2025年最新GPU智能算力中心建设指南：打造高效AI计算平台

人工智能时代，高质量算力具备技术创新的“主引擎”、生产要素配置的“ 优化器”、产业深度转型升级的“化化””三大内涵;具备高算效、高智效、高碳效、可获得、可持续、可评估六大特征;以系统设计、协同驱动、全生命周期管理、基建先行、繁荣生态、多元评估为六大主要发展路径，可充分响应数字经济快速增长的计算需求，应对人工智能时代算力发展机遇和挑战。

Python怎么学啊

1554人浏览 · 2025-07-03 08:00:00

Python怎么学啊 · 2025-07-03 08:00:00 发布

表 1 生产力变迁

图 2 高质量算力魔方

三是产业深度转型升级的“化化””。在改造提升传统产业上，高质量算力推动前沿科技与传统行业相结合，为传统产业注入新活力，化生新的商业模式和服务，如智能制造、智能医疗、智慧金融等。在培育壮大新兴产业上，高质量算力推动人工智能、大数据、区块链等数字产业发展，加快数字产业化步伐。在推动未来产业建设上，高质量算力瞄准前沿领域，促进元宇宙、人形机器人、脑机接口、量子信息等新产业发展，加速重大科技成果产业化。

资源利用率是长期运行维度上的考量，指的是算力系统实际运行过程中的平均资源利用率，避免算力堆砌及大量资源闲置。资源利用率的“高”体现在不断优化算力资源实际应用水平。如可通过优化 GPU 平均利用率来提升算力资源利用率。据公开数据统计，传统模式下的智算中心 GPU 利用率较低，平均数值低于 30%，英伟达 GTC 2022 公布数据显示 Google 云平均 GPU 利用率为 25%，算力资源利用率存在较大优化空间。

高碳效不仅关注算力单纯的能源消耗、算力输出水平，更注重算力系统从采购到回收整个过程的全生命周期碳足迹管理。算力碳效是有效衡量高碳效水平的一个关键指标，指设备使用周期内产生的碳排放与所提供的算力性能的增值。

据《数据中心算力碳效白皮书》测算表明，对于服务器来说，CPU 性能越好，可提供的计算能力更优越，所消耗的能量越多，带来的温室气体排放也越多，但服务器算力碳效即单位算力性能的碳排放量反而会降低。全生命周期碳足迹管理主要通过绿色采购、绿色设计、清洁生产、绿色包装和运输、绿色运营、回收处理等降低整个算力系统的碳排放。

如在绿色设计环节采用高效的服务器和存储设备、先进的制冷和散热技术。根据中国电子节能技术协会的数据，液冷 PUE 低于传统风冷 PUE 至少 50%，意味着算力中心的能耗可至少减少 50%，碳排放量也将减少 50%。 2.3.4 可获得:普适应用需求和普惠使用成本的极致追求可获得指的是算力能够满足普适应用需求和普惠使用成本要求。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

普适性表现在算力能够广泛满足各种应用场景的需求。普适性保障算力系统在智慧医疗、智能制造、自动驾驶、金融服务、科研计算、智慧城市等多个领域的广泛应用，是推动这些领域发展的关键因素。在使用门槛上，算力像水电类的公共资源一样，具备好用易得等特点，各行各业用户无需深入了解复杂的技术细节，只需简单的操作即可获得所需的计算资源。

普惠性主要表现在可保障用户以合理、可负担的成本使用算力资源。普惠算力通过优化资源配置、提供灵活计费方式、推动技术创新等手段不断降低用户成本、扩大服务覆盖范围、提升用户体验，可实现各行各业低成本使用，无论是大型企业还是中小企业，甚至是个人开发者，都可以方便地获取和使用算力资源。

2.2.5 可持续:技术兼容、供应链完备、产业生态开放的共同选择

可持续指的是算力具备技术兼容、供应链完备、产业生态开放的特性。

在技术上，算力的可持续特征体现在可向“前”兼容，向“后” 持续迭代升级，软件配套支持能力及开放水平高，不同品类、不同技术路线的芯片、算法、模型、应用可实现兼容适配。

