DeepSeek引發(fā)了算力產(chǎn)業(yè)的‘杰文斯悖論’”。5月27日，2025智算行業(yè)峰會(huì)——算網(wǎng)融合與數(shù)據(jù)中心創(chuàng)新論壇現(xiàn)場(chǎng)，華為中國(guó)政企大企業(yè)系統(tǒng)部總經(jīng)理劉濤在接受記者采訪時(shí)，引述了這條悖論來(lái)闡述算力產(chǎn)業(yè)的發(fā)展現(xiàn)狀。
“杰文斯悖論”由19世紀(jì)英國(guó)經(jīng)濟(jì)學(xué)家威廉·斯坦利·杰文斯（William Stanley Jevons）在其著作《煤炭問(wèn)題》（The Coal Question, 1865）中提出。其核心觀點(diǎn)是：當(dāng)技術(shù)進(jìn)步提高了某種資源的使用效率時(shí)，該資源的總消耗量反而可能增加，而不是減少。
劉濤解釋，杰文斯悖論的核心在于效率提升驅(qū)動(dòng)需求擴(kuò)張，當(dāng)技術(shù)突破降低資源使用成本時(shí)，總需求反而因應(yīng)用場(chǎng)景的爆發(fā)式增長(zhǎng)而飆升。Deepseek的降本開源將刺激更多企業(yè)、機(jī)構(gòu)部署大模型，從而整體算力需求不降反升，將拉動(dòng)AIDC整體需求上升。
雙輪驅(qū)動(dòng)：AI for IDC，IDC for AI
近年來(lái)，中國(guó)第三方IDC（互聯(lián)網(wǎng)數(shù)據(jù)中心）市場(chǎng)正加速?gòu)膫鹘y(tǒng)的“主機(jī)托管+帶寬”模式向以算力為核心的AIDC（智算中心）轉(zhuǎn)型。這一變革不僅源于AI大模型訓(xùn)練和推理需求的激增，也受到政策導(dǎo)向、技術(shù)突破以及行業(yè)應(yīng)用場(chǎng)景擴(kuò)張的多重推動(dòng)。
“算力已經(jīng)成為數(shù)字經(jīng)濟(jì)的新生產(chǎn)力。”劉濤表示，“包括‘東數(shù)西算’工程、Open AI的爆發(fā)、DeepSeek的橫空出世，都使得異構(gòu)算力（CPU+GPU+NPU）的需求呈現(xiàn)爆發(fā)式增長(zhǎng)，智能算力占總算力的比例已經(jīng)超過(guò)了60%。”
他指出，傳統(tǒng)的IDC模式已無(wú)法滿足AI時(shí)代對(duì)算力彈性調(diào)度的要求。“未來(lái)的IDC將不再是機(jī)房租賃或者電力消耗者，而是算力生產(chǎn)車間。”華為愿做產(chǎn)業(yè)轉(zhuǎn)型的算力使能者，讓每一瓦電力和每一平用地都轉(zhuǎn)化為有效的AI生產(chǎn)力。
面對(duì)這一趨勢(shì)，華為提出了“雙輪驅(qū)動(dòng)”的戰(zhàn)略——即客戶需求和技術(shù)發(fā)展共同驅(qū)動(dòng)AI與智算中心的深度協(xié)同。劉濤表示，華為通過(guò)兩個(gè)層面實(shí)現(xiàn)對(duì)IDC行業(yè)的賦能：一是用AI優(yōu)化數(shù)據(jù)中心本身，二是通過(guò)智算中心為底座釋放AI產(chǎn)業(yè)價(jià)值。
“第一，AI for IDC，就是用人工智能優(yōu)化數(shù)據(jù)中心內(nèi)核。”劉濤介紹稱，華為通過(guò)昇騰AI硬件、CANN（Compute Architecture for Neural Networks）架構(gòu)、MindSpore框架及相應(yīng)工具鏈等，幫助第三方數(shù)據(jù)中心快速構(gòu)建高性能算力集群。同時(shí)，華為還提供液冷技術(shù)、智能運(yùn)維系統(tǒng)以及標(biāo)準(zhǔn)化建設(shè)規(guī)范，助力超過(guò)20個(gè)省級(jí)智算中心縮短建設(shè)周期40%以上。
