解决AI人工智能痛点和焦点迫在眉睫

近来，关于两个辛丑年对比的话题刷屏朋友圈，除了关于国力与底气的讨论外，了解中国力量在软实力方面的崛起，这就是科技力量的变化。

说到技术，我们首先想到的是5G、大数据、万物互联、人工智能等热门词汇。不可否认，人工智能是这些新兴信息技术中的流行炸鸡，也是未来工业、社会甚至国力发展的底气。

令人高兴的是，国内人工智能领域近年来取得了许多新的突破和成绩，在最近有关部门发表的《2020人工智能中国专利技术分析报告》中，截至2020年10月，中国人工智能专利申请量累计达到69.4万件，比上年增加56.3%的IDC相关调查报告显示，2020年全球各国AI计算发展水平统计显示，中国人工智能服务器占世界市场的三分之一左右，成为世界人工智能产业发展的中坚力量。

但在讨论国内人工智能领域的热门话题时，也有不少挑战和隐忧困扰着众多参与者，特别是AI应用和落地过程中，痛点和焦虑也随之出现，如果总结一下，可以把重点放在三个问题上：

1.如何解决人工智能计算能力短缺和高成本企业之间的矛盾？

2.能否建立类似水电供应的AI计算能力基础设施？

3.如何协同行业在AI应用落地过程中迎接工业AI的浪潮？

破局无疑要从满足行业需求和巩固发展基础入手。

需求爆发，压力暴涨。

没有工业，没有人工智能，没有企业，没有人工智能，人工智能已经迅速渗透到各行各业的发展和建设中，这是不争的事实。

然而，太多的问题也随之而来:简而言之，各行各业对人工智能需求的食欲越来越大，但人工智能能力供给不足，成本飙升。这正是人工智能供需的痛点和矛盾。

需求的变化有两点值得注意:一方面是数量的增加，另一方面是质的变化。

2020年6月至8月，IDC对中国企业的人工智能应用需求进行了专题调查和研究。研究发现，企业对人工智能带来的价值有了更深的认识，企业在人工智能应用中采取了更积极的措施。

从理解的角度来看，这其中最大的变化体现在对人工智能新应用场景的尝试上，即除了已经被多个行业验证的通用场景外，不同行业的用户还在根据自己的行业特点积极尝试，开辟一些新的碎片应用场景。

数据显示，超过90%的企业正在使用或计划在未来三年内使用人工智能。其中，大多数企业使用公共云、私有云和本地部署的混合架构来部署人工智能应用，而74.5%的企业希望未来能使用具有公共设施意义的新型人工智能基础设施。请注意，这种期望也是不同地区和不同规模企业的共识。

除数量变化外，AI计算能力方面的质变更为引人注目。

说到质变，首先要说AI模型。其中最有代表性的是打败李世石的AlphaGO，OpenAI实验室去年推出的GPT3。前者是众所周知的围棋天赋，后者是去年发布后AI科学领域的震荡。

事实上，许多人工智能模型的不断出现，最终目标是具有更高的等级智能。每次模型的智能化程度提高，模型都变得越来越复杂，模型尺寸也呈现爆炸式增长。这里有一个不太合适的比喻。如果我们把施瓦辛格主演的《终结者》中的天网视为人工智能可以达到的最高水平，那么从2012年开始出现的AlexNet网络模型，以及未来几年的ResNet、Transformer、BERT到GPT-3的优秀人工智能模型，如天网。

特别是OpenAI实验室推出的GPT-3自然语言模型，有1750亿语言模型参数，经过训练已能写诗、写乐谱，回答历史、天文等问题，甚至涉足医学领域，被一些科学家称为幼年天网。同时，它也是名副其实的算力吞噬者。

显然，越先进的大型人工智能模型需要消耗越多的计算资源。如果没有强大的计算能力支持，培训一个先进的模型需要花费的时间和金钱——这绝对是许多人无法想象的。

举例来说：媒体机构对量子位进行了估算，训练一个GPT-3模型需要一个GPU运行355年；它的训练费用大约是600-1200万美元。另一方面，Resnet-152模型出现在2016年，各个方面的成本都不到GPT-3的三分之三。

你认为这很可怕吗？事实上，2021年1月，谷歌大脑的科学家刚刚宣布，他们设计的简化和稀疏的架构(SwitchTransformer)可以将语言模型的参数扩大到1.6万亿，这是GPT-3的近十倍。

不需要咂舌，这是AI进化过程中不可逆转的质变。

中国工程院院士郑纬民曾指出，下一代人工智能的发展迫切需要建设大规模的人工智能计算基础设施。GPT-3取得了很好的进步，但与人类智能仍有差距，下一代人工智能模型可能超过万亿参数。如今，这个万亿参数的人工智能巨兽已经到来。