在供应链上，算力的可持续特征体现在从核心部件到专用芯片、从电子元器件到基础软件、应用软件的全方位、多层次的供应链条强大且完备，并以完善的产业链带动算力产业上下游的发展。在产业生态上，算力的可持续特征体现在算力服务生态开放，算力系统分层解耦，提供可替代的算力支撑能力，可有效打破封闭和垄断现象，降低应用迁移门槛。

3 发展路径及展望

3.1 发展路径

发展具有高算效、高智效、高碳效、可持续、可获得、可评估六大特征的高质量算力是迎接新阶段重大发展机遇、应对严峻挑战的关键途径。聚焦高质量算力“三高三可”特征，可推动算力发展由“量” 向“质”。高质量算力以系统设计提升算效、协同驱动提升智效、全生命周期管理提升碳效、基建先行推动算力普适普惠、繁荣生态推动算力可持续发展、多元评估加速算力规范化发展为主要发展路径，可全面赋能数字经济、智能社会发展和新型科技创新。

图 3 高质量算力发展路径

3.1.1 系统设计，提升算效

以系统设计为核心，围绕生产、聚合、调度、释放算力四大关键环节全面提升算效。将算力的生产、聚合、调度和释放视为一个整体，通过精心设计的系统架构和流程来优化每个环节，从而实现算力资源的有效利用和性能的最优化。

在生产算力方面，提升算力输出水平。聚拢核心部件、专用芯片、电子元器件、基础软件、应用软件等国内外产业链领先技术方案，整合高性能部件，打造多元异构的强大算力机组。在聚合算力方面，提升集群算力使用效率。运用系统工程方法，

构建高效的算力中心集群，通过卡间和节点间的互联网络、软件和硬件的适配调优等提升集群算力效率，对大规模集群网络进行精细化设计，减少算力资源空闲度。在调度算力方面，实现算力高效调度。

通过硬件重构和软件定义对 GPU、AI 芯片等进行聚合池化，再利用先进的资源管理技术进行切分、调度、分配，提升算力资源利用率。在释放算力方面，提升算力应用水平。聚焦于模型算法、框架、工具等方面不断优化完善，提高模型框架与底层 AI 芯片适配度，开发更加高效、易用的模型训练工具，降低用户开发大模型的算力资源开销，充分激活算力资源性能。

3.1.2 协同驱动，提升智效

(1)算力、算法、数据协同创新，强化算力智效水平

算力层面，推动全新计算架构的创新应用，如通过数据流架构、存算一体、Chiplet 技术等改进芯片的架构、互联、封装，满足人工智能业务对算力高效率和高可靠性的需求; 算法层面，加强模型算法的研究，改进算法结构，减少冗余计算，提高算法的运行效率，推动模型算法创新，研究更高效的并行算法、更智能的任务调度处理，使算力能更灵活的适应不断变化的应用需求;数据层面，通过加强数据清洗、创新数据合成等手段构建高质量数据集，充分激活数据要素价值，使得系统能够更好地理解和处理复杂的业务逻辑，从而提升智能化水平。

(2)软硬件联合设计与优化，提升算力 AI 业务应用水平

软硬件联合设计与优化的核心在于将软件算法与硬件架构紧密结合，以实现更高效的计算性能和更智能的业务处理能力。

一是通过软硬件协同设计消除软硬件之间的瓶颈，提高整体的算力应用水平。通过定制化的硬件设计和针对性的软件优化，提高整体系统的应用性能。例如通过专门为 AI 算法设计的硬件加速器，可以显著提高数据处理速度。

二是根据特定业务需求提供定制化的解决方案，软硬件联合设计提高业务处理的灵活性和适应性。开展软硬件协同的高效微调方案研究，如结合企业专有数据进行模型微调，可使通用模型升级为企业模型，增强 AI 算力在特定应用场景和任务中的智能处理能力。