“第二，IDC for AI。”劉濤強(qiáng)調(diào)，AI是新質(zhì)生產(chǎn)力的核心要素，而IDC作為千行萬(wàn)業(yè)的使能層，需要進(jìn)一步打造行業(yè)智能化的基座。基于全棧AI能力（芯片/框架/模型），華為構(gòu)建了三級(jí)賦能體系：基礎(chǔ)層提供澎湃算力，平臺(tái)層開放盤古大模型能力，場(chǎng)景層聯(lián)合伙伴開發(fā)200多個(gè)場(chǎng)景化方案。
“整體上，我們通過(guò)‘技術(shù)賦能+生態(tài)孵化’的模式，在行業(yè)中復(fù)制驗(yàn)證，可以幫助企業(yè)降低AI應(yīng)用成本40%。”劉濤表示，未來(lái)華為將持續(xù)把智算中心進(jìn)化為“行業(yè)智能中樞”，讓AI成為普惠生產(chǎn)力。
全棧協(xié)同：
軟硬一體打造AIDC核心競(jìng)爭(zhēng)力
隨著大模型參數(shù)規(guī)模從千億躍升至萬(wàn)億級(jí)別，千卡、萬(wàn)卡甚至十萬(wàn)卡智算集群也成為了AI研發(fā)的必備基礎(chǔ)，同時(shí)對(duì)通信、存儲(chǔ)、調(diào)度提出了前所未有的要求。在萬(wàn)卡集群中，若節(jié)點(diǎn)間通信效率低下，即使擁有強(qiáng)大的單卡算力，整體訓(xùn)練效率也會(huì)大幅下降。因此，構(gòu)建一個(gè)高效能、低延遲、可擴(kuò)展性強(qiáng)的算力底座成為剛需。
“這非常難做到，而是一個(gè)系統(tǒng)工程。”在大會(huì)的致辭中，劉濤提到，通過(guò)算網(wǎng)融合提升卡間的協(xié)同，可以實(shí)現(xiàn)1+1=2，甚至1+1>2。劉濤表示，為達(dá)成這一目標(biāo)，華為發(fā)揮其獨(dú)特“全棧協(xié)同”的優(yōu)勢(shì)能力，通過(guò)架構(gòu)級(jí)、軟硬件深度融合，為客戶創(chuàng)造真正的價(jià)值。
“首先是架構(gòu)級(jí)融合。”他表示，華為通過(guò)自主創(chuàng)新，實(shí)現(xiàn)通算與智算的算力耦合，資源池化可降低20%算力浪費(fèi)；存儲(chǔ)與DCN、DCI網(wǎng)絡(luò)采用HPDA（高性能數(shù)據(jù)加速）架構(gòu)，減少算存等待時(shí)間，使得“東數(shù)西算”等跨域業(yè)務(wù)的數(shù)據(jù)調(diào)度時(shí)延優(yōu)化40%。
“其次是軟件與硬件融合。”他提到，華為云作為統(tǒng)一調(diào)度平臺(tái)，通過(guò)MetaStudio數(shù)字孿生引擎實(shí)現(xiàn)算力/存儲(chǔ)/網(wǎng)絡(luò)的智能編排。例如在運(yùn)營(yíng)商智算中心建設(shè)中，通過(guò)全棧資源動(dòng)態(tài)分配能力，在業(yè)務(wù)高峰時(shí)可以自動(dòng)彈性擴(kuò)容，TCO降低25%。
此外，在節(jié)能方面，華為提供端到端的節(jié)能方案，支持按負(fù)載點(diǎn)亮算力，PUE可控制在1.15以下。近期發(fā)布的AI-Native架構(gòu)，正是這種IDC訓(xùn)練場(chǎng)景化能力的體現(xiàn)，可在大模型訓(xùn)練過(guò)程中實(shí)現(xiàn)集群效率提升90%。
華為的“星河AI網(wǎng)絡(luò)”與“CloudMatrix 384”解決方案，是“全棧協(xié)同”理念的典型落地案例。其中星河AI網(wǎng)絡(luò)采用ROCE無(wú)損網(wǎng)絡(luò)技術(shù)和自研NSLB算法，實(shí)現(xiàn)接近98%的通信吞吐率，支持200G/400G高速互聯(lián)，適用于萬(wàn)卡級(jí)集群。CloudMatrix 384則通過(guò)384顆AI處理器的互聯(lián)，提供高達(dá)300 PetaFLOPS的BF16精度算力，可大幅提升模型訓(xùn)練效率。
“這種全棧的能力，使得華為能真正站在AIDC客戶視角，幫助IDC在算力效能、數(shù)據(jù)資產(chǎn)、網(wǎng)絡(luò)協(xié)同的AIDC轉(zhuǎn)型中建立優(yōu)勢(shì)。”劉濤總結(jié)道