从黑科技到热科技 释放算力加速AI落地

从“黑科技”到“热科技”

第三轮人工智能浪潮经过几年的发展，今年在业界听到最多的词就是“场景”。在科技界，AI技术逐渐成熟；在应用界，对AI的价值逐渐认可。人工智能产业进入了技术兑现、技术红利的关键阶段。

AI快速增长的背后，是算力指数级的增长。在今年2021人工智能计算大会（AICC2021）上，IDC联合业界领导厂商浪潮信息一起发布《2021-2022中国人工智能计算力发展评估报告》（以下简称：报告），IDC已经连续第四年对AI算力进行分析，透过数据看到了明显的变化。

“第一是政策上越来越重视，而且国家开始投资做智算中心了。第二是应用方面的落地比以前越来越成熟。第三是算力本身相比几年前有了很大的提高。”IDC企业研究助理副总裁周震刚表示。

中国工程院院士、浪潮首席科学家王恩东

从技术成熟度曲线来看，人工智能处于一个稳步爬升期。算力作为AI发展的支撑，“计算产业面临着多元化、巨量化、生态离散化交织的趋势与挑战。”中国工程院院士、浪潮首席科学家王恩东认为，一方面多样化的智能场景需要多元化的算力，巨量化的模型、数据和应用规模需要巨量的算力，算力已经成为人工智能继续发展的重中之重；另一方面从芯片到算力的转化依然存在巨大鸿沟，多元算力价值并未得到充分释放。如何快速完成多元芯片到计算系统的创新，已经成为推动人工智能产业发展的关键环节。

吃AI红利，透过算力看潜力

AI的价值不仅在于其技术本身，而是AI赋能传统产业带来的社会经济全面升级。全球各国都在加速AI布局，已有60多个国家和地区出台人工智能政策，发布国家级AI 战略。其中，美国和中国在AI的发展上领跑全球。

对于AI的发展，算力就像是之前的电力一样，是智能时代的支撑，赋能数字经济的方方面面。可以说，算力在一定程度上决定AI的进度。IDC 预测，2021 年全球企业在人工智能软件、硬件和服务的总投资将超 850 亿美元；预计将在2025年增至2,045亿美元，五年复合增长率（CAGR）达24.5%。全球科技巨头未来会持续加大算力的投资，以亚马逊、Facebook、谷歌、阿里、、百度为代表的头部企业在基础设施的投资规模将超过全球的一半。IDC 预测，到 2025 年，全球排名前八位的CSP将消耗50%以上服务器和存储基础架构。

中国科技产业起步较晚，过去几十年在很多领域都处于跟跑阶段。AI是一个全新的机遇，也是中国科技产业反超的机会，中国起点不低。同时通过AI赋能传统产业也是中国经济转型的机会点，无论是科技产业还是传统产业，对AI的发展都充满期待。

算力已经成为数字时代的核心生产力，是拉动数字经济向前发展的新动能。对于AI算力的投入，也将加快人工智能这一重要的数字化技术与实体经济的融合，赋能传统产业转型升级，催生新产业新业务新模式，为我国数字经济做强做优做大做出应有的贡献。IDC认为，拥有较高算力基础建设能力的企业/组织或国家，将更有可能在人工智能带来的红利中更多地获利。

从算力的角度来评估，中国服务器厂商成为全球服务器市场的中坚力量，特别是浪潮信息在全球AI服务器的市占率位居第一。受疫情影响，中国服务器市场仍保持高增长势头，IDC 最新发布的《全球人工智能市场半年度追踪报告》显示，中国人工智能服务器头部厂商市场规模同比增长率可超 50%。显然，在AI算力方面中国是有一定优势的。接下来就是把算力转化为潜力，吃到AI红利。所以报告中通过对算力的评估分析了一些城市、行业的AI程度，透视其潜力。从城市来看，各个城市间人工智能角逐加剧，算力基础设施是重要竞争力。2021年中国人工智能城市排行榜，排名前五城市依次为北京、杭州、深圳、南京，上海。与2020年相比，南京进入前五，济南进入前十名。在这个排名中我们看到南京处于很靠前的位置，这正是由于当地政府的重视，一方面针对AI的发展出台了一系列的产业规划，另一方面是在南京落地了长三角地区规模最大、算力最强的智能计算中心，提供公共性的AI算力服务，帮助当地企业实现AI应用加速落地，为城市人工智能产业化发展提供高速通道。

