中国AI算力规模的扩张在2019年至2024年间实现了约21倍的增长（从30 EFLOPS增至640 EFLOPS），这轮扩张的提速拐点出现在2020年，当年规模增速达到历史峰值的138%。此后增速虽逐年回落，但算力总量仍保持高速增长，2024年规模增速为48%。
算力扩张的节奏与关键拐点
根据IDC及中泰证券研究所的数据，中国AI算力规模（以EFLOPS计）在过去数年间呈现持续高速扩张态势。2020年是增速最快的年份，规模较前一年增长138%，这标志着算力扩张的正式提速。此后增速虽逐年放缓，但绝对增量依然可观。
| 年份 | 算力规模（EFLOPS） | 规模增速 |
|---|---|---|
| 2019 | 30 | — |
| 2020 | 80 | 138% |
| 2021 | 160 | 95% |
| 2022 | 270 | 68% |
| 2023 | 430 | 55% |
| 2024 | 640 | 48% |
从数据来看，2020年既是增速的峰值，也是算力规模扩张的起点。此后每年算力规模仍以较高速度增长，但增速逐步从138%回落至48%，显示基数扩大后增速自然放缓的规律。
扩张背后的驱动因素
算力需求的扩大与AI应用的普及密切相关。当前大部分大模型仍处于开发阶段，对训练芯片的需求更大，而GPU作为目前唯一可用于AI训练且已量产的芯片，占据了AI芯片市场的主要份额。随着各类大模型的成熟并在生产生活中逐步应用，推断类AI芯片的占比有望逐步提升。
从芯片供给角度看，AI芯片主要分为CPU、GPU、FPGA和ASIC四类。其中FPGA具备开发周期短、可配置性强的特点，在AI推断市场潜力较大；ASIC则因高性能、低能耗的特性，适合AI推断场景。未来随着大模型不断落地，适用于推断场景的芯片占比有望提升，进一步支撑算力需求的持续扩张。
常见问题
为什么2020年是算力扩张的提速拐点？
2020年算力规模增速达到138%，是近年来的峰值，此后增速虽逐年放缓，但绝对增量持续扩大，因此2020年被视作这轮算力扩张的提速起点。
算力增速从138%降至48%，是否意味着扩张放缓？
增速回落是基数扩大后的自然现象。尽管增速下降，但每年新增的算力规模仍相当可观，例如2024年较2023年增加了210 EFLOPS，绝对增量并未减少。
未来算力规模的增长动力来自哪里？
随着大模型从开发阶段走向应用落地，推断类AI芯片的需求有望逐步提升。FPGA和ASIC等适用于推断场景的芯片占比预计将上升，为算力规模的持续扩张提供支撑。