人工智能推动计算走向智能计算

在近日举行的2021人工智能计算大会上，IDC与Inspur Information联合发布的《2021—2022中国人工智能计算力发展评估报告》显示，与2020年相比，人工智能在金融、制造、能源、公用事业、交通等行业的推动作用尤为显著。同时，以智能计算中心为代表的算力基础设施，通过提供公共算力、数据和算法服务，使算力服务易于使用，解决了算力服务的供给问题。

“四年来，我们发现人工智能的计算能力越来越受到重视，在这方面的应用也越来越成熟。无论是芯片的多样化，还是人工智能服务器的计算能力和运算量，都比四年前有了很大的提升。”IDC企业研究助理副总裁周振刚在接受经济日报采访时表示。

周振刚表示，与去年相比，人工智能在各行业的渗透率不断提升，尤其是互联网行业和金融行业。此外，人工智能在制造业、交通运输业和能源行业的应用也更深。

据了解，全球已有60多个国家和地区发布了人工智能政策，发布了国家人工智能战略。IDC预测，2021年全球企业对人工智能软件、硬件和服务的总投资将超过850亿美元，预计2025年将增至2045亿美元，5年复合增长率为24.5%。

但中国工程院院士、Inspur首席科学家王恩东认为，人工智能也带来了计算能力需求的指数级增长，计算产业正面临多元化、巨量化、生态离散化的趋势和挑战。一方面，多样化的智能场景需要多样化的计算能力，计算能力成为人工智能持续发展的重中之重；另一方面，从芯片到算力的转化还存在巨大差距，多重算力的价值还没有完全释放。如何快速完成从多芯片到计算系统的创新，成为推动人工智能产业发展的关键环节。

人工智能产业化对计算能力的需求激增。Inspur Information副总裁刘军表示，算法模型的开发将更加复杂，庞大的模型将是大规模创新的基础。“元1.0”等庞大模型的出现，使得构建大模型，提高人工智能的处理性能成为发展趋势。

目前全球知名的人工智能公司都在巨量模型上投入巨资，谷歌、微软、英伟达、Inspur、致远人工智能研究院、百度、阿里等公司都相继推出了自己的巨量模型。“宏量化的一个核心特点是模型参数多，训练数据量大。”以Inspur人工智能研究院开发的庞大中国人工智能模型元1.0为例，据说元1.0的数量高达2457亿，训练数据集规模达到5000GB。“我们对计算能力的追求没有极限。”刘军说。

人工智能芯片正呈现多元化发展趋势，芯片的多元化为加速人工智能产业化提供了重要的产业基础和更丰富的选择。然而，芯片的制造和大规模使用之间仍然存在巨大的产业差距。以一台人工智能服务器的开发为例，整个系统需要经历30多个开发流程，使用150多个制造工艺，对280多个关键工艺控制点的质量进行严格控制，并与算法框架和人工智能的应用实现优化适配。

“要释放多元计算力的价值，推动人工智能创新，首先要重视智能计算系统的创新，加大人工智能新基础设施建设，设计从技术到应用、再到形态的链条

中国人工智能基础设施市场保持高速增长，中国服务器厂商已成为全球服务器市场的中坚力量。IDC预测，2021年人工智能加速服务器市场规模将达到56.9亿美元，较2020年增长61.6%，到2025年，中国人工智能加速服务器市场规模将达到108.6亿美元。

中国明确提出在全国布局计算力网络国家枢纽节点，同时积极推进智能计算中心建设，努力构建通用、包容、安全、可靠的现代基础设施体系和生态。智能计算中心已被越来越多的地方政府视为支撑和引领数字经济、智能产业、智慧城市和智慧社会发展的关键信息基础设施，为计算力、数据、生态和产业发展提供平台支撑。