从行业角度来看，算力的行业渗透与行业的智能化程度紧密相关。在中国市场，互联网行业渗透度第一，这与阿里、字节、这样的互联网企业对于AI的应用密切相关。接下来是金融行业人工智能应用速度加快并超过政府行业，位列第二。制造、交通和能源行业在人工智能的应用也更加深入，分列第五、第七和第九位。相比去年，人工智能在各个行业的渗透度都在增加。

最有启发的数据是，采用人工智能三年以上的企业，已经获得显著收益，被访企业平均收入增加9.8%、流程时间缩短20.4%、生产效率提升21.6%。显然，早期部署AI的企业已经吃到红利，取得超出行业整体的增长速度。

系统创新

弥补多元芯片与算力之间的鸿沟

王恩东院士从AI发展的洞察中看到三大趋势和挑战：多元化、巨量化、生态离散化。计算产业的这三大趋势造成两大鸿沟：一是多元化芯片与巨量算力之间，二是算力与智能场景落地之间。跨越这两道鸿沟，是行业稳定爬坡进入快速增长通道的必然选择。

AI的爆发不仅是算力的线性增加，人工智能应用需求日渐丰富，催生芯片多元化发展。2020年以GPU为代表的AI加速芯片所交付的计算力总和已经超过了通用CPU，预计到2025年，加速芯片所提供的计算力可能超过80%。

此外，GPU依然是数据中心加速的首选，占有90%以上的市场份额，与此同时ASIC、FPGA和NPU等其他芯片也在各个领域被越来越多地采用。而ASIC，FPGA，NPU等其他非 GPU 芯片也在各个行业和领域被越来越多地采用，整体市场份额接近 10%，预计到 2025 年其占比将超过 20%。

“芯片多元化为产业AI化的加速提供了重要的产业基础和更加丰富的选择。但是，芯片从造出来到大规模用起来，还存在巨大的产业鸿沟。”王恩东表示，多元算力价值并未得到充分释放，将百花齐放的AI芯片转变成一个通用性强、绿色高效、安全可靠的计算系统，已经成为推动人工智能产业发展关键破局环节。

当然这也是非常难的一道门槛。我们知道，AI芯片在单一计算系统中往往高密度集成，带来系统功耗、总线速率、电流密度的不断提升，AI计算系统的设计面临巨大挑战。例如一台浪潮AI服务器，需要整合超过10000个零部件，包含50多类专用芯片、30多个技术方向以及100多种传输协议，涉及到材料、热力学、电池技术、流体力学、化学等一系列学科；需要经历30多个流程、150多种加工和制造的工艺、280多个关键过程的控制点，如何确保整个系统的可靠性是一个非常精细且复杂的工程。

王恩东院士用一个生动形象的比喻，来类比计算系统创新的难度：“从火箭发动机到运载火箭，要在循环、控制、结构等很多领域做大量的工作。芯片到计算系统同样如此，需要完成体系结构、信号完整性、散热、可靠性等大量系统性设计工作。”

也就是说，上游有很多芯片企业，研发出各类很牛的芯片，但是把这些芯片有机地组合实现强算力进而对下游应用实现支撑，这中间的挑战非常之大，这也是浪潮这类企业最大的价值所在。

浪潮信息副总裁、浪潮信息 AI&HPC产品线总经理刘军对此做了更详尽的解释：智算时代，每一个特定应用场景的计算特点不同，数据量都非常大，按照传统通用的计算芯片模式，计算效能相对比较低，所以需要针对特定领域的应用去做智算架构的创新，多元AI芯片繁荣从产业本质上成为发展的驱动力。

浪潮作为一个平台厂商通过两个方面的努力来抹平这道鸿沟。

一是算力平台本身，要支持不同的芯片，能够有一个非常高性能、强壮的平台来统一容纳各种芯片，提供芯片之间的高速交换、节点之间的高速信息连通，“浪潮现在是唯一一个能够设计、研发、支持八颗国产最高端的AI芯片在一个系统里面进行高速互联的AI服务器的厂商。”刘军表示。在AI算力平台方面浪潮一路领跑，以先进的技术换来全球市场份额第一的地位。

二是软件层面，每一颗芯片都需要与客户的应用对接，这就意味着用户要为不同的AI芯片构筑新的烟囱系统。浪潮的AI开发服务平台AIStation构建了一个支持多元异构AI芯片的规范接口的标准，目前已经接入了国内外六家公司的12款AI芯片，可以在一个资源平台上面实现高效管理多元的AI芯片，这就给客户最终使用带来极大的方便，他们只需要聚焦于自己业务的创新，不需要为底层多元算力分散精力，从而大大提升了创新的效率。