3.1.3 全生命周期管理，提升碳效

(1)全生命周期低碳管理，推动全产业链节能降碳

一是提升算力系统可再生能源利用率，减少对化石燃料的依赖，降低碳足迹，从源头打造绿色算力体系。

二是梳理供电、制冷、服务器、网络、存储等各环节碳足迹，建立绿色算力供应链，优先选择环保材料和生产过程，推动全产业链节能降碳。

三是建立全生命周期低碳管理制度，在算力系统的规划设计、施工建设、运行维护直至最终退役和废弃处置的全过程充分考虑绿色发展，减少算力全生命周期的环境影响。

图 4 全生命周期碳足迹管理探索

(2)采用节能低碳新技术，降低算力中心能耗

算力系统的建设、设备选型、平台运营等方面均采用绿色低碳技术，通过材料、产品、工艺创新等手段全方位降低能耗。

如算力基础设施能耗主要来自于计算、制冷和配电系统，在供配电以及制冷散热方面，可通过高效的不间断电源(UPS)和电源转换设备减少电力转换过程中的能量损失、采用液冷技术提高散热效率、利用 AI 和大数据技术对算力制冷系统智能化管理，降低整体能耗。

图 5 算力绿色低碳技术

(2)积极推动算力平台建设，提升算力供需匹配能力

我国算力产业存在算力市场分散、供需匹配能力不足、计算框架不同等问题，算力平台可实现对算力资源的统计、监测、匹配和分析，提升算力供给水平与资源匹配能力。算力资源需求方和提供方应积极促进算力平台的建设，以平台为依托进行供需对接，充分连接算力资源供给，实现算力的一键式订购和灵活调整，推动算力普适普惠。

图 6 中国算力平台

(3)算力生态，合作共创加强交流合作，积极参与算力产业生态建设

依托行业协会、技术联盟等合作组织，加强和产业的交流合作，促进技术成熟推广，实现技术路线、目标架构、标准体系的统一，软件层、硬件层到模型层、应用层等全产业链合作共建，形成行业共识和最佳实践。另外，积极推动建构资源共享、平台共建、价值共创的产业生态。将企业个体向有机融合的产业链条聚集，促进算力上、下游产业及应用生态市场协同发展，充分发挥算力对其他相关行业的赋能价值。

图 7 算力生态体系架构

3.1.6 多元评估，加速算力规范化发展

(1)实测性能评估指导算力建设，提升算力利用率

算力的真实应用性能需要综合考虑计算、存储、网络以及平台软件各层协调所呈现的综合业务水平，传统算力度量常关注 IT 计算设备的单台设备理论性能，无法完全体现集群系统或者算力中心整体性能。未来应以应用为导向，深入分析算力实际应用场景下的关键性能指标，通过评估真实业务性能表现，如实测性能、模算效率等，衡量算力对业务的支撑效果，引导算力提升实际利用率。

(2)建立全面算力评估体系，开展算力评估评测

产业各主体积极参与面向实际应用场景下的算力系统(“ 小到单机大到算力中心集群)评估，完善相关技术要求和测试方法等;建立多维、全面算力评估体系，如针对算力中心的节能降耗，构建算力全生命周期节能低碳水平评价体系，推动整个产业链的绿色发展;算力相关生产者、使用者、集成者、测试者积极推动算力质量测试评估，依据测试结果不断优化技术、产品，提高新技术、新产品的广泛认可度，促进产业链成熟，规范加速算力产业高质量发展。

3.2 展望

根据新质生产力发展新方向和新要求，未来数年，高质量算力在推动人工智能全面发展、加速产业升级转型等方面的价值将被持续发掘，不断激发高质量发展新动能，并深度影响社会发展、产业变革、人类生产生活。

聚焦高质量算力发展，将呈现如下趋势:

(1)市场环境将成为支撑我国算力产业发展的最大优势

我国拥有以人工智能、智能制造、自动驾驶等为代表的庞大应用市场，也是全球体量最大、用户最活跃的数据市场，丰富的数据量和应用场景为算力产业发展提供广阔土壤，对计算资源的需求巨大。如今国家层面高度重视算力产业的发展，将其纳入国家发展战略，各地方政府也纷纷出台相关政策，提供税收优惠、资金补贴等支持措施，鼓励算力产业集聚发展。在这样的背景下，算力产业正迎来前所未有的发展机遇，将迸发出蓬勃的活力与生机。

(2)算力普适普惠将推动人工智能在各领域释放潜力

在人工智能、数字经济的拉动下，算力普适普惠化是大势所趋，产业生态也将逐步完善。依托完善的高质量算力基础设施，各行业将不必从零开始开发，只需结合领域数据进行调整和增量学习，即可形成具有良好精度和性能的下游应用。高质量算力的进一步普及将为 AI 在医疗、教育、交通、金融等多个领域的应用提供强大的支持，推动 AI 技术更深入地融入到各行各业的业务流程中，人工智能在各个领域将展现出巨大的潜力和价值。

