視覺中國。
文字：元宇宙的新聲音，作者：賈桂鵬。今年的春節，我們見證了SORA的驚豔表現。 目前的大型模型已經進入了乙個新的發展階段。 從技術到具體應用場景，生成式人工智慧正在更多領域釋放出驚人的潛力。
根據麥肯錫的乙份報告，生成式人工智慧每年將為全球經濟增加4.4%價值4萬億美元。 生成式 AI 可自動執行 60% 到 70% 的員工時間，以提高生產力。 從2030年到2060年，將近一半的工作崗位將是智慧型的。
但不可否認的是，隨著AI的不斷發展，其對算力的需求將持續增加，這也讓整個行業處於“焦慮”之中。
目前，以大模型為主導的生成式AI，尤其是GPT-4的發布，讓人類社會看到了通用人工智慧時代的曙光。 這意味著人工智慧技術作為生產力工具，甚至是數字時代的“新基建”，不再侷限於單一或侷限的場景，而是可以在許多領域像人類一樣思考和解決問題，並進行持續快速的自我進化。
隨著生成式人工智慧的爆炸式增長，對企業和個人的價值帶來了許多新的機遇和優勢：
創意內容生成：生成式 AI 可以幫助企業和個人快速生成創意內容，包括文字、影象、音訊等。 這些內容可用於廣告營銷、品牌推廣、內容創作等，為企業和個人節省時間和成本，提高創作的效率和質量。
個性化服務與體驗：生成式人工智慧可以根據使用者的個人需求和偏好生成定製的服務和體驗。 企業可以利用生成式 AI 技術提供個性化的產品推薦、定製服務等，以提高使用者滿意度和忠誠度。
創新與產品開發：生成式人工智慧可以幫助企業和個人快速產生新的想法和概念，促進產品和服務的創新和開發。 借助生成式人工智慧技術，可以快速驗證和探索想法和可能性，從而為創新開闢更多可能性。
資料增強和擴充套件：生成式人工智慧可以幫助企業和個人生成大量合成資料，用於資料增強和擴充套件。 這些合成資料可用於模型訓練、資料標註、測試和驗證，以提高模型的效能和泛化能力。
個人創作和娛樂：對於個人來說，生成式人工智慧可以成為創作和娛樂的強大工具。 通過生成式AI技術，個人可以快速生成各種藝術作品、創意內容和娛樂產品，拓展自己創作和娛樂的邊界。
然而，值得注意的是，生成式人工智慧通常對計算能力有很高的要求，尤其是在訓練大型模型和處理大量資料時。 由於生成式 AI 模型通常具有複雜的結構和大量引數，因此它們需要大量的計算資源來進行訓練和推理。 隨著生成式人工智慧技術的不斷演進和應用，對算力的需求將不斷增加，需要更多的計算資源來支援它。
隨著AI技術的飛速發展，越來越多的人開始關注AI算力。 AI算力問題是指處理複雜的AI模型和演算法需要大量的計算資源，進而消耗大量的時間和精力。
以下是生成式人工智慧計算能力要求的一些方面：
模型訓練：訓練生成式 AI 模型是乙個非常計算密集型的過程。 這些模型通常由數百萬甚至數十億個引數組成，需要在大規模資料集上進行多輪迭代訓練。 由於在訓練過程中需要執行大量的計算密集型操作，例如矩陣運算和梯度計算，因此需要強大的計算資源來加速訓練過程。
例如，ChatGPT的訓練引數已經達到1750億，訓練資料為45TB，每天產生45億字的內容，其算力至少需要數萬個NVIDIA GPU A100，單個模型訓練的成本超過1200萬美元。
推理和生成：一旦生成式AI模型被訓練出來，推理和生成過程也需要大量的計算資源。 在推理過程中，模型需要根據輸入資料生成相應的輸出，這涉及複雜的矩陣運算和神經網路計算，因此需要強大的計算能力來保證推理速度和生成質量。
建立衝突單Token的推理過程整體算力為2個大模型引數，因此大模型推理端的每日算力需求=每天對大模型的呼叫次數，平均每人查詢Token數2個大模型的引數數， 以谷歌搜尋引擎為例，每年的呼叫量至少超過2萬億次，一旦與大模型相結合，其AI算力需求將非常可觀。