“浪潮将发挥算力平台领导厂商的作用，建立起多元AI芯片和产业AI化之间的桥梁。”刘军表示。

“源1.0”填补

算力与应用之间的鸿沟

人工智能那么好，但是怎么跟客户的业务、应用场景结合？一面是轰轰烈烈在发展的AI技术，一面是迫不及待想通过AI创新的企业。“我们发现很多科学家在用不同领域的模型去解决问题，但当场景或者数据发生了变化，就要推倒重来，大大影响了产业落地速度。”刘军认为在AI技术与应用场景之间的鸿沟主要是来自通用性的挑战，大多数AI模型都只能用于某一特定领域，通用性不强，限制产业AI化进程。

人工智能如何发展出像人类具备逻辑、意识和推理的认知能力，是人工智能研究一直在探索的方向。“目前来看，通过大规模数据训练超大参数量的巨量模型，被认为是非常有希望实现通用人工智能的一个重要方向。”王恩东院士认为，随着巨量模型的兴起，巨量化已成为未来人工智能发展非常重要的一个趋势。

近年来人工智能的发展，已经从“大炼模型”逐步迈向了“炼大模型”的阶段，全球知名的AI领先公司在巨量模型上都予以重兵投入。这两年大模型这个概念特别热，谷歌、微软、英伟达、浪潮、智源研究院、百度、阿里等公司相继推出了各自的巨量模型。显然，“巨量数据、巨量算法和巨量算力”正在成为迈向通用人工智能的重要路径。

其中浪潮人工智能研究院发布的“源1.0”致力于打造最“博学”的中文AI模型， “源1.0”的单体模型参数量达2457亿，超越美国OpenAI组织研发的GPT-3，是目前全球最大中文巨量模型，占据权威中文语言理解测评基准CLUE的零样本学习（zero-shot）和小样本学习（few-shot）2项榜单榜首。

“原来的（AI）方式，我们培养了很多只会拧螺丝的人或者是只会敲锤的人。今天我们练出来是一个八级的钳工，你只要稍微示范一下他就都会干，并且干得比别人还出色。”刘军这样形象的比喻“源1.0”的价值。“源1.0”聚合了AI最强算力平台、最优质的算法模型开发能力，将支撑和加速行业智能的构建，最终帮助用户完成业务智能转型升级，以具备通用性的智能大模型成就行业AI大脑。

在懂懂看来，以“源1.0”为代表的大模型的价值点就在于可感知、自学习、可进化的能力，这将大大加速AI的场景化落地进程。以前AI是低效、繁琐的，而有了大模型，AI将进入高效工业化阶段，快速普及。IDC报告也认为，算法模型发展愈加复杂，巨量模型将是规模化创新的基础，“源1.0”等巨量模型的出现，让构建大模型、提升AI处理性能成为发展趋势。

大模型提供了AI工业化进程的工具，解决了巨量化的挑战，但在真正落地时还有一个挑战就是与场景的深度结合。每个行业、每个企业的场景千差万别，大模型是AI领域的科学家开发，而与实际业务对接则需要大量的真正懂行业、懂应用的各领域专业人才来落地。来自埃森哲的一份调研报告显示，70%以上有技术的研究机构、科技公司缺需求场景、缺领域知识和数据，70%以上的行业用户缺技术人才、缺AI平台和实践能力。

为了彻底填平AI算力与AI应用之间的鸿沟，浪潮采用开放开源的理念，“源1.0”将以开放API、开放数据集、开源代码等多种形式为业界提供开放合作，相关高校和科研机构、产业伙伴及智能计算中心用户可基于“源1.0”模型探索算法创新以及开发各类智能化应用。

浪潮在大家的印象中是一家做服务器的企业，为什么会涉足大模型？事实上，浪潮本质上是希望通过算力去推动产业、经济的发展，而作为硬件的服务器只是其产业形态之一。产业在进化，AI产业化、产业AI化，对大模型提出迫切的需求，而作为浪潮这样一家平台型企业，向下有多元芯片合作伙伴，向上有千行百业的客户，做大模型可以顺利地将AI算力与应用场景之间打通。“第一，产业需要。第二，我们不干，谁来干呢？”在刘军看来，浪潮做大模型是一件水到渠成的事。

其实上，AI就是处于这样一个演进的过程中，需要更多浪潮这样的企业，承担起更多的责任，填补一个一个鸿沟，AI产业化、产业AI化才会真正加速到来。

撰文 |懂懂编辑 | 秦言

来源：懂懂笔记