目前人工智能对算力需求增长的速度要快于算力供给增长的速度。据OpenAI的分析，自2012年以来，最大规模的人工智能训练中使用的计算量以3.4个月的倍增时间呈指数增长。未来人工智能将进一步推动算力需求爆炸式增长，据OpenAI推算，GTP-5的参数量将是GTP-3的100倍，需要的计算量则是GTP-3的200～400倍。
近期，全球头部云厂商、数据中心提供商纷纷发布规划及预算，加速数据中心布局。me
ta预计2023年资本支出390亿美元，主要投资服务器和网络基础设施。NTT于2023年宣布计划在未来五年内向数据中心、人工智能和其他“增长领域”投资590亿美元，其中至少110亿美元将用于扩大或升级其数据中心。
数据中心的设计建设模式需适应人工智能产生的需求，下一代数据中心需要投资人工智能专用硬件，采用新的数据中心设计，主要体现在四个方面，第一，人工智能数据中心通过异构计算突破算力瓶颈，包括CPU、GPU以及专用硬件如ASICs和FPGAs在数据中心的综合部署。第二，人工智能和机器学习可能需要三倍于传统数据处理的功率密度，冷却是人们广泛关注的主题，液体冷却和浸泡冷却可能是发展趋势。第三，高速的存储访问对于人工智能工作负载至关重要，数据中心需要扩展其存储能力来满足不断增长的需求。第四，人工智能数据中心的效率与其网络的性能直接相关，零丢包、低时延、高吞吐的智能无损网络将成为人工智能数据中心的网络解决方案。
