如果要評選2024年的年度科技名詞，AI+當屬最熱門的候選項。

年初的《政府工作報告》中首次提出了“人工智能+”行動，正在從頂層設計著手，加快形成以人工智能為引擎的新質生產力。

折射到市場層面，AI+作為一種新的范式，不斷深入千行萬業。金融、醫療、制造、交通、智慧城市等各行各業都在掀起一場智能革命，通過AI和算力的結合挖掘新質生產力，不斷釋放出創新的乘法效應。

同時也遇到了一些待解的難題，比如作為基礎設施的AI算力：當AI成為場景革新的驅動力量，算力環節如何破局？

剛剛結束的2024年中國算力大會“AI+，釋放算力新價值”論壇上，來自超聚變、中國電信、滴普科技、百度、英特爾等算力產業上下游的廠商，以及人工智能領域的院士和專家，深入探討了AI算力的現狀和趨勢。

也讓我們看到了問題的答案。

01 打破算力瓶頸，行業需要“好用算力”

“AI+各行各業”不是簡單的兩者相加，而是要利用數據、算力、算法等智能要素，催生出新的業態和增長動能。

借用一個形象的比喻：AI+就好比是做飯，算法是鍋、數據是米、算力是火。特別是在“算法跟著算力走”的背景下，算力已經可以在某種程度上和生產力劃等號，算力強則AI強，算力不足，AI就會掉鏈子。

現實情況卻是，AI算力的瓶頸在2024年依舊存在。

一是算力缺口的加劇。

參考美銀等機構的報告：大模型進入到萬億參數時代后，對算力的需求達到了每年750倍的指數級膨脹，而目前的硬件算力供給只有3倍每兩年的增速，供需缺口正在隨著時間加劇。

也就意味著，讓無數企業頭大的“算力焦慮”，在時間的作用下將只增不減，同時也在拷問當前的算力供給方式：僅僅只是在數量上做文章，永遠填不滿各行各業的算力缺口，必須要思考怎么提升智能算力的效能。

二是算力亟需綠色化。

馬斯克和黃仁勛都曾抱怨“算力的盡頭是電力”，之后就傳出了“微軟算力中心搞崩了電網”的新聞。按照國際能源署的預測，2026年數據中心、人工智能等行業的電力消耗將達到1000太瓦時以上，增速是全球用電量的數十倍。

在這樣的語境下，綠色智算所涉及的不單單是環保議題，能否在綠色智算的布局上未雨綢繆，給出可行的創新解決方案降低功耗，直接關系著下一個十年的算力供給能力，左右著AI+在各行各業的融合進程。

三是算力應用的困境。

沒有汽車工業的繁榮，石油不過是廉價的燃料。同樣的邏輯也適用于AI，倘若不能在應用層降低門檻、疏通堵點，使能各行各業的開發者高效打造AI原生應用，所謂的算力價值也就無從談起。

目前AI應用還處于試點階段，想要走向規模化落地，面臨著算力、模型、應用等不同層級的痛點。比如算力的單一和兼容性問題，尤其是在模型推理的多元算力需求下；大模型調用的高門檻，模型和算力資源的匹配就勸退了不少開發者；以及應用開發時面臨缺少工具鏈、開發效率低等挑戰。

AI算力的瓶頸是否無解呢？答案是否定的。

2024年中國算力大會“AI+，釋放算力新價值”論壇上，超聚變全球Marketing與銷售服務部總裁、算力事業部總裁張小華道出了行業上下游的一個共識：推動算力從“紙面算力”到“可用算力”再到“好用算力”的轉換。

簡而言之，AI算力既要增量，也要提質。

正如超聚變算力領域與拓展部總裁唐啟明在演講中提到的：“面向AI算力，超聚變正在重構基礎設施、跨越生態裂谷，逐步推向行業落地，通過縱向做深構筑競爭力，橫向擴展以IT賦能OT，和伙伴一起共促AI算力產業繁榮。”

超聚變指出了方向，也給出了可行的路徑。

02 告別能耗魔咒，構建“綠色”智能算力

首先要解決的就是綠色智算。

為了解決算力資源分布不均衡的情況，國家在2022年初啟動了“東數西算”工程，將東部的算力需求有序引導到西部，發揮西部的自然氣候和電力優勢，通過算力資源的跨域調配，解決算力中心的能耗壓力。

可隨著大模型推理需求的爆發，對時延的要求越來越高，不少城市開始建立城市級、區域級的智算中心，以滿足不斷增長的推理算力需求。但在智算中心的建設上，并沒有盲目上馬，紛紛畫出了能耗紅線。

比如工信部等六部門在《工業能效提升行動計劃》中提出：到2025年，新建大型、超大型數據中心電能利用效率（PUE）要優于1.3；北京、上海、深圳、杭州、廣州等城市先后對新建數據中心提出了嚴格要求，其中深圳已明確鼓勵PUE值低于1.25的數據中心。

正如外界所熟知的，PUE值越接近1，表明非IT設備的耗能越少，數據中心的能效水平越高。目前國內大型數據中心的平均PUE值為1.55，超大型數據中心平均PUE值也只有1.46，意味著能耗只有一半用在了“計算”上，其他的則浪費在了散熱、照明等方面。