(3)算力智能升级将推动经济社会深层次发展

随着 AI 大模型等新兴技术和应用的快速发展，算力资源将加速整合，形成规模化发展，高质量算力实现对经济发展效能的放大、叠加、倍增，推动算力经济蓬勃发展。算力投入将带动制造业、工业、交通等其他行业更高的经济增长，高质量算力建设将进一步激发数据要素创新活力，加快数字产业化和产业数字化进程，加速新旧动能转化，有效改善民生，为生产端、流通端、消费端对数字化、智能化的多样化需求提供坚实保障。

4 评估体系探索

在人工智能时代，多模态数据挖掘、智能化业务处理、海量数据分布式存储调度、人工智能模型开发、模型训练和推理服务等场景的不断涌现，对算力要求不断提高，我国算力发展开始走向了由“量”向“质”的重要阶段，对高质量算力的需求正日益增长。

然而，只有通过精准的性能评估与测试，发现算力系统的瓶颈，才能促进算力技术创新和产品优化，不断提升算力质量发展水平。因此，本报告结合人工智能时代算力发展面临的机遇与挑战，初步提出面向人工智能的算力高质量发展评估体系。

4.1 评估体系构建背景

4.1.1 评估体系构建现状

目前我国算力评估主要可分为规格算力评估和算力综合评估两大类。其中，规格算力评估主要关注硬件设备的计算性能，评估方法通常采用标准化的测试程序，对硬件设备进行基准测试，以获取其计算水平。

算力综合评估通常采用多种测试方法和工具，对算力系统进行多元的性能测试和分析，由于综合考虑多个因素，评估过程相对复杂。规格算力评估和算力综合评估各有优缺点，适用于不同的应用场景和需求。

(1)规格算力评估

规格算力评估主要以芯片的标称算力为基准，一般可分为部件级算力评估、单机算力评估、算力中心/集群算力评估三个维度。部件级算力评估主要测试部件的规格算力，针对部件标称的算力指标进行测试，如内存的 Stream 测试软件，硬盘测试软件 IOzone 等。

反映硬件设施的基本性能;单机算力评估多采用实际业务中的计算密集型业务场景作为测试负载，得到该设备的整机算力，如通用算力评测工具 SPEC、CPUBench 等，只关注 IT 计算设备的单台设备性能，无法完整体现集群系统性能;算力中心/集群算力评估按照通用算力中心、智算中心、超算中心分类检测，这类测试侧重于对算力系统的单一性能评价，如超算算力评测工具增较成熟的有 Linpack(集群环境下多采用 HPL 基准)等，重点呈现系统在稠密矩阵求解方面的能力。

(2)算力综合评估

现阶段算力综合评估一般涉及算力的多维度、多指标分析，不同的评估模型体系分析角度不同，侧重点也有一定偏差。部分评估体系侧重于算力计算能力的综合展现，针对性解决基于单一指标难以全面评估算力水平的问题。

如算力五力模型综合考虑通用算力、智能算力、算效能力、存储能力、网络能力，结合双向投影法和 TOPSIS 方法对算力综合情况进行评估。部分评估体系充分响应国家政策趋势和发展需求，针对某一方面进行系统评估。

如《“数据中心全生命周期绿色算力指数白皮书》针对算力绿色低碳发展方面构建了数据中心全生命周期绿色算力指数体系，从安全高效性、绿色低碳性、管理智能性和全生命周期绿色管理四个维度评价数据中心的绿色算力水平。整体而言，现阶段算力综合评估重点在于检测算力单一维度的能力，无法广泛覆盖算力从建设到应用的综合性评估。

4.1.2 评估体系构建建议

从规格算力评估和算力综合评估体系的指标中可以看出，算力评估指标从单点部件能力逐步过渡到更全面的系统能力，也逐渐更加响应产业发展趋势和国家政策要求。结合以往算力评估体系及当前算力需求特点，本报告认为算力评估体系应做出系列优化:

