第三輪人工智慧浪潮經過幾年的發展，今年在業界聽到最多的詞就是“場景”。在科技界，AI技術逐漸成熟；在應用界，對AI的價值逐漸認可。人工智慧產業進入了技術兌現、技術紅利的關鍵階段。

AI快速增長的背後，是算力指數級的增長。在今年2021人工智慧計算大會（AICC2021）上，IDC聯合業界領導廠商浪潮資訊一起釋出《2021-2022中國人工智慧計算力發展評估報告》（以下簡稱：報告），IDC已經連續第四年對AI算力進行分析，透過資料看到了明顯的變化。

“第一是政策上越來越重視，而且國家開始投資做智算中心了。第二是應用方面的落地比以前越來越成熟。第三是算力本身相比幾年前有了很大的提高。”IDC企業研究助理副總裁周震剛表示。

中國工程院院士、浪潮首席科學家王恩東

從技術成熟度曲線來看，人工智慧處於一個穩步爬升期。算力作為AI發展的支撐，“計算產業面臨著多元化、巨量化、生態離散化交織的趨勢與挑戰。”中國工程院院士、浪潮首席科學家王恩東認為，一方面多樣化的智慧場景需要多元化的算力，巨量化的模型、資料和應用規模需要巨量的算力，算力已經成為人工智慧繼續發展的重中之重；另一方面從晶片到算力的轉化依然存在巨大鴻溝，多元算力價值並未得到充分釋放。如何快速完成多元晶片到計算系統的創新，已經成為推動人工智慧產業發展的關鍵環節。

吃AI紅利，透過算力看潛力

AI的價值不僅在於其技術本身，而是AI賦能傳統產業帶來的社會經濟全面升級。全球各國都在加速AI佈局，已有60多個國家和地區出臺人工智慧政策，釋出國家級AI 戰略。其中，美國和中國在AI的發展上領跑全球。

對於AI的發展，算力就像是之前的電力一樣，是智慧時代的支撐，賦能數字經濟的方方面面。可以說，算力在一定程度上決定AI的進度。IDC 預測，2021 年全球企業在人工智慧軟體、硬體和服務的總投資將超 850 億美元；預計將在2025年增至2,045億美元，五年複合增長率（CAGR）達24.5%。全球科技巨頭未來會持續加大算力的投資，以亞馬遜、Facebook、谷歌、阿里、騰訊、百度為代表的頭部企業在基礎設施的投資規模將超過全球的一半。IDC 預測，到 2025 年，全球排名前八位的CSP將消耗50%以上伺服器和儲存基礎架構。

中國科技產業起步較晚，過去幾十年在很多領域都處於跟跑階段。AI是一個全新的機遇，也是中國科技產業反超的機會，中國起點不低。同時通過AI賦能傳統產業也是中國經濟轉型的機會點，無論是科技產業還是傳統產業，對AI的發展都充滿期待。

算力已經成為數字時代的核心生產力，是拉動數字經濟向前發展的新動能。對於AI算力的投入，也將加快人工智慧這一重要的數字化技術與實體經濟的融合，賦能傳統產業轉型升級，催生新產業新業務新模式，為我國數字經濟做強做優做大做出應有的貢獻。IDC認為，擁有較高算力基礎建設能力的企業/組織或國家，將更有可能在人工智慧帶來的紅利中更多地獲利。

從算力的角度來評估，中國伺服器廠商成為全球伺服器市場的中堅力量，特別是浪潮資訊在全球AI伺服器的市佔率位居第一。受疫情影響，中國伺服器市場仍保持高增長勢頭，IDC 最新發布的《全球人工智慧市場半年度追蹤報告》顯示，中國人工智慧伺服器頭部廠商市場規模同比增長率可超 50%。顯然，在AI算力方面中國是有一定優勢的。接下來就是把算力轉化為潛力，吃到AI紅利。所以報告中通過對算力的評估分析了一些城市、行業的AI程度，透視其潛力。

從城市來看，各個城市間人工智慧角逐加劇，算力基礎設施是重要競爭力。2021年中國人工智慧城市排行榜，排名前五城市依次為北京、杭州、深圳、南京，上海。與2020年相比，南京進入前五，濟南進入前十名。在這個排名中我們看到南京處於很靠前的位置，這正是由於當地政府的重視，一方面針對AI的發展出臺了一系列的產業規劃，另一方面是在南京落地了長三角地區規模最大、算力最強的智慧計算中心，提供公共性的AI算力服務，幫助當地企業實現AI應用加速落地，為城市人工智慧產業化發展提供高速通道。