對于智算中心分布密集的一二線城市，能否在自然氣候不占優勢的前提下，降低智算中心的PUE值呢？

2024年中國算力大會上，超聚變的FusionPoD for AI 新一代全液冷整機柜GPU服務器斬獲了“算力中國·年度重大突破成果”。在主辦方公布的獲獎理由里，除了在算力密度、海量數據訪問上的出色表現，散熱和供電能力的權重同樣不可小覷：100%全液冷散熱搭配105kW高效集中供電，讓PUE低至1.06，5年TCO（總成本）降低15%以上，可以說是當下綠色智算的首選方案。

可以佐證的是，目前超聚變液冷服務器的出貨量已經達到70000+節點，其中和浙江電信聯合創新的端到端完整的數據中心液冷解決方案，采用了FusionPoD for AI整機柜液冷服務器規模部署，在有“中國四大火爐”之稱的杭州，實現了極致能效和超低PUE。

一個不應被忽略的消息在于，超聚變在2024年中國算力大會上發起成立了“液冷AI開放聯盟”，將致力于構建標準化的智算底座，讓產業用戶可以更快、更易、更好地獲取和使用AI算力。

言外之意，基于液冷AI開放架構的“綠色算力”，在接下來一段時間里，每年都會成倍提升。

開源證券等第三方機構也在報告中預測了綠色智算的趨勢：AIGC正驅動智算中心朝高密度、低PUE發展，2022年到2027年中國液冷數據中心市場將保持59%的復合增長率，2027年市場規模將突破千億大關。

把以上信息做個歸納的話，智算中心告別能耗“魔咒”，已經是一種現在進行時，一種行業主旋律。

03 軟硬件協同，打通AI+“最后一公里”

綠色智算加速了“可用算力”進程，距離“好用算力”還有多遠呢？

作為算力基礎設施與服務領域的“塔尖”選手，超聚變已經給出了自己的回答：

南向創新提升智算效能。

不只是前面提到的FusionPoD for AI全液冷整機柜GPU服務器，還包括開箱即用的超聚變超融合訓推一體機等產品，同時推出了AI Space大模型加速引擎，借助模型遷移、適配和調優能力來提升智算效能。

北向使能AI融入現有業務。

直接的例子就是2024年中國算力大會上發布的超聚變FusionOne Al解決方案，圍繞AI落地在算力、模型、應用等環節的痛點，提供了三大核心能力，進而縮短從算力到應用的距離，加速AI融入業務。

在算力層，超聚變打造了兼容多元AI算力、異構算力的XPU資源池，瞄準了行業普遍存在的痛點：在實際業務中常常需要CPU、GPU、FPGA、NPU等多種算力，被迫部署不同架構的服務器。

超聚變通過XPU資源池的方式，可以廣泛兼容intel、AMD、NVIDIA、昇騰、摩爾線程等多種異構算力，并在智能調度的幫助下實現了50%有效算力提升，助力客戶在推理算力上“一次投資，持續演進”。

在模型層，超聚變的模型工程涵蓋了開源和第三方商用模型、場景化數據集，以及測試、聯調、發布、部署、管理在內的模型使能工具和算子加速，進一步降低了大模型微調開發和推理上線的技術門檻。

以大模型與算力資源的匹配為例，在傳統流程中，工程師需要根據模型的需求調整算力資源，在模型的計算需求與可用的硬件資源之間找到一個平衡點，對經驗和能力的要求非常高，超聚變的解法是“模型與算力資源自動按需匹配”。

在應用層，超聚變提供了數據工程、知識庫、插件在內的全周期AI工具鏈，并配備了專業的AI服務團隊，前者旨在降低AI原生應用開發的門檻，后者對應的是100多位經驗豐富的AI工程師。

個中邏輯并不難解釋。相較于算力和模型，應用直接和客戶的生產力掛鉤，在AI+方興未艾的氛圍下，只有打通AI+的“最后一公里”，讓算力的價值照進現實，讓各行各業看到AI+的“倍增效應”，整個產業才會有序向上生長。

目前FusionOne Al解決方案已經服務超聚變的主流業務場景，覆蓋了4000+員工、10000+合作伙伴，生成了百萬行代碼，實現80%以上的效率提升……超聚變軟硬件協同釋放算力新價值的解法，已經得到了驗證。

每次提到AI+的時候，總有人想要尋找殺手級應用或者iPhone時刻，或許最正確的方式恰恰是像超聚變這樣，解決AI+的一個個痛點和堵點，讓智能算力潤物細無聲地“滋潤”各行各業的每一個場景。

04 寫在最后

誠如2024年中國算力大會所呈現的， 一個AI驅動的美麗新世界在算力時代變得越來越清晰。

通往“新世界”的道路上，有挑戰，有機遇，還有一群默默“鋪路”的技術人。有理由相信，超聚變和伙伴們的聯合創新，將重塑算力新格局、釋放算力新價值，點亮千行萬業的數智化之路。

在AI+的浪潮下，城市將變得更加智慧、安全，企業將更加高效、充滿活力，生活將更加便捷、充滿想象。