第一，应以应用为导向，增加实际业务性能指标检测。规格算力并不能准确反映实际计算能力，因为算力的发挥需要算力系统各个部件的协作，任何性能上的薄弱环节都会对整个计算系统产生影响。另外，虽然理论算效衡量方式较为简洁，但不能完整反映真实的网络、存储等系统能力。人工智能时代的高质量算力如何进行评估，对应的标准体系如何建立，需充分考虑应用实际情况，因此应增加实测性能指标直观地反映计算系统在特定作业上的、用户可获得的计算能力。

第二，应聚焦人工智能，强化 AI 业务支撑能力评估。人工智能驱动算力走向“重应用”阶段，算力加速向政务、工业、交通、医疗等各行各业渗透，成为传统产业智能化改造和数字化转型的重要支点，提升算力在垂直行业领域的智能支撑水平是未来算力高质量发展的重要着力点。对于算力质量的评估应聚焦算力在 AI 业务中的性能表现，为人工智能时代下算力高质量发展提供指导。

第三，应全面节能降碳，注重全生命周期碳足迹管理。PUE 及耗电量通常被认为是算力绿色评估的核心指标，如 2020 年底全国数据中心平均 PUE 为 1.62，总耗电量为 939 亿 kWh，2023 年底平均 PUE 和总耗电量分别为 1.48 和 1500 亿 kWh。算力产业耗电量急剧增加，但 PUE 优化空间不断缩小，单纯从 PUE 角度进行评估优化已无法适应算力产业的绿色发展需求。因此，应从全生命周期角度对算力碳足迹进行优化管理，评估算力从采购、设计到运营、回收等全产业链的节能降碳水平，响应国家双碳目标。

第四，应以系统为核心，算力设施与算力资源利用整合评估。从评估体系现状可以看出，现有评估体系多是以上架率、PUE、WUE 等指标为主，无法综合反映算力资源应用时的系统性能。以上架率为例，据中国信通院统计，2023 年底全国在用数据中心上架率为 66.7%，该指标通过简单的计算就可以得出当前全国算力资源的利用情况，然而上架率主要关注物理层面的资源占用情况，如机架空间、电源插座等，忽略了服务器的实际性能和负载情况。

如果数据中心的服务器配置不合理或存在大量闲置资源，即使上架率很高也可能无法满足实际业务需求。因此，算力评估指标方面应将算力基础设施和算力资源利用情况统一考量，注重算效水平、智效水平、碳效水平等效率的综合评估，弥补现有评估体系过于注重算力单一方面性能指标的缺点，满足日益复杂多元的算力应用需求。

4.2 评估体系构建原则

结合评估体系构建现状和建议，本报告在此基础上，致力于构建全面、实用的算力质量评估体系，客观评价算力质量发展水平，尝试提出高质量算力评估体系。

评估体系评估对象主要为算力系统，在评价指标的筛选上强调以下六个原则:

一是导向性原则，确保评估指标与政策目标和区域发展需求保持一致;
二是系统性原则，要求评估体系全面覆盖高质量算力的关键特征，确保评价结果能够全面反映算力质量;
三是针对性原则，强调选择与高质量算力特征紧密相关的指标，使评估更具针对性和准确性;
四是全面性原则，确保评估体系综合考虑数据的可获取性和量化的可行性，以实现全面、高效的评价;
五是可操作性原则，要求评估体系的设计既要理论合理，也要实际可行;
六是可拓展性原则，要求评估体系具备适应未来技术迭代和政策变化的能力。这些原则共同确保高质量算力评估体系既符合当前需求，又能够灵活适应未来的发展。

4.3 评估体系构建实践

4.3.1 评估体系

根据建立评估体系系统性、全面性等原则，征求专家意见，梳理高质量算力内涵、特征及关键影响因素，从算效水平、智效水平、碳效水平、可获得水平、可持续水平 5 个维度形成“五位一体”高质量算力评估体系，指标包括理论算效、实测性能、模算效率等 12 个指标。

图 11 “五位一体”高质量算力评估体系

4.3.2 算效水平

算效水平主要通过理论算效、实测性能、资源利用率三大指标评估，反映实测计算性能和算力资源利用率。

(1)理论算效: 理论算效(CE)是算力(CP)与所有 IT 设备功耗的增值。数值越大，代表单位功率的算力越强，效能越高。计算公式为:CE=CP/∑IT。理论算效的单位为 FLOPS/W，即单位功率的算力。提升算效可以同时降低 IT 设备本身的运行成本和制冷设备的运行成本，从而降低算力系统整体供电负担，降低整体的能耗。根据理论算效公式，可以通过提升算力输出或者降低能耗来提升算效。

