头林立，无法形成合力。

1、2023年4月《上海市推进算力资源统一调度指导意见》

到2023年，可调度智能算力达到1000 PFLOPS(FP16)以上;到2025年，本市数据中心算力超过18000 PFLOPS(FP32)

2、2023年10月《算力基础设施高质量发展行动计划》

到 2025 年，计算力方面，全国算力规模超过300 EFLOPS，智能算力占比达到 35%，东西部算力平衡协调发展。

3、2023年12月《深圳市算力基础设施高质量发展行动计划》

到2025年，通用算力达到14EFLOPS(FP32)，智能算力达到25EFLOPS(FP16)，超算算力达到2EFLOPS(FP64)

从头部AI厂商布局来看，英伟达竞争者AMD选择兼容CUDA+自研原生“两条腿”并行，英伟达客户谷歌、Meta、亚马逊等均已推出自己的AI芯片。我们认为，国产GPU在起步阶段兼容CUDA生态更容易发展，易于生存。在美国技术封锁的大背景之下，“AI信创”为国产算力芯片提供了市场窗口，远期国产GPU还是需要发展原生生态。

新一代人工智能作为科技发展的驱动力量，需要平衡算力设施和算法的发展。一方面，强大的算力是训练和运行复杂AI模型的基础，因此，建设高效的算力基础设施是必不可少的。另一方面，优秀的算法可以提高计算效率，解决实际问题，推动产业升级。

资源优化节约成本

统一资源管理技术，实现对 GPU、CPU、HPC 等多元算力资源的一体化调度，灵活进行资源切分及分发，显著降低了硬件采购和维护成本，能够更专注于核心业务的开展。

智能化运维监控

采用先进的智能监控与运维体系，实现监控数据分析、故障预测与自我修复，从根本上简化了数据中心运维的复杂性。同时也借助领先能耗优化技术，达成严格的环保标准，践行绿色可持续的IT发展理念。