算力就是生产力，得算力者得天下。随着新一代人工智能技术的快速发展和突破，基于深度学习计算模式的AI算力需求呈指数级增长。数据显示，从1960年到2010年，人工智能的计算复杂度每两年翻一番；从2010年到2020年，人工智能的计算复杂度每年飙升10倍。面对如此庞大的模型和复杂的计算，提升AI算力迫在眉睫。毕竟人工智能发展的三大要素：数据、算法、算力，无论是数据还是算法，都离不开算力的支撑。那么，AI算力从何而来？AI算力对提升国家和区域经济核心竞争力的重要作用已成为业界共识。《2020全球计算力指数评估报告》表明，算力指数每提高1点，数字经济和GDP分别增长3.3‰和1.8‰。”对数字经济的可见带动效应成为国家和地方政府加大AI算力的内在逻辑放眼全球，在政府投资主导的模式下，美国依托部门下属的六大国家实验室国家科学基金会支持的能源部智能计算中心和美国宇航局下属研究中心超级计算中心，大力推动计算能力平台“长出”智能计算能力；欧盟通过“EuroHPC计划”在欧洲建设了8个大型算力平台，并积极推动与人工智能技术的结合。我国AI算力建设也进入“大建设”时期。自2017年国务院发布《新一代人工智能发展规划》以来，我国采取政府投资主导、企业投资主导、政企合资等模式，一批人工智能算力基础设施如雨后春笋般涌现。近年来，随着“东蜀”“西部计算”工程的启动和智能计算中心的建设，在国家层面实现了资源结构的有效整合。目前，全国已有8地启动了国家级计算中心建设。算力枢纽节点，规划10个国家级数据中心集群，推进集约化、绿色节能、安全稳定的算力基础设施建设。同时，在新基建等政策的鼓励和支持下，地方政府也在积极开展人工智能计算中心（AIDC）建设，据智视统计，2021年1月至2022年2月，全国规划、在建和投产的人工智能计算中心将超过20个，其中8个城市建成并投入运营AI计算中心各AIDC各地区可提供或规划的算力规模一般为100PFLOPS，相当于5万台高性能计算机的算力。例如，武汉AIDC一期可提供100PFLOPS算力，将于2021年5-12月投产，吸引100多家企业入驻，50余种场景化解决方案已孵化，日均算力使用率超过90%。随着武汉AIDC算力使用率接近饱和，已于2021年底完成二期扩容工程，可提供总算力200PFLOPS，正在筹划三期扩容工程。在人工智能产业化、工业人工智能和智能政务需求驱动下，我国人工智能算力蓬勃发展。据IDC与浪潮信息联合发布的《2022-2023中国人工智能计算力发展评估报告》，中国人工智能算力继续保持高速增长。2022年，智能算力规模将达到268艾字节每秒（EFLOPS），超过通用算力规模。预计未来五年我国智能算力规模年复合增长率将达到52.3%，同期通用算力规模复合增长率为18.5%。AI算力建设仍面临挑战目前，AI算力建设仍处于初级探索阶段，存在建设标准不统一、行业定价混乱等问题。这些问题正在成为这个新生平台发展的障碍。《新一代人工智能算力基础设施发展研究》白皮书中，国家工业信息安全发展研究中心梳理了AI算力基础设施建设存在的四大问题：国家顶层体系建设和标准体系仍不统一，国产AI芯片等软硬件技术仍受制于国外1.大型智能计算中心面临重复建设和高能耗问题，重建设轻应用导致无法覆盖不同应用场景的需求.以行业定价标准混乱为例，国家工业信息安全发展研究中心副总工程师、信息政策研究所所长黄鹏指出，两个功能相似、功能相近的智能计算中心建设投资尺度相差超过6倍。从AI算力建设成本来看，可分为厂房等基础设施、服务器、计算芯片等设备和产品、后期运维成本、电费等。在基础设施、电力、人员等成本方面，东西方可能存在差异，但差异不超过6倍。这也说明，我国智能算力发展还处于初级阶段，尚未形成标准化模式。