日前，國資委召開的AI人工智慧專項推介會全網熱播，受到業界廣泛關注。
會議要求，企業要主動擁抱人工智慧帶來的深刻變革，把加快新一代人工智慧發展擺在更加突出的位置。 會議強調，“要夯實發展基礎，將主要資源集中在最需要和最具優勢的領域，加快建設一批智慧型計算中心”; “強化需求牽引，加快賦能重點產業，構建一批產業多模態優質資料集，打造從基礎設施、演算法工具、智慧型平台到解決方案的大模型賦能產業生態。”
會上，10家**企業簽署了乙份提案，表示將主動向社會開放人工智慧應用場景。 作為國民經濟的重要支柱，中央企業在人工智慧領域的布局和發展備受關注。 央企加速部署人工智慧，將給相關行業帶來新的發展機遇，也體現出國家對人工智慧的高度重視和大勢所趨。
隨著全球人工智慧技術的快速發展，智慧型算力已成為推動經濟增長和社會進步的關鍵要素。 作為全球最大的經濟體之一，中國正在積極應對這一技術變革，加強智慧型算力的研發和應用，以增強國家的競爭力。
在深入了解中國在智慧型計算市場的布局之前，我們先來了解一下什麼是“智慧型算力”？ 我們在日常生活中什麼時候接觸到智慧型算力？
什麼是智慧型算力？
根據《中國算力***2022》的定義，算力主要分為四部分：通用算力、智慧型算力、超算算力、邊緣算力。 一般算力主要基於CPU晶元輸出的算力; 智慧型算力主要基於GPU、FPGA、AI晶元等輸出的人工智慧算力; 超級算力主要基於超級計算機輸出的算力; 邊緣算力主要基於為使用者提供就近的實時計算能力，是前三者的結合。
從概念上看，可能看起來有點遙遠，但實際上，智慧型算力已經滲透到我們生活的方方面面。 如果說春節檔電影中的特效、渲染和人臉識別，或者是我們日常使用的智慧型客服、語音翻譯等應用，這些都離不開智慧型算力的支撐。
如果說人工智慧是創新的加速器，那麼智慧型計算中心就可以為各種技術創新提供支撐。
由於大模型導致的算力缺口，中國需要多少智慧型算力？
2023年，多款大型模型產品將發布，基於大模型的AIGC技術在文字生成、知識解答、影象生成、邏輯推理等方面都表現出遠超預期的表現，吸引了大量使用者和市場關注。
據不完全統計，截至2023年10月，我國大型模式創新實體254家，分布在20多個省市和地區，其中北京122家，居全國第一。 截至2024年1月，已備案上市大型車型38款，佔全國近半壁江山。 發布 Wenxin Yiyan 40、使用者規模突破1億，日均通話量達到1000萬; 智普AI研發了最先進的基礎模型GLM4，開源版本全球突破1000萬次，是目前國內開源影響力最高的大模型; 百川智慧型發布實現全球最長上下文視窗的大模型百川2，開源版本在短短4個月內全球突破600萬次; 中科院自動化研究所發布全球首款千億引數多模態大模型紫東太初2號0。在深度學習框架方面，PaddlePaddle的受歡迎程度和使用率均在國內第一梯隊，國內市場份額近36%，截至2023年12月底，已聚集了1070萬開發者，服務於2350,000家企事業單位。
在實際應用中，利用AI技術自動生成內容的製作方式所創造的“數字人”效果，可與真人相媲美。 人工智慧**蛋白質結構為基礎研究帶來新的研究方法; 人工智慧驅動的聊天機械人能夠學習和理解人類語言並與人類進行對話; 華為雲開發的盤古氣象模型......預測颱風路徑和登陸時間
看得見的AIGC蓬勃發展的背後，是看不見的智慧型算力的支撐。 大模型的爆發掀起了新一輪的AI熱潮，也改變了智慧型算力的需求和格局。
工業和資訊化部、國家網際網絡資訊辦公室、教育部、國家衛生健康委、中國人民銀行、國資委聯合印發的《計算基礎設施高質量發展行動方案》提出，到2025年，我國算力將超過300eflops， 而智慧型算力將佔比35%。
在這一點上，有些人可能會問：什麼是FLOPS？ 300eflops是什麼級別？
FLOPS是計算能力的單位，用於衡量計算資源每秒的浮點運算次數，是每秒浮點運算的英文縮寫。 它通常用於估計計算機的效能，尤其是在科學計算領域，其中使用了大量的浮點運算，例如機器視覺相關影象處理的訓練和推理。
