AI普惠化、基建化！中國AI產業的變與不變

數字經濟時代下，AI人工智能顯然已經成為產業數字化轉型“樞紐”。從語音識別到人臉識別，從自動駕駛到精準醫療……近年來，人工智能的發展為人們所熟知，而這背后都有賴于算力的支持。

算力，就是計算的能力。兩位數乘法，有的人需要幾分鐘，而有的人只需要十幾秒甚至幾秒，那么顯然后者的算力強。

算力越強、算法越優，人工智能就越牛。但是AI人工智能是一個算力大戶,尤其"吃"算力。算力已經成為繼熱力、電力之后新的關鍵生產力。

近日IDC與浪潮信息聯合發布《2022-2023 中國人工智能計算力發展評估報告》（以下簡稱《報告》）。這是IDC連續第五年發布全球計算力指數評估報告。

那么今年，產業發展趨勢如何？中國人工智能計算力行業應用如何？在地域、行業應用等方面有什么不同表現？智能算力的技術架構及市場發展又有什么樣的新趨勢？會后雷峰網(公眾號：雷峰網)和相關媒體與浪潮信息副總裁劉軍、IDC中國副總裁周震剛進行了深入的交流。

中國AI產業的變與不變

今年已經是IDC研究中國AI發展水平的第五個年頭，五年來，AI產業有不變的，有變化的。周震剛表示：“AI產業不變的是國家產業政策的支持和投入以及用戶對AI技術領域的熱衷；顯著變化的是，AI越來越普惠化、基建化。”

IDC數據顯示，2022年中國人工智能市場相關支出達到130億美元，有望在2026年達到267億美元，2022至2026年年復合增長率達20%。

AI雖然作為數字經濟的重要驅動力蓬勃發展，但是數據顯示，當前AI在全行業整體滲透度不斷提升。這背后需要強大的智能算力的支持，抬高了AI研究和應用的門檻。

人工智能的發展需要巨大的算力支撐。業界普遍認為在AI算力發展方面存在著標準規范不一致、軟件調度能力弱、算力分配不均勻等痛點，分布在場景化落地過程的方方面面。

而人工智能計算中心提供的高性價比的、安全、普惠的算力資源，可大幅縮減各類組織的算力成本，緩解甚至徹底解決算力瓶頸問題。目前，國家大力推動新基建和數字經濟，加上持續的利好政策，現在，國家8地啟動建設國家算力樞紐節點，并規劃了10個國家數據中心集群，協調區域平衡化發展，推進集約化、綠色節能、安全穩定的算力基礎設施的建設。

一方面有國家政策、新基建、數字經濟等對AI的推動，另一方面行業自身的熱度，都讓中國人工智能計算力快速發展。

《2022-2023 中國人工智能計算力發展評估報告》指出，中國人工智能計算力繼續保持快速增長，2022年智能算力規模達到268百億億次/秒(EFLOPS)，超過通用算力規模。預計到2026年中國智能算力規模將達到1271.4EFLOPS，未來五年復合增長率達52.3%，同期通用算力規模的復合增長率為18.5%。

 

據周震剛介紹，這一年，AI整體規模不僅發生變化，從底層的芯片到服務器系統、算法架構、云服務應用以及整個生態都發生了很大的變化。

從人工智能芯片角度來看，芯片市場變得越來越重要。預計到2025年人工智能芯片市場規模將達726億美元。人工智能逐漸從核心向邊緣擴展，人工智能芯片的搭載率以及搭載密度也會不斷上升。從類型來看，中國仍然是GPU為主的市場，市場占有率近90%。另一方面，從供應鏈來看，由于政策及疫情原因，芯片從國際采購轉向本地的采購、本地研發成為一個重要的趨勢，國產的GPU和NPU的廠商有了新的發展空間，增長快速。

AI服務器是人工智能市場增長的主力軍。其實從整體服務器市場來看，整體服務器市場基本上跟去年持平，不是很景氣。但人工智能服務器的增長速度仍然是兩位數，增長喜人。從全球來看，中國和美國在人工智能服務器上面的投入遠遠高于其他國家，這兩個國家各自的投入均高于其他國家的總和。從服務器廠商角度來看，浪潮仍然占據中國AI服務器市場超過一半的供應量。

從系統算法架構的角度，異構計算越來越普遍，異構計算時代，企業計算系統節點規模快速增長，系統中數據搬運的成本開銷已經成為不可忽略的問題，計算節點內以及節點間的互聯技術已經成為現有計算架構的關鍵瓶頸。如何充分調動起多芯片、多板卡、多節點的系統級能力，實現CPU同各種加速單元以及跨節點系統的高效協同以提升計算性能，受到業內的廣泛關注。

異構計算成為主流趨勢，未來18個月全球人工智能服務器GPU、ASIC和FPGA的搭載率均會上升,算力多元化發展趨勢明顯。

 

計算體系架構的黃金時代

這個時代是計算體系架構的黃金時代。

當問及為什么GPU在中國市場占有率很高，達到90%？

劉軍回答道：“GPU占比比較高，實際上主要來源于在過去十幾年在軟件生態上面的投入，使得GPU生產效率、生產力工具方面，競爭力非常強，形成了全球一體的開發社區，支撐了整個人工智能產業。同時這又為后來者在芯片創新上提供了很好的經驗，比如如何培養自己的軟件、支撐開發者、社區和產業融合。”

 

從整個計算體系架構來說，GPU實際上在加速計算，因為AI需要非常強大的訓練計算性能，以及非常高能效比的推理計算性能，而GPU的技術創新是最活躍的。這些技術創新都發生在AI計算領域，AI是這些技術創新的試驗田，例如內存計算、量子計算。

