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》）。報告指出，中國人工智能計算力（以下簡稱智能算力）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。預計未來5年中國智能算力規模的年復合增長率將達52.3%，是同期通用算力增速的3倍。那么這種趨勢的背后隱藏了什么？

由表及里：中國人工智能城市排行榜，智能算力成破題點

眾所周知，隨著新一輪科技革命和產業革命的浪潮席卷而來，特別是人工智能、大數據、等新一代信息技術的應用，人類進入數字經濟時代。與此同時，伴隨數字經濟時代的到來，以AI應用為特征的智慧城市的建設也是如火如荼。

究其原因，德勤在其《AI來臨：重構城市DNA》的報告中認為，AI是一個“城市賦能器”，將從經濟發展及城市功能等多方面深度重構城市的DNA。從城市發展趨勢來看，人工智能將成為關鍵破題點。作為影響面極為廣泛的顛覆性技術，人工智能已快速滲透到城市發展和人們生活的方方面面。對于城市而言，人工智能不僅將成為城市經濟發展的新引擎，同時也是城市建設的新機遇。

為此，《報告》針對不同城市在人工智能投資規模、相關政策支持力度、政策落地情況和實施進展、人工智能技術成熟度，以及勞動供給等維度對中國城市人工智能發展進行綜合評估，給出了2022年中國人工智能城市排行榜。

除了上述因素外，當我們結合《報告》中2021年中國智能算力規模達155.2每秒百億億次浮點運算（EFLOPS），2022年智能算力規模將達到268.0EFLOPS，預計到2026年智能算力規模將進入每秒十萬億億次浮點計算（ZFLOPS）級別，達到1,271.4EFLOPS的事實，作為人工智能基礎設施的智能算力才是破題點。

此外，從增長率看，《報告》預計2021—2026年期間，中國智能算力規模年復合增長率為52.3%，相比之下，同期通用算力規模的年復合增長率僅為18.5%也可以看出，智能算力不僅是現在，更是未來中國人工智能城市能否可持續發展的關鍵。

俗話說：“一花獨放不是春，百花齊放春滿園”。如果說，《報告》中的2022年中國人工智能城市排行榜只是中國人工智能城市，甚至某種程度上是中國人工智能發展的代表或者縮影的話，那么如何將作為破題點的智能算力下沉，加速人工智能的普惠化，才是當下和未來中國人工智能發展的核心。

對此，《報告》指出，除了TOP10城市之外，武漢、長沙等多個城市在自身產業優勢及各種因素推動下，人工智能應用也取得了較大進展。此外，一些城市深耕特定的人工智能應用并取得了明顯成果，成為城市智能化新標簽，如安徽宿州淮海智算中心、浙江青田元宇宙智算中心陸續投建等。

以青田元宇宙智算中心為例，其坐落于浙江省東南部的青田縣，是國內首個元宇宙智算中心，同時也是首個算力、算法、開發平臺一體化的新型元宇宙基礎設施，通過協同創建、高精仿真、實時渲染、智能交互四大作業環節，將為多產業的元宇宙場景提供算力的技術支撐，在實體數字化方面逐步突破多維度和多場景的屏障。

此外，青田元宇宙智算中心以建立國家級產業標桿為目標，匯集1000+生態開發者資源，引導十萬級AI、元宇宙產業精英和科技人才匯集，共同實現元宇宙與邊緣計算戰略落地，同時開展應用創新研究，在娛樂、工業等領域打造相關行業標準。

大勢所趨：智能算力成算力主角，普惠化仍存挑戰

如上述，盡管《報告》中的2022年中國人工智能城市排行榜證明了中國人工智能產業的快速發展以及智能算力作為破題點的重要性，但在業內看來，人工智能要想做到真正的普惠化仍面臨挑戰，最典型的表現就是智能算力力和算法。

眾所周知，自2012年后，驅動AI的底層機器學習技術計算量呈指數級增長，遠超摩爾定律帶來的算力提升速度，對以CPU為主的通用（基礎）算力提出嚴峻考驗，而眾所周知的事實是，目前CPU的物理工藝、核心數已接近極限，但數據量的增長卻不會停止，導致算力必須要不斷提升的矛盾日益突出。

因此，在AI時代下，僅由CPU作算力的提供者已經不能滿足需求，向包括GPU、GPU、FPGA、ASIC等加速芯片異構而成的智能算力的演化成為趨勢，并最終成為數字經濟時代下算力的主角。

而事實是，多元算力從“能用”到“好用”并且為企業創造業務價值，還有比較長的路要走，尤其是以百花齊放的AI算力芯片為核心，打造出一個通用性強、綠色高效、安全可靠的計算系統，對于推動人工智能技術普及應用至關重要。

《報告》認為，一般來講，從芯片到計算系統，需要完成體系結構、信號完整性、散熱、可靠性等大量系統性設計工作，涉及到材料、熱力學、電池技術、流體力學、化學等眾多學科。由于人工智能基礎架構往往是高密度集成的大算力系統，系統功耗、總線速率、電流密度等指標隨業務需求持續攀升，給人工智能計算系統設計帶來嚴峻挑戰。