flops 前面有乙個字母，表示更大的雜湊算力單位：
1 mflops （megaflops） 等於每秒 100 萬 （= 10 6） 次浮點運算。
1 GFLOPS （GIGAFLOPS） 等於每秒 10 億 （= 10 9） 次浮點運算。
1 tflops （teraflops） 等於每秒一萬億 （= 10， 12） 次浮點運算。
1 pflops （petaflops） 等於每秒 1 萬億 （=10 15） 浮點運算。
1 eflops （exaflops） 等於每秒 100 億次 （= 10， 18） 次浮點運算。
下面舉幾個例子，方便理解：在訓練乙個有大量資料樣本的AI模型時，根據資料規模、檢測效果和模型型別，一次訓練所需的算力從2到19 pflos不等。 在人臉和語言識別的推理過程中，根據識別精度和併發次數的不同，對算力的需求可能在10 GFLOPS到64 TFLOPS之間，智慧型駕駛完成環境感知、決策和避障、自駕定位等功能的算力需求約為8 TFLOPS。
截至2023年6月底，我國在用資料中心機架總規模超過760萬個標準機架，算力總規模達到197eflops，位居全球第二。
在大模型需求的帶動下，智慧型計算中心專案如雨後春筍般湧現。
30多個城市爭相建設智慧型計算中心
隨著下游算力需求的集中爆發和“東數西算”的推進，各級******、運營商、網際網絡企業紛紛啟動智慧型計算中心建設規劃。 根據國家資訊中心與相關部門聯合印發的《智慧型計算中心創新發展指南》，目前全國有30多個城市正在建設或擬建智慧型計算中心，包括京津冀大資料智慧型計算中心、長沙5A級智慧型計算中心。
智慧型計算中心建設的主要企業包括三大電信運營商和部分網際網絡企業。 運營商推動的智慧型計算中心具有一定的公共服務屬性，成為全球領先的計算基礎設施建設的良好補充。 以阿里巴巴、騰訊為代表的網際網絡公司也紛紛搭建智慧型計算中心，以推動自身業務發展，更好地推動客戶人工智慧場景的落地。
截至2023年8月，中國已投產或在建的智慧型計算中心分布在北京、上海、南京、杭州等城市。 從區域分布來看，我國智慧型計算中心集中在東部和中部地區。 其中，東部地區智慧型計算中心數量達到25個，佔62個5%，排名第一，主要集中在京津冀和長三角地區; 中部地區佔17個5%，排名第二; 西部和東北地區智慧型計算中心數量佔12個5% 和 75%。
值得注意的是，北京是智慧型計算中心的主要地區之一。 北京已在海淀、朝陽、景開區、石景山、門頭溝、大興、豐台等地布局了智慧型計算中心，已建成總規模約5000p的智慧型算力。
近日，石景山區北中科技文化產業園的四跨廠房已啟動熱改造施工，初期建成後將具備610p算力，相當於30萬台高效能計算機的算力，為乙個人工智慧模型在30秒內完成近1000萬的學習和識別**， 預計今年10月完工。
年初，行動頻繁
新年伊始，各大運營商紛紛採取積極行動，加強在智慧型計算中心領域的布局。
1月8日，中國移動智慧型計算中心（武漢）在武漢未來科技城投入運營，服務能力為1500 pflops，並計畫到今年年底擴容至6800 pflops，成為華中地區最大的智慧型計算中心。
1月22日，上海電信在上海點亮了“大規模計算集群與人工智慧公共計算服務平台”，計畫2024年上半年在上海打造15000張卡，總算力超過4500p，其中單個池將打造10000張卡的國內新算力， 有望成為國內首個超大規模算力液冷集群。
1月30日，中國聯通人工智慧創新中心落成典禮在北京舉行。 值得注意的是，2023年11月24日，中國聯通長三角（蕪湖）智慧型計算中心專案正式開工。
可以看出，中國電信、中國移動、中國聯通三大電信運營商正聚焦“東部資料、西部計算”資料中心集群建設，全力推進各自相關專案，加快建設國家算力中心城市和智慧型計算中心，推動數字經濟與實體經濟深度融合。