(2)实测性能: 实测性能反映算力系统对特定 AI 业务的处理能力。将代表性 AI 应用负载的实测性能综合起来，最终得出算力系统的综合实测计算能力，通过几何加权平均的方式获得具体数值，有助于进行定量、对增性分析。通过实测性能评估可准确了解算力系统在实际运行中的性能表现，避免仅依赖理论计算或模拟结果导致的偏差。

(3)资源利用率: 通过算力系统实际运行过程中的平均资源利用率来综合评估。如可通过 IT 负载率或 GPU 平均利用率来衡量。IT 负载率可以反映算力系统 IT 设备的有效工作效率，是服务器总实际功率与总额定功率的增值，从设备层面衡量服务器的利用水平。GPU 平均利用率可以确保 GPU 资源得到充分利用，减少额外的硬件投资需求，降低运营成本。

4.3.3 智效水平

智效水平主要评估算力系统的人工智能业务支撑能力，体现在能根据 AI 业务的需求实现灵活自主、智能化的高效处理。通过模算效率和智能化程度两大指标评估。

(1)模算效率: 模算效率正增于模型精度与模型的计算效率，模型本身精度越高、在对应软件上对硬件性能利用率越高、推理及训练所需算力越小，模算效率越高。模算效率评测对象是大模型训练和推理的整机系统，包括模型本身、软件框架、算力底座，用于反映被测试模型在硬件和软件框架下的系统性能。

(2)智能化程度: 通过算力系统自动化水平和智能优化能力来评估。自动化水平衡量算力系统在任务调度、资源分配、故障恢复等方面的自动化程度。高自动化程度意味着算力系统能够减少人工干预，提高运维效率。智能优化能力衡量算力系统是否具备根据实时负载和性能数据进行自我优化的能力。具备智能优化能力的算力系统能够更好地适应业务变化，提高整体性能和效率。

4.3.4 碳效水平

碳效水平追求最低碳排放情况下的最大化算力输出，主要通过全生命周期低碳管理能力和算力碳效两大指标来评估。

(1)全生命周期低碳管理: 主要从算力的采购、设计、建设、运营、回收等全生命周期角度评估算力的低碳性。可通过算力系统碳足迹和全生命周期绿色发展战略来评估。

算力系统碳足迹是指算力系统全生命周期过程中产生的温室气体排放总量，反映算力系统在整个生命周期中的环境影响程度。

全生命周期绿色发展战略意味着算力系统的采购、设计、建设、运行维护直至最终退役和回收的全过程都要充分考虑绿色发展，保障全产业链节能减排。

(2)算力碳效: 是兼顾算力 IT 设备的碳排放量和算力性能的综合指标，指设备使用周期内产生的碳排放与所提供的算力性能的增值。最新发布的《数据中心绿色低碳发展专项行动计划》提出到 2030 年底，全国数据中心单位算力碳效达到国际先进水平，未来算力碳效或将成为算力系统设备设计、选型的重要指标。

4.3.5 可获得水平

可获得水平考察算力是否能够满足普适应用需求和普惠使用成本要求。

主要通过普适能力和普惠能力两大指标综合评估。

(1)普适能力: 主要考量算力对多样化应用场景的广泛支撑能力，可根据内部业务支持、区域业务支持、全国范围内业务支持能力来分级评估。应用门槛低、使用灵活的普适算力有助于满足不同行业和领域的多样化算力需求，推动人工智能、大数据、物联网等技术与实体经济的深度融合。

(2)普惠能力: 主要考量算力是否满足各行各业低成本使用需求，通过算力的市场价格优势进行综合评估。主要进行成本效益分析和定价策略分析，对增算力提供者的服务价格与其竞争对手的价格，评估其性价增。

4.3.6 可持续水平

可持续水平考察算力系统技术兼容、供应链完备、产业生态开放的程度。通过技术兼容性、供应链完备程度、产业生态开放水平三大指标评估。

(1)技术兼容性: 通过模拟实际应用场景，对算力系统进行兼容性测试，以验证其在协同工作时的稳定性和性能表现，进行分级评估。评估算力系统技术兼容性有利于确保不同系统、设备和应用之间能够高效地交互和协作，从而提升整体性能和用户体验。