除了上述因芯片多元化而帶來的人工智能計算系統設計挑戰外，《報告》對于大模型的行業落地和發展情況也進行了分析，認為大模型是智能算力驅動下典型的重大創新，被認為是“通用智能”的雛形，是業內探索實現普惠人工智能的重要途徑之一。

例如2022年，大模型正在成為AIGC領域發展的算法引擎。在大模型的能力加持下，包括以文生圖以及虛擬數字人等AIGC類應用將快速進入到商業化階段，并為元宇宙內容生產帶來巨大的變革。大模型正在讓人工智能技術從五年前的“能聽會看”，走到今天的“能思考、會創作”，未來有望實現“會推理、能決策”的重大進步。

但隨之而來的是，這些大模型訓練的計算和存儲資源開銷之大，對加速計算系統和人工智能軟件棧都有很高的要求，訓練千億、萬億模型動輒需要上千塊加速卡，對大模型的推廣和普惠帶來了很大的挑戰。同時，受限于邊際遞減效應，模型復雜度與精度的進一步提升將會需要更大比例的計算資源開銷，對計算效率問題的顧慮會限制大模型參數規模的持續擴張。

此外，根據《報告》顯示，雖然人工智能應用正在穩步發展，大部分受訪者表示他們已經將人工智能應用在業務中，但一些應用仍處在試驗、評估和測試階段，只有三分之一企業聲稱已達到成熟階段。究其原因，《報告》認為，為人工智能專門構建的IT基礎設施的缺乏往往是人工智能應用無法進一步深入的原因。

化解挑戰：技術創新與智能算力、算法基建化并行

所謂挑戰之下必有機遇，對于上述挑戰，業內和部分企業已經在利用自己的洞見和創新正在或者已經化解，從而將挑戰轉變為新的機遇。

例如針對前述多元算力的挑戰，圖靈獎獲得者John Hennessy和David Patterson2019年共同發表的《計算機架構的新黃金時代》中提出：當摩爾定律不再適用，一種更以硬件為中心的針對特定問題領域定制設計計算機體系架構的方法DSA(Domain-Specific Architectures)會成為主導，這種設計的核心在于針對特定問題或特定領域來定義計算架構。

無獨有偶，《報告》認為，基于DSA（Domain-SpecificArchitectures）思想設計的人工智能芯片，在特定人工智能工作負載上表現出遠超通用芯片的處理能力，大大推動了人工智能芯片的多元化發展，并為產業AI化的加速提供了重要的產業基礎和更加豐富的選擇。

具體到如何落地，與單純的芯片廠商相比，系統廠商由于長期位居服務市場和客戶的最前沿（離市場和用戶最近），最知曉他們的痛點和需求，所以在我們看來，有且只有系統廠商，依靠其系統級的創新能力，有的放矢，真正化解挑戰，最終釋放出智能算力的最大價值，高效率地輸出智能算力，滿足市場和用戶實際的應用場景及業務需求。而《報告》也印證了我們的觀點。

以系統層面的架構創新為例，《報告》稱，在基礎硬件、基礎軟件、核心應用、上層生態間建立起統一的技術路線及標準API接口，將加速器模塊標準化，簡化人工智能基礎架構設計，縮短硬件開發和產業賦能周期，而浪潮信息開放加速人工智能服務器NF5498，支持 UBB v1.0OAM基板，OAM兼容性高、擴展性好，支持多品牌異構加速芯片，已經在眾多客戶場景里面實現了落地，有效支撐國內外多元算力芯片的發展。

而在應對大模型挑戰方面，《報告》認為，在產業實際落地階段，不再追求模型參數和算力的堆砌。業內通過知識蒸餾、模型裁剪、模型壓縮等技術，基于通用大模型生成具備該行業或場景所需特定技能的專業模型，在保留通用大模型的知識、認知推理能力及泛化能力基礎上，實現了針對該領域的技能專業化、模型輕載化和調用標準化。例如浪潮信息發布的四個技能模型——知識增強的對話模型、知識檢索問答模型、中英文翻譯模型、古文理解模型，在繼承“源大模型通用的知識與能力基礎上，面向特定領域的場景進行針對性的技能優化，模型精度和訓練效率均處于業界領先：在十分之一參數量的情況下，即可在相同任務上復現98%的通用大模型效果，推理速度最高提升9倍。

至于為人工智能專門構建的IT基礎設施的缺乏，《報告》認為，智能算力對于提升國家、區域經濟核心競爭力的重要作用已經成為業界共識。而隨著“東數西算”工程的啟動以及智算中心的建設，應從國家層面實現有效的資源結構整合，助力產業結構調整，構建更為健全的算力、算法基礎設施，即智能算力與算法的基建化。

中國速度：引領全球智能算力和應用發展，未來更可期

看現在和未來，人工智能支出已經成為支持企業數字化轉型支出的主力之一。

《報告》預測，全球范圍內，企業在包括軟件、硬件和服務在內的人工智能 (AI) 市場的技術投資從2019年的612億美元增長至2021年的924億美元，預計將在2022年（同比）增長26.6%至1,170億美元，并有望到2025年突破2000億美元，增幅高于企業數字化轉型（DX）支出整體增幅。在這一過程中，人工智能服務器仍是人工智能市場增長的主力軍。