黄鹏认为，智能计算中心的建设可以参考中科院人工智能产学研创新联盟推出的算力价格标准方案——综合存储、能耗等一系列因素、开发、定制、数据调度代入清晰的算法标准。最后得出结论，同时具备5P双精度算力（64位）、25P单精度算力（32位）和100P半精度算力（16位），基础设施价格智能计算中心约1亿~1.5亿元。黄鹏建议，地方政府在建设人工智能算力平台之前，要进行充分的研究和论证，避免“低水平重复建设”和“与当地发展需求不匹配”。如果通过充分的研究和论证能够避免“概念混淆”、“价格混淆”、“重建设轻应用”等问题，AI算力建设中的一些深层次问题仍需努力解决。整个产业链，如人工智能软件和硬件。技术受制于国外，大型AI计算中心能耗过高成本过高等。在企业层面，要积极探索人工智能技术研发和模式创新，特别是要加大人工智能芯片等核心技术的自主研发，协同上下游，提高产业链凝聚力和生态相容性。产业链，同时加强算法、框架、模型等研发。软件平台和应用的研发，将??技术开发掌握在自己手中。不可否认，一个国家的计算能力规模越大，经济发展水平就越高。世界各国的算力规模与经济发展水平呈现出显着的正相关关系。随着万物智能连接时代的到来和AI智慧场景的落地，将产生难以想象的海量数据。这些数据将进一步刺激对AI算力的需求。《2022-2023 中国人工智能计算力发展评估报告》显示，2022年中国人工智能行业应用渗透率排名前五的行业分别为互联网、金融、政府、电信和制造。与2021年相比，AI在行业中的渗透率大幅提升。其中，互联网行业仍是人工智能应用渗透率和投入最高的行业；人工智能在金融行业的渗透率将从2021年的55%提高到62%，智能客服、实体机器人、智能网点、云互联网网点都将成为人工智能。智能化在金融行业的应用很典型；人工智能在电信行业的渗透率将从2021年的45%提高到51%，人工智能技术将融入电信网络建设和优化，为下一代智能网络建设提供支撑；人工智能的渗透率从40%提高到45%。预计到2023年底，中国制造业供应链将有50%采用人工智能。随着新技术和应用场景的使用和开发不断增多，也为AI算力的发展带来了源源不断的动力。一是云AI模式向规模化方向发展，算力基础设施建设成为竞争的关键要素。谷歌在2019年推出的BERT大型模型有3.4亿个参数，使用64个TPU，训练到目标精度需要15,000美元。2020年OpenAI推出的GPT-3大模型参数1750亿，训练成本达到1200万美元。2021年微软和英伟达用4480块GPU训练了5300亿参数的MT-NLG大模型，训练成本高达8500万美元。二是边缘AI算力需求快速增长。云游戏、自动驾驶等新兴应用场景对数据传输的速度和量级提出了更高的要求。在终端与云之间部署边缘终端，形成“云-边缘-端”的通信架构，成为未来技术发展的主要重点。方向。日益增长的边缘计算需求将有效推动AI算力的发展。三是智能网联汽车对AI算力的需求增加。自动驾驶汽车普及率不断提高，汽车驾驶控制系统正朝着“感知-识别-交互”等智能化方向发展。因此，智能驾驶AI模型在汽车从L1/L2辅助驾驶阶段向L3/L4自动驾驶阶段的转型中发挥着重要作用，最终实现“智能决策、实时控制”的功能”。随着需要训练的各类驾驶数据量的增加，以及开发智能驾驶AI模型的需求，未来对AI算力的需求将大幅增加。第四，虚拟现实世界的构建需要AI算力的支持。人工智能技术为虚拟现实世界提供建模自动化、智能交互方式等智能赋能，有望提升VR内容的生产效率和用户的沉浸式体验。VR内容提供商对快速创建虚拟场景、提升用户感官体验的追求，刺激了他们对AI算力的需求。结束语新一轮算力革命正在加速进行。算力作为一种新的生产力，仍然面临诸多挑战。要落实中心化算力的普惠功能，真正发挥“电”和“油”的作用。毕竟，“能用、用得起、用得好”的算力资源，才是真正变革生产力的基础设施。