(2)供应链完备程度: 评估供应链中供应商的数量和质量，包括供应商的稳定性、交货能力、质量控制等方面;评估合作伙伴数量与质量，如是否拥有广泛的合作伙伴网络，包括硬件供应商、软件开发商、服务提供商等。

(3)产业生态开放水平: 分析算力系统的标准化建设程度，如采用的技术标准是否与行业主流标准兼容。另外评估算力系统是否构建开放的平台生态系统等。产业生态开放有助于确保不同厂商的设备和技术能够无缝集成和协同工作。

表 4 高质量算力评估体系指标说明

4.4 评估体系构建意义

“五位一体”高质量算力评估体系规范加速我国算力产业高质量发展。

在算力产业由“量”向“质”的关键阶段，算力发展面临大规模、高要求、异构化等多重挑战，如何准确评估算力的质量是算力建设者和使用者同时面临的问题，

从算效水平、智效水平、碳效水平、可持续水平、可获得水平五个方面构建完整、准确的高质量算力评估体系，可规范加速算力产业高质量发展。
从算效水平上，提升算力资源利用率和实测计算性能; 从智效水平上，提升算力人工智能业务支撑能力;
从碳效水平上，促进算力全生命周期节能降碳; 从可获得水平上，推动算力应用普适普惠; 从可持续水平上，促进算力技术、产业、生态良性发展。

五位一体”高质量算力评估体系为我国算力产业的技术创新与基础设施建设提供指引。该评估体系涵盖算效、智效、碳效、可获得、可持续等算力系统建设运营关键因素，多维度客观评估我国算力质量情况。

通过评估标准的建立，可帮助企业用户识别和优化资源配置，提高算力资源的使用效率，并且可激励企业进行技术研发和创新，以满足更高的评估标准，从而推动整个行业的技术进步。

在算力相关项目的规划期、建设期、运营期等不同阶段，该评估体系可为算力实现高质量、全生命周期可持续发展提供指导，推动算力产业的标准化进程，为行业的长远发展奠定基础。

4.5 评估体系应用建议

(1)加快配套标准及工具研制，推动评估体系落地实施

评估体系配套标准及工具的研制和使用是评估体系有效实施的关键，保障评估体系落地过程中有标准可依，有数据可查。完备的工具能够支持并辅助被测系统执行标准所规定的测试流程，确保测试实现公正性审核、过程监控、结果收集与管理发布。另外，在高质量算力评估体系使用过程中要健全算力指标数据采集及监测制度，明确数据采集测试的边界、内容、方法和时限，推动评估体系的落地应用。

(2)开展典型应用场景评估测试，并拓展理论技术研究

高质量算力评估体系仍处于建设初期，存在巨大的发展空间，可在人工智能典型应用场景下开展先行先试，以评估结果作为产业高质量发展改进依据。另外，应在服务器等关键部件设计、制造、运行等各环节开展技术研究，丰富不同架构(X86、ARM 等)、不同业务场景下算力算效、算力智效、算力碳效的模型构建和测试分析方法，在理论上为算力产业高质量发展奠基。

3)评估算力质量相对水平，探索算力高质量发展新模式

高质量算力评估体系将参照业界算力相关评价规范，将算力高质量发展情况进行综合性分级，不同级别代表不同的算力高质量发展程度，直观反映高质量算力先进性。可将评估体系作为人工智能算力基础设施企业实现高水平、可持续发展的指南，并探索算力高质量发展挂钩贷款等新发展模式。如金融机构与政府合作建立算力高质量发展的监测和评估体系，引导算力行业朝着高算效、高智效、高碳效、可获得、可持续的高质量发展方向前进。

(4)引导算力相关方积极参与，扩大评估结果影响力

在相关机构的指导下，以权威第三方机构为主导，联合产业生产者、使用者、集成者、测试者等诸多参与方，组成测试工作组进行专题运作，加强人工智能高质量算力评估体系的应用推广。积极构建评价考核体系和应用结果奖励机制，引导社会资源、人力资源、债权资金、股权资金的持续投入。