IDC數據顯示，2021年全球人工智能服務器市場的同比增速超過全球整體人工智能市場的增速，是整體人工智能市場增長的推動力。而未來五年，人工智能服務器市場將繼續高速增長，預計2026年全球人工智能服務器市場規模將達到347.1億美元，五年復合增長率為17.3%。

具體到中國，人工智能應用的加速落地很大程度推動了中國人工智能服務器的高增長。根據IDC數據，2021年中國人工智能服務市場規模達到59.2億美元，與2020年相比增長68.2%，其中，浪潮信息、新華三、寧暢、安擎等諸多中國廠商正加速推動人工智能基礎設施產品的優化更新，探索賦能技術升級，為人工智能技術的用戶帶來價值。

而提及人工智能應用的加速落地，《報告》指出，從行業維度看，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2021年相比，行業AI滲透度明顯提升。其中，互聯網行業依然是人工智能應用滲透度和投資最高的行業；金融行業的人工智能滲透度從2021年的55提升到62，智能客服、實體機器人、智慧網點、云上網點等成為人工智能在金融行業的應用典型；電信行業的人工智能滲透度從2021年的45增長到51，人工智能技術融入電信網絡的構建、優化，并為下一代智慧網絡建設提供支撐；制造行業的人工智能滲透度從40增長到45，預計到2023年年底，中國50%的制造業供應鏈環節將采用人工智能。

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。人工智能持續為提升用戶體驗做出貢獻，當前諸如智能客服、智能推薦、精準營銷等場景深入落地到各行業；人工智能也在精準科學防疫，加強公共衛生安全體系建設中承擔重要角色，在病毒演變預測、疫苗藥物研發、輔助診斷等維度實現廣泛應用；長期來看，企業通過在數字人等數字化營銷內容創作領域布局，創造差異化的營銷體驗，升級品牌形象；另外，科學家們越來越多地利用人工智能技術和方法，從數據中建立模型，重點圍繞新藥創制、基因研究、新材料研發等領域加速對前沿科學問題的探究。

更讓我們感到可喜的是，IDC調研顯示，超過80%的中國企業將在未來一年持續增加人工智能服務器的投資規模，中國人工智能服務器市場將在未來五年保持穩定增長，預計到2026年，中國人工智能服務器市場規模將達到123.4 億美元。而這種以人工智能服務器為代表的智能算力的增長勢必會從行業和應用場景等方面加速和擴大人工智能應用的落地，未來更可期。

寫在最后：智能算力可以從數據中發現創新點，有效縮短人類創新和發現的時間、人力和成本消耗，從而讓企業、政府、科研機構找到新方法、新路徑，實現轉型升級和創新已經成為業內的共識。

看未來，《報告》指出，人工智能應用正在從單點技術向多種技術能力融合方向發展、從事后分析向事前預判和主動執行方向發展、從計算智能和感知智能向認知智能和決策智能方向發展，創新應用場景逐步增多。未來五年，隨著人機交互、機器學習、計算機視覺、語音識別等技術的成熟，人工智能將在企業市場中加快應用與落地，智能算力將成為未來創新的核心推動力。而正在發生的事實也證明了這個結論。

這里我們以智算在人類生命健康的蛋白質結構解析為例來說明為何智能算力就是創新力。

傳統蛋白質結構的解析一般依賴冷凍電鏡、核磁共振、X射線衍射三種方式，確定一個蛋白質結構需要幾個月甚至是幾年。過去半個多世紀，人類一共解析了五萬多個人源蛋白質的結構，僅是人類蛋白質組里大約17%的氨基酸結構信息。而基于深層神經網絡的AlphaFold實現了原子精度的蛋白質結構預測計算方法，在一年的時間內，它將預測的結構信息比例從17%大幅提高到58%，是一個典型的量變引起的質變。可以說，AI在破解生命的蛋白密碼方面，已經具備了相當的創見能力。

由此可以看出，智能算力為國家創造力的發展帶來實質性推進，不僅在應用科學的突破上發揮了重要作用，也開始滲透到基礎科學領域，極大提高了科學研究的效率并加速科學發展的進程。

而具體到行業和企業，智能算力可為企業帶來切實的創新成效。根據IDC預測，2022年，全球企業將在人工智能解決方案上投資1,180億美元。2021至2026年間，預計該支出將以26.5%的復合年增長率增長至3010億美元，是同期全球IT總支出五年復合年增長率6.3%的四倍多。而根據IDC針對企業應用人工智能現狀調研發現，目前企業利用人工智能應用在三方面獲得了顯著收益，分別是研發速度和流程的創新，產品和服務的創新，以及商業模式的創新，這些創新給企業帶來了深遠的影響，不管是超大規模企業還是中小企業，都在尋找適合自己的人工智能應用方式，并從中受益。

智能算力就是創新力，一切還只是開始！