人工智能基礎層涵蓋計算芯片、網絡設備、存儲設備和信息采集設 備，以及操作系統、開發測試分析工具和AI算法框架，共同構成了 人工智能產業發展的基石底座

由于在軟硬件基礎設施層仍嚴重依賴國際廠商，正多面實現軟硬件國產化并加大投資基礎設施建設的力度，以避免受國際制約導致的技術瓶頸。2023年相關企業融資占比達68%，凸顯其重要性

人工智能基礎層涵蓋計算芯片、網絡設備、存儲設備和信息采集設備，以及操作系統、開發測試分析工 具和AI算法框架，構成了AI技術運行的基石。大力投資人工智能基礎設施，以提GAI效能并避免技 術瓶頸，2023年相關企業融資占比達68%，凸顯其重要性

人工智能的基礎層支持分為硬件和軟件。其中，人工智能直接相關的硬件部分包括計算芯片、網絡設備、存 儲設備以及信息收集設備四大類；直接相關的軟件部分則包括操作系統、開發測試分析工具與AI算法框架三 類。基礎層是人工智能技術運行的基石，其計算速度、存儲效率、運行穩定性、帶寬效率等直接決定了人工 智能的效能釋放，因此近年來大力發展基礎設施的建設，通過加大在基礎設施的投資以避免卡脖子、性 能制約等影響人工智能深度落地的因素。在2023年，在AIL域中，基礎設施相關企業融資額度達到68%，側 面證明了其在當前AIL域的重要地位。

❑ 在AI基礎設施和軟件層面嚴重依賴國際廠商，特別是在計算芯片和存儲芯片L域，以及AI算法框架 和數據庫使用方面，這種依賴性制約了AI的長期發展，亟需加大投入和提升自主創新能力 目前，在基礎設施層面仍嚴重依賴國際廠商。例如，在計算芯片L域，英偉達的GPU在生態系統和計算 能力上均大幅L先于的芯片，特別是在生態建設方面，廠商的芯片目前無法繞過多層生態枷鎖；在 存儲芯片L域，三星和美光兩大存儲巨頭的產品在性能、性價比等多個維度上也顯著L先的存儲芯片， 導致廠商在性價比和性能穩定性方面短期內難以大幅替代國產存儲芯片。這種在兩大AI核心硬件上的技 術制約對AI的長期發展產生了重大影響，亟需盡快解決。

在軟件層面，依賴程度更加嚴重。AI算法框架方面，盡管百度的飛槳在Github的點贊率一度進入前五，但在 實際的G強度開發中，超過70%的開發者仍傾向于使用Pytorch、TensorFlow、Keras等國際L先的算法框 架庫。在數據開發分析方面，Oracle和微軟的數據庫及分析軟件仍是各大企業的常用工具，占比達59%。 超過74%的受訪者表示切換到國產數據庫難度大，因國產數據庫在數據處理速度和并發處理能力方面仍存在 不足。在當前的國際競爭態勢下，軟件上的依賴性將影響人工智能的發展。企業需要加大投入，吸引和 培養G端人才，以縮小與水平的差距。