AI伺服器是智慧型計算中心建設中最關鍵的裝置
AI伺服器是智慧型計算中心建設中規模最大、最關鍵的裝置。
市場研究機構IDC最新報告顯示，從2022年上半年到2023年上半年，中國AI伺服器市場規模增長了54%，其中GPU伺服器仍佔主導地位，佔市場份額的92%，達到30億美元。 同時，NPU、ASIC、FPGA等非GPU加速伺服器以17%的同比增長率佔據了8%的市場份額，達到2億美元。
2023年上半年，從廠商銷量來看，浪潮和新華。
3、寧昌躋身前三，佔據70%以上的市場份額; 從伺服器出貨量來看，浪潮、鯤乾、寧昌位列前三，市場份額近60%。
AI 伺服器依賴於高效能晶元。 中國市場面臨的算力缺口，為國內晶元發展帶來了新的機遇。 中國本土AI晶元廠商正處於快速成長階段，並取得了令人矚目的成績，吸引了大量的投資和關注。 這些公司在AI晶元設計、演算法優化、製造等方面具有一定的實力和競爭優勢。 此外，中國的政策支援也起到了推動作用。 2023年上半年，中國加速晶元市場規模將突破50萬顆。 從技術角度來看，GPU卡佔據了90%的市場份額; 從品牌角度來看，中國本土AI晶元品牌出貨量超過5萬片，約佔整個市場的10%。
從國內AI伺服器所需AI加速晶元的領先廠商來看，阿里巴巴（含光系列）、（崑崙萬維系列）、華為（昇騰系列）等國內雲服務商都有自主研發的雲AI加速晶元。 還有寒武紀（思源系列）、海光資訊（深度計算系列）、隨源科技、甜田智信、畢謙科技、摩爾執行緒、木溪等。 此外，京家衛和龍芯中科也在開發雲AI加速晶元。
從2023年上半年的資料來看，我國AI伺服器晶元國產化率較去年有所下降，佔比從去年的15%左右下降到10%左右。 這主要是由於高階訓練伺服器需求大幅增加，而國產晶元的效能難以跟上。
為了進一步提公升國產AI伺服器的效能，不僅需要晶元廠商在技術上不斷創新，提高晶元的效能和穩定性，更需要這些晶元廠商深入了解市場需求，開發出更符合實際應用場景的晶元產品。 同時，一流企業和科研機構也應加大投入，支援國內晶元產業發展，為其提供更多的研發資源和市場機會。
如何讓智慧型計算中心真正發揮作用？
智慧型計算中心建成後，如何讓它在運營過程中發揮更大的作用，仍然是乙個非常關鍵的問題。
目前，智慧型計算中心已逐步賦能區域產業展，但值得注意的是，在多算力融合、上下游協同、建設應用聯動、能耗、使用等方面仍面臨諸多挑戰。
例如，通用計算能力和專用計算能力尚未整合。 在自動駕駛、智慧醫療、智慧城市等不同場景下，對算力的要求是不同的。 單一算力方案難以滿足多種算力需求，無法兼顧多個行業和領域。
計算能力、演算法和資料協同不足。 在多年建成的智慧型計算中心，不同晶元平台、演算法模型、資料庫、應用層面都處於垂直融合狀態，軟硬體相容性有待提高。
投資、建設和運營需要相互聯絡。 智慧型計算中心的投資、建設和運營往往是不同主體的責任。 前期施工單位往往在施工後運營的模式和服務標準上投入不足，出現頭尾分離現象，施工與運營分離，影響客戶體驗。
高碳排放和高能源消耗。 例如，OpenAI 的超大規模預訓練模型 GPT-3 訓練消耗 190,000 kWh 電力，相當於 2021 年人均用電量的 228 倍。
投資成本和應用將受到監管。 部分智慧型計算中心每100p半精準算力的投資成本高達5億至6億元，遠高於正常市場**，使用成本也很高，比如GPT-3大模型的訓練成本保守估計在1200萬美元以上。
智慧型計算中心建設需要結合建設基礎和地方或區域產業特點，對政策進行分類引導，重構並行化，發展與數字經濟相適應的智慧型計算中心。 還要選擇合理的建設和運營模式，實現長期運營，促進有序布局，保證智慧型計算中心釋放的經濟效益和社會效益最大化。
如今，我國智慧型計算中心產業的發展正在克服10時代的挑戰進入20時代，我國在智慧型計算中心建設中始終堅持算力一體化、軟硬體協同、建設運營一體化、低碳能耗、成本優化、需求牽引、安全可信的原則，穩步推進智慧型計算中心發展。