从理解的角度来看，承载人工智能的新计算能力基础设施的供应水平将成为直接影响人工智能创新迭代和工业人工智能应用落地的关键因素。对计算能力的渴求和对人工智能模型的智能追求已经越来越迫切地将人工智能计算能力基础设施建设的话题提到了重要环节。

人工智能计算能力的建设迫在眉睫。

随着模型尺寸的扩大，如何实现高效的AI训练和计算，关系到AI生产开发的效率，实现高效的AI模型训练的重要支持是能够在更短的时间内完成大规模的AI计算，对AI产品的反复效率和成功至关重要。

那么，如何创造强大的计算能力支持能力，如何有效降低培训先进AI模型所需的时间和金钱呢？

首先，计算能力并不完全取决于芯片的能力。随着越来越多的高级AI模型培训开始寻求巨大的计算能力支持，计算能力受到芯片技术的物理限制越来越明显，芯片制造技术水平的提高速度已经落后于算法模型，有些模型已经接近AI计算能力的极限。如果计算能力受到限制，算法模型的不断创新也将受到限制。因此，计算能力已经成为未来人工智能应用突破的决定性因素。

此前，国际数据中心联合浪潮集团发布的《2020-2021中国人工智能计算能力发展评估报告》还指出，到2020年，中国GPU服务器仍占据约95%的市场份额，是数据中心人工智能加速计划的首选。未来几年，随着推理工作负荷在各个行业的应用越来越大，其他类型的加速芯片如FPGA和ASIC将在各个领域使用。

IDC预计到2024年，其他类型加速芯片的市场份额将迅速发展，人工智能芯片市场将呈现多元化趋势。该报告强调，服务器是人工智能基础设施的核心，到2020年，中国人工智能基础设施的市场规模将达到39.3亿美元，其中服务器支出占87%。

可见，人工智能服务器技术的不断创新，包括多种互联方式和拓扑架构，以满足不同应用场景的需要，同时，人工智能基础设施也在向开放式架构发展，以满足下一代高效、灵活、可扩展的人工智能数据中心的需要。

这里要强调一个关键词:智能计算中心。事实上，当去年4月的浪潮提出智能计算中心的概念时，它指出智能计算可以像水电一样成为社会的基本公共服务。

智能计算中心的意义在于通过计算能力的生产、聚合、调度和释放，有效支持数据开放共享、智能生态建设和产业创新聚集，有效促进人工智能产业化、产业人工智能化和政府治理智能化。智能计算中心的内涵有四个要点:一是计算能力公共基础设施；二是计算架构技术领先，生态成熟；三是计算能力、数据和算法的整合平台；第四，以产业创新升级为目标。

这四点是解决上述行业应用需求爆发、计算能力短缺、成本高企业、人工智能技术发展对计算能力支持等痛点的最佳途径。结合国家战略性新兴产业以人工智能为主的发展规划，人工智能计算能力在基础设施层面的意义更加突出和紧迫。

从去年两会政府两会政府工作报告中提出的新基础设施，明确了人工智能、特高压等新技术发展技术方面的基础设施建设。在最近发布的十四五规划建议中，人工智能和量子信息、集成电路工智能和量子信息和集成电路排名前三。因此，人工智能作为新一轮产业智能变革的核心驱动力，将推动数万亿美元的数字经济产业升级转型。另一方面，作为人工智能计算能力的重要载体，实现计算能力、算法和数据全面整合的智能计算中心将为新基础设施发展所需的未来计算能力基础设施提供重要的参考定义。

或许有人会问，政府部门、不同行业、大中小企业能从智能计算中心等基础设施中获得什么？

一是推动国内AI产业化浪潮的创新发展；

智能计算中心作为人工智能软硬件技术的集成载体，为人工智能产业的发展提供了大规模的数据处理和高性能的智能计算支持，使人工智能技术能够更有效地实现培训、推理等学习过程。智能计算中心的建设，一方面将推动平台+应用+人才三位一体的新型AI产业发展模式，另一方面也将完善计算+生态体系，加快从基础到应用的人工智能产业链形成。

二是推动产业AI化转型升级；

正如公共云对企业信息化转型所带来的好处一样，智能计算中心作为一种新型的基础设施，可以帮助企业低成本、高效率地实现数字化转型。各类企业，可根据业务需要，依托智能计算中心提供的AI模型库、AI计算能力调度平台等，自动生成适合实际需要的商业系统模型。与此同时，智能计算中心通过提供计算能基础设施和通用软件服务，与产业链上下游相结合，可为企业提供完整的AI服务链，有助于实现AI供给与需求的高效对接。