從行業角度來看，算力的行業滲透與行業的智慧化程度緊密相關。在中國市場，網際網路行業滲透度第一，這與阿里、位元組、騰訊這樣的網際網路企業對於AI的應用密切相關。接下來是金融行業人工智慧應用速度加快並超過政府行業，位列第二。製造、交通和能源行業在人工智慧的應用也更加深入，分列第五、第七和第九位。相比去年，人工智慧在各個行業的滲透度都在增加。

最有啟發的資料是，採用人工智慧三年以上的企業，已經獲得顯著收益，被訪企業平均收入增加9.8%、流程時間縮短20.4%、生產效率提升21.6%。顯然，早期部署AI的企業已經吃到紅利，取得超出行業整體的增長速度。

系統創新彌補多元晶片與算力之間的鴻溝

王恩東院士從AI發展的洞察中看到三大趨勢和挑戰：多元化、巨量化、生態離散化。計算產業的這三大趨勢造成兩大鴻溝：一是多元化晶片與巨量算力之間，二是算力與智慧場景落地之間。跨越這兩道鴻溝，是行業穩定爬坡進入快速增長通道的必然選擇。

AI的爆發不僅是算力的線性增加，人工智慧應用需求日漸豐富，催生晶片多元化發展。2020年以GPU為代表的AI加速晶片所交付的計算力總和已經超過了通用CPU，預計到2025年，加速晶片所提供的計算力可能超過80%。

此外，GPU依然是資料中心加速的首選，佔有90%以上的市場份額，與此同時ASIC、FPGA和NPU等其他晶片也在各個領域被越來越多地採用。而ASIC，FPGA，NPU等其他非 GPU 晶片也在各個行業和領域被越來越多地採用，整體市場份額接近 10%，預計到 2025 年其佔比將超過 20%。

“晶片多元化為產業AI化的加速提供了重要的產業基礎和更加豐富的選擇。但是，晶片從造出來到大規模用起來，還存在巨大的產業鴻溝。”王恩東表示，多元算力價值並未得到充分釋放，將百花齊放的AI晶片轉變成一個通用性強、綠色高效、安全可靠的計算系統，已經成為推動人工智慧產業發展關鍵破局環節。

當然這也是非常難的一道門檻。我們知道，AI晶片在單一計算系統中往往高密度整合，帶來系統功耗、匯流排速率、電流密度的不斷提升，AI計算系統的設計面臨巨大挑戰。例如一臺浪潮AI伺服器，需要整合超過10000個零部件，包含50多類專用晶片、30多個技術方向以及100多種傳輸協議，涉及到材料、熱力學、電池技術、流體力學、化學等一系列學科；需要經歷30多個流程、150多種加工和製造的工藝、280多個關鍵過程的控制點，如何確保整個系統的可靠性是一個非常精細且複雜的工程。

王恩東院士用一個生動形象的比喻，來類比計算系統創新的難度：“從火箭發動機到運載火箭，要在迴圈、控制、結構等很多領域做大量的工作。晶片到計算系統同樣如此，需要完成體系結構、訊號完整性、散熱、可靠性等大量系統性設計工作。”

也就是說，上游有很多晶片企業，研發出各類很牛的晶片，但是把這些晶片有機地組合實現強算力進而對下游應用實現支撐，這中間的挑戰非常之大，這也是浪潮這類企業最大的價值所在。

浪潮資訊副總裁、浪潮資訊 AI&HPC產品線總經理劉軍對此做了更詳盡的解釋：智算時代，每一個特定應用場景的計算特點不同，資料量都非常大，按照傳統通用的計算晶片模式，計算效能相對比較低，所以需要針對特定領域的應用去做智算架構的創新，多元AI晶片繁榮從產業本質上成為發展的驅動力。

浪潮作為一個平臺廠商通過兩個方面的努力來抹平這道鴻溝。

一是算力平臺本身，要支援不同的晶片，能夠有一個非常高效能、強壯的平臺來統一容納各種晶片，提供晶片之間的高速交換、節點之間的高速資訊連通，“浪潮現在是唯一一個能夠設計、研發、支援八顆國產最高階的AI晶片在一個系統裡面進行高速互聯的AI伺服器的廠商。”劉軍表示。在AI算力平臺方面浪潮一路領跑，以先進的技術換來全球市場份額第一的地位。

二是軟體層面，每一顆晶片都需要與客戶的應用對接，這就意味著使用者要為不同的AI晶片構築新的煙囪系統。浪潮的AI開發服務平臺AIStation構建了一個支援多元異構AI晶片的規範介面的標準，目前已經接入了國內外六家公司的12款AI晶片，可以在一個資源平臺上面實現高效管理多元的AI晶片，這就給客戶最終使用帶來極大的方便，他們只需要聚焦於自己業務的創新，不需要為底層多元算力分散精力，從而大大提升了創新的效率。