換一個角度來看，中國做AI芯片的有將近一百多家公司，不僅是GPU出于供應鏈的角度看芯片，未來幾年，中國的人工智能芯片會更加豐富多樣化。

人工智能給了計算架構創新一個非常肥沃的土壤，滋養了整個計算體系架構的創新和繁榮。

根據《報告》顯示，中國人工智能服務器在邊緣端和推理端增速非常快。從2020年開始，人工智能服務器推理端的量已經超過了訓練端。

周震剛表示，因為現在越來越多的人工智能應用需要實時的本地化處理，在邊緣側做推理應用的機會就多了起來，例如工業行業當中的一些質量監測、監測視頻的分析，就需要在端側完成，不然預警處理不及時。

在劉軍看來，邊緣端人工智能服務器快速增長也說明中國的人工智能應用推進速度很快，越來越多的行業和場景把人工智能當作生產力提升的手段，在業務全鏈條中做了應用和部署。從整個業務全流程來看，一定會有很多邊緣端的數據的采集、數據的處理。另一方面，邊和云相輔相成，更多的邊緣會催生更大的云端需求來處理來源于邊和端的數據。邊緣端的增長也更加有利于推動云端需求的發展。

 

產業AI化的趨勢愈加顯著

據《報告》所述，2022年中國人工智能行業應用滲透度排名前五的行業依次為互聯網、金融、政府、電信和制造。與21年相比，行業AI滲透度明顯提升。

周震剛表示，一方面金融、電信有比較大的增長，未來實際上是智能制造、智慧醫療，都是新的可發展方向，例如在智能制造方面，設備管理、預檢測、維修預測、質量監控等等在制造業越來越普遍的應用。同時我們也看到人工智能也更多的參與到科研里面去，通過人工智能去處理科研的大數據模型分析。

特別要強調的是，人工智能在互聯網應用，仍舊遠遠超過其他行業。雖然去年互聯網行業投資有所放緩，但是相應的人工智能方面，甚至客戶有可能到其他行業的，比如數字人、NLP、智能創作等，都是互聯網行業發展的。以及現在的大模型的落地，都是互聯網通過大數據來訓練產生。

從場景應用維度看，智能化場景在行業的落地隨著時間的推移，正呈現出更加深入、更加廣泛的趨勢。目前人工智能在智慧科研、智能制造、自動駕駛、AIGC、智慧醫療、智慧電信、智慧能源、智慧交通、生物識別等場景均有應用。

 

 

談及AI在產業落地方面，劉軍表示：“AI是一個基礎性的技能，和產業本身的結合需要一個過程，很難明顯的看到顛覆性的對產業的改變。現在非常顯著的變化是AI產業化，把AI的能力、AI的技能變成一個產品、變成一個產業，能夠去創造一個新的產業出來，這個變化是非常大的。如果把AI市場看作一個冰山模型的話，我們看到的只是浮出水面的10%，而水下的90%還需要和產業進行深度的融合，也就是產業的AI化。”

但是要看到冰山下面90%，需要跨越的鴻溝是巨大的。因為技術發展非常快，一日千里。但是擁有這種技能的人和企業，少之又少。這樣就造成一個結果，頂尖的技術能力走的很快，但是產業的絕大多數，不具備這樣的能力，這個鴻溝很難跨越的。

周震剛認為，要跨越產業能力跟不上AI技術發展這一難題，最重要的是讓AI普惠化、基建化，讓整個產業鏈從上游到下游都還能夠更加容易應用到AI技術。例如通過規劃智算中心，讓一些AI初創企業可以更容易的獲取到AI的算力，支持他們的創新，讓更多中小企業能用到AI平臺、AI的算力。另一方面就是訓練大模型，把AI最前沿的能力變的更加普適化。

深度學習技術興起的近10年間，AI模型基本上是針對特定應用場景需求進行訓練的小模型。這種作坊式開發對資源、成本造成較大消耗，且效率低下。而AI大模型具備很好的泛化能力，可以打造出具有通用性質的人工智能，一個模型可以支撐各類不同應用，有效緩解碎片化開發反復建模的困境。比如浪潮“源1.0”大模型開放的API、開源的應用代碼等，使開發者無需關心底層技術，設置無需配置編程環境，就可以直接將應用構建于AI大模型的能力之上，在降低開發門檻的同時，讓開發人員能夠將更多的精力聚焦核心業務邏輯。

大模型是加速AI產業化的一劑良藥。

據劉軍介紹，浪潮一直倡導元腦生態的理念。有的伙伴具備非常強的AI能力，我們稱之為左手伙伴；能夠覆蓋千行百業的SV、SI伙伴，稱之為右手伙伴。因為浪潮有算力平臺、算法平臺、資源平臺，所以通過平臺的方式，把生態伙伴牽到一起，“左手”拉“右手”一起實現頂尖的AI創新能力，從而推動AI能力廣泛的落地，形成商業閉環。

1943年，IBM董事長托馬斯·沃森曾預言：“我想，5臺主機足以滿足整個世界市場。”今天我們恨不得一個人好多臺計算設備。劉軍說，計算產業就是這樣，只有擁有更大的算力、更大的模型、更大的可想象的方法的時候，才會做到更多以前做不到的事情，所以隨著計算能力的發展未來AI一定更加普惠化。

劉軍告訴雷峰網，不要給技術設限，按照十年一個窗口期。我們今天可能耗資巨大所打造的大模型智能的計算力，到了未來可能也是一個普通的機器。今天只有極少數大公司才能擁有的算力，在10年后我們每個人都能擁有，每個人都能擁有自己的一個大模型，作為專有智能助手。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。