模型優化與調整：生成式 AI 模型的優化和調整也需要大量的計算資源。 模型訓練完成後，通常需要對模型進行調優、微調和優化，以進一步提高模型的效能和生成質量。 這些過程還需要大量的計算資源。
大規模資料處理：生成式 AI 模型通常需要對大規模資料集進行訓練和推理，因此它們需要強大的計算資源來處理和管理這些資料。 這包括資料儲存、讀取、預處理和其他過程，這些過程需要高效的計算資源來支援。
因此，我們看到，隨著AI技術的發展和應用場景的擴充套件，對算力的需求正在增加。 AI模型訓練和推理需要大量的計算資源，尤其是深度學習模型等複雜模型，需要更多的計算能力來訓練和執行。
隨著這一趨勢的加深，半導體行業的收入呈指數級增長。 Gartner 預計，人工智慧半導體收入將在 ** 期間繼續以兩位數增長，到 2024 年將增長 25%6%，達到 671 億美元（約 4884 億美元）88億元），預計到2027年，AI晶元營收將超過2023年的市場規模，達到1194億美元（目前約8692美元）。人民幣32億元）。
因此，面對AI對算力的需求和算力市場的發展，算力行業也有一些應對措施：
提高硬體效能和效率：算力行業應持續提公升CPU、GPU和TPU等硬體裝置的效能和效率，以滿足AI技術對算力日益增長的需求。 同時，還可以通過優化硬體設計和製造工藝，提高計算裝置的能效比，降低能耗成本。
推動計算技術創新：計算行業應繼續推動計算技術創新，包括演算法優化、平行計算、分布式計算等。 通過不斷創新和技術改進，我們可以提高計算裝置的效能和效率，降低計算成本，滿足AI技術的需求。
擴充套件雲計算服務：算力行業可以通過擴充套件雲計算服務，為企業和個人提供靈活的算力資源，滿足不同場景的算力需求。 通過提供雲計算服務，實現資源的靈活配置和共享利用，提高計算資源的利用率和效率。
加強行業合作與共享：算力行業可以加強與企業、研究機構等相關領域的合作與共享，共同推動計算技術的發展和應用。 通過合作共享，可以更好地利用各方資源，提高計算行業的整體競爭力和服務水平。
綜上所述，隨著AI技術的發展和應用，對算力的需求將持續增加，計算行業應通過提公升硬體效能和效率、推動技術創新、拓展雲計算服務、加強行業合作共享等方式應對這一趨勢，從而實現行業的可持續發展和進步。
我國算力產業規模快速增長，近五年平均增速超過30%，位居全球第二。 各地根據自身資源稟賦和產業優勢的特點，制定了加快算力產業布局發展的規劃。
一方面，加快渠道開放，促進資料快速進出，先後建成國家網際網絡骨幹直連點、國際網際網絡資料專用通道、根伺服器映象節點和國家頂級網域名稱節點，加快建設國家“資料東部、西部計算”南線主幹道。 另一方面，通過算力超市和算力排程平台的建設，組織算力提供者、需求方和上下游企業進入對接。
相關資料顯示，截至目前，全國在用資料中心機架總規模已超過760萬個標準機架，算力總規模達到1個97萬億PB級浮點運算（197EFLOPS），位居全球第二，全球首創伺服器、計算機、智慧型手機等計算產品產量，圍繞計算樞紐節點建設130條幹線光纜，算力應用廣泛應用於政務、工業、交通、醫療等領域，不斷催生新技術， 新模式、新業態、算力賦能千行百業深度推進，成為傳統產業轉型公升級的重要支點，為經濟高質量發展注入強勁動力。
當前，數字經濟作為一種新型經濟形態，正在成為重組全球要素資源、重塑全球經濟結構、重構全球競爭格局的關鍵力量。 當前，我國算力產業初具規模，並正在加速向政務、工業、交通、醫療等領域拓展和深化，推動網際網絡、大資料、人工智慧與實體經濟深度融合，持續賦能千行百業。