“浪潮將發揮算力平臺領導廠商的作用，建立起多元AI晶片和產業AI化之間的橋樑。”劉軍表示。

“源1.0”填補算力與應用之間的鴻溝

人工智慧那麼好，但是怎麼跟客戶的業務、應用場景結合？一面是轟轟烈烈在發展的AI技術，一面是迫不及待想通過AI創新的企業。“我們發現很多科學家在用不同領域的模型去解決問題，但當場景或者資料發生了變化，就要推倒重來，大大影響了產業落地速度。”劉軍認為在AI技術與應用場景之間的鴻溝主要是來自通用性的挑戰，大多數AI模型都只能用於某一特定領域，通用性不強，限制產業AI化程序。

人工智慧如何發展出像人類具備邏輯、意識和推理的認知能力，是人工智慧研究一直在探索的方向。“目前來看，通過大規模資料訓練超大引數量的巨量模型，被認為是非常有希望實現通用人工智慧的一個重要方向。”王恩東院士認為，隨著巨量模型的興起，巨量化已成為未來人工智慧發展非常重要的一個趨勢。

近年來人工智慧的發展，已經從“大煉模型”逐步邁向了“煉大模型”的階段，全球知名的AI領先公司在巨量模型上都予以重兵投入。這兩年大模型這個概念特別熱，谷歌、微軟、英偉達、浪潮、智源研究院、百度、阿里等公司相繼推出了各自的巨量模型。顯然，“巨量資料、巨量演算法和巨量算力”正在成為邁向通用人工智慧的重要路徑。

其中浪潮人工智慧研究院釋出的“源1.0”致力於打造最“博學”的中文AI模型， “源1.0”的單體模型引數量達2457億，超越美國OpenAI組織研發的GPT-3，是目前全球最大中文巨量模型，佔據權威中文語言理解測評基準CLUE的零樣本學習（zero-shot）和小樣本學習（few-shot）2項榜單榜首。

“原來的（AI）方式，我們培養了很多隻會擰螺絲的人或者是隻會敲錘的人。今天我們練出來是一個八級的鉗工，你只要稍微示範一下他就都會幹，並且幹得比別人還出色。”劉軍這樣形象的比喻“源1.0”的價值。“源1.0”聚合了AI最強算力平臺、最優質的演算法模型開發能力，將支撐和加速行業智慧的構建，最終幫助使用者完成業務智慧轉型升級，以具備通用性的智慧大模型成就行業AI大腦。

在懂懂看來，以“源1.0”為代表的大模型的價值點就在於可感知、自學習、可進化的能力，這將大大加速AI的場景化落地程序。以前AI是低效、繁瑣的，而有了大模型，AI將進入高效工業化階段，快速普及。IDC報告也認為，演算法模型發展愈加複雜，巨量模型將是規模化創新的基礎，“源1.0”等巨量模型的出現，讓構建大模型、提升AI處理效能成為發展趨勢。

大模型提供了AI工業化程序的工具，解決了巨量化的挑戰，但在真正落地時還有一個挑戰就是與場景的深度結合。每個行業、每個企業的場景千差萬別，大模型是AI領域的科學家開發，而與實際業務對接則需要大量的真正懂行業、懂應用的各領域專業人才來落地。來自埃森哲的一份調研報告顯示，70%以上有技術的研究機構、科技公司缺需求場景、缺領域知識和資料，70%以上的行業使用者缺技術人才、缺AI平臺和實踐能力。

為了徹底填平AI算力與AI應用之間的鴻溝，浪潮採用開放開源的理念，“源1.0”將以開放API、開放資料集、開原始碼等多種形式為業界提供開放合作，相關高校和科研機構、產業夥伴及智慧計算中心使用者可基於“源1.0”模型探索演算法創新以及開發各類智慧化應用。

浪潮在大家的印象中是一家做伺服器的企業，為什麼會涉足大模型？事實上，浪潮本質上是希望通過算力去推動產業、經濟的發展，而作為硬體的伺服器只是其產業形態之一。產業在進化，AI產業化、產業AI化，對大模型提出迫切的需求，而作為浪潮這樣一家平臺型企業，向下有多元晶片合作伙伴，向上有千行百業的客戶，做大模型可以順利地將AI算力與應用場景之間打通。“第一，產業需要。第二，我們不幹，誰來幹呢？”在劉軍看來，浪潮做大模型是一件水到渠成的事。

其實上，AI就是處於這樣一個演進的過程中，需要更多浪潮這樣的企業，承擔起更多的責任，填補一個一個鴻溝，AI產業化、產業AI化才會真正加速到來。