最后，帮助政府管理能力的现代化；

在当前智能城市建设过程中，智能计算中心融合人工智能、互联网、大数据、云计算等信息技术，迅速集中在线各类管理主体，提供数据分析、云计算平台、算法和计算能力等工具和资源，大大提高社会管理过程中的数据计算、分析、挖掘能力，积极推进政府管理能力的现代化。

当然，这其中最重要的是计算经济账户，提高效率，降低成本是基础设施对所有行业最大的帮助。智能计算中心作为计算能力生产供应平台，在构建过程中以融合开放的结构计算系统为平台，以数据为资源，以免费或低成本提供大量开放源码的人工智能算法及其代码

同时，智能计算中心可以通过平台打开界面，向IT基础薄弱的企业输出行业领先企业的算法能力、数据资源和运营服务，大大降低了整个社会的AI应用成本。

从这些方面来看，智能计算中心作为新时期基础设施建设的必要性不言而喻，迫切性不言而喻。

工业AI化-独乐乐不如众乐乐。

从这些方面来看，人工智能计算能力作为基础设施建设的价值和意义已经非常明确。那么，在这种基础产业变革中，浪潮想扮演什么样的角色呢？

从IDC发布的2020HI《全球人工智能市场半年度跟踪报告》可以看出，目前全球半年度人工智能服务器市场规模已达55.9亿美元，市场份额为16.4%，居全球人工智能服务器市场首位。从这个角度来看，浪潮可以在人工智能产业化的浪潮中继续领先。

但去年年底，当听到AI&HPC总经理刘军在一些公共场合分享自己的观点时，有一句话引起了人们的关注。从市场水平来看，人工智能产业化是一个1000亿级市场，人工智能产业化是一个万亿级市场。我们可能会走得更快，我们可能需要赶上工业人工智能。

人工智能产业化和人工智能产业化在文字上的细微差异，背后却是科技产业在人工智能应用场景中的巨大差异。帮助所有行业落地和应用人工智能是无限广阔的市场和长期可持续的未来。

在这些因素中，浪潮要做的不是自己一家独大，而是与更多的合作伙伴合作，共同扩大这一万亿市场，实现双赢。它也是浪潮智算中心在新基础设施建设过程中所扮演的角色。

一方面，智能计算中心的建设应满足三个基本条件:开放标准、高效集约和普适包容性；另一方面，该系统将继续投入到人工智能时代的三个要素中——计算能力输出、服务能力优化和人才培养。从理解的角度来看，只有在构建以人工智能计算能力为核心的基础设施的过程中，帮助和促进生态伙伴的优势互补和强大联合，共同实现行业最终用户，才是智能计算中心的商业核心价值。这个人工智能时代的多赢理念确实远远超过了传统意义上的人工智能产业化。

从浪潮过去一段时间的各种措施可以看出，它一直在推动智能计算中心信息技术基础设施建设向更深更广的领域发展。自1993年浪潮成功开发中国第一台小型计算机服务器以来，经过近30年的积累，浪潮克服了高速互联芯片、关键应用主机、核心数据库、云数据中心操作系统等一系列核心技术。现在，围绕智能计算中心，浪潮不断深化，开发出硬件重建的智能计算中心计算系统，以及软件定义的智能计算中心操作系统等。同时，许多业务浪潮和合作伙伴也在尝试打造智能计算中心的底层，为政府和行业用户提供端到端的智能服务，输送源源不断的计算能力。

可以肯定的是，工业人工智能应用应该深入到每个行业的应用实践中，具体的产品和挑战应该选择合适的算法、模型和处理方法。浪潮与许多了解行业应用场景的开发商、软件提供商和集成商携手，与这些合作伙伴共同完成行业应用的落地。目标不仅是利己利他，还是彻底了解人工智能与综合国力发展之间的逻辑关系。

从这个角度来看，智能计算行业作为数字经济的重要载体，将成为新兴力量，带动全球数字经济繁荣。未来人工智能计算需求将占计算需求的80%以上，智能计算正成为未来经济的主要增长点之一。然后，顺势而为的浪潮也将在这种增长趋势中发挥引人注目的作用。

成都融和实业排队叫号系统厂家(www.iritqq.com)是一家集研发、生产、营销、服务于一体的高新技术企业.主营智能排队叫号系统、医院分诊系统、排队机、叫号机、评价器(好差评系统)、呼叫器、多媒体查询及信息发布配套系统等,公司产品已广泛应用于不动产登记、智慧医疗、智慧税务、智慧政务、智慧金融、智慧通讯、智慧服务大厅、智慧机关单位等服务窗口行业.咨询电话：028-87438905。