讓數據進去，讓智慧出來。
采訪 | 王德清
編輯 | 劉景豐
隨著數字經濟時代來臨，計算力的重要性將越來越明顯。
近日，以“智算·新際”為主題的人工智能計算大會（AICC）在北京開幕，會上IDC和浪潮信息(000977,股吧)聯合研究并發布《2021-2022中國人工智能計算力發展評估報告》（下稱《報告》），從AI算力產業發展趨勢、市場規模、區域算力分布和行業AI算力保有程度等多個角度，對中國人工智能發展做出綜合評估，為推動智能經濟發展提供極具價值的參考依據和行動建議。
此前由IDC和浪潮信息聯合研究發布的《2020全球計算力指數評估報告》就顯示，2015-2019年，計算力指數平均每提高1個點，國家的數字經濟和GDP將分別增長3.3‰和1.8‰。這意味著，未來計算力將成為拉動數字經濟發展的重要力量。
浪潮信息副總裁、浪潮信息AI&HPC產品線總經理劉軍接受「甲子光年」采訪時表示，算力中心之于數字經濟，就像工業時代的電廠，智慧時代的算力中心承載算力的生產、調度和供應的過程，為數據的加工、處理、挖掘、分析提供源源不斷的動力源(600405,股吧)，“讓數據進去，讓智慧出來。”
數字經濟不斷發展，先行者的經驗讓現在大多數企業清晰地認識到，數據只存起來是不行的，更要用起來，并挖掘出其存在的價值。
1.智能計算中心成數字經濟重要抓手
數據是數字經濟的石油，是企業產出有效洞察的基礎，可幫助企業實現流程和決策優化。數字經濟時代，企業的發展越來越依賴于數據所產生的價值。
賽迪顧問數據顯示，到2030年數據原生產業規模將占整體經濟總量的15%，中國數據總量將超過4YB（1YB=1024^5GB），占全球數據量的30%。這意味著，屆時數據資源已成為關鍵生產要素，更多的產業通過物聯網、工業互聯網、電商等結構或非結構化數據資源來提取有價值信息。
這些有價值信息的采集、傳輸、處理、存儲、管理和利用等，均有賴于數字化基礎設施的完備。
而海量數據(603138,股吧)的處理與分析，意味著需要龐大的算力支撐。
此次發布的《中國人工智能計算力發展評估報告》指出，目前算力已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。
此前2020年，國家發改委明確新型基礎設施范圍，表示以數據中心、智能計算中心為代表的算力基礎設施是新基建的重要信息基礎設施，進一步為算力公共基礎設施的建設指明道路。此后，各個地方開始不斷布局智能計算中心。數據顯示，2018~2020三年的AI算力城市排名中，北京、杭州、深圳三強格局初定，重慶、合肥、南京、蘇州、西安等新一線城市在人工智能新賽道中表現搶眼。
而在最新的2021年中國人工智能城市排行榜中，TOP5城市依次為北京，杭州，深圳，南京，上海，排名6-10的城市為蘇州，廣州，濟南，成都，合肥。其中，南京首次進入前五名，濟南首次進入前十，位居第8位。
值得注意的是，各地競相布局的智能計算中心并不是傳統數據中心和計算中心的簡單升級，而是構建未來智慧社會和智能經濟的關鍵性公共算力基礎設施。通過“普適普惠”的智能計算資源多元服務，智能計算中心能夠有效地推動各地方開展數據共享平臺、智能生態建設以及智創產業聚集，是以智能技術和智慧產業為基礎的數字經濟的發展起點。
我國加速發展的智能產業，正不斷推動各地產業升級，使各地在人工智能開發和智能產業推廣上邁向更高的臺階。通過對不同地區人工智能發展程度和應用層面的覆蓋程度來看，我國對人工智能領域的研究仍保持著高度的投入，在應用層面的拓展也保持著持續上升的趨勢。
2.“核聚變”效應 數據價值亟待進一步釋放
與傳統經濟不同，數字經濟對于產業具有“核聚變”效應。這個效應主要體現在產業創新效應、產業融合效應與產業關聯效應這三個方面，三者通過相互間的耦合反應，促進產業的結構調整和轉型升級。
AI算力正是將“核聚變”效應充分釋放的最重要推手。但就像一個硬幣的兩面，智能計算在快速前行和應用的同時，阻礙其進一步發展的挑戰也開始顯現。
人工智能計算場景復雜多樣，訓練模型參數巨大，調用數據資源更是海量，但產業鏈卻存在著上下游供需脫節、硅芯片逼近物理和經濟成本極限導致摩爾定律逼近失效等不足。這帶來了指數級增長的算力需求的同時，也使計算產業面臨多元化、巨量化、生態化三大挑戰。
多元化表現在，隨著AI應用的場景不斷豐富，計算場景愈加復雜，對計算芯片指令集、架構的要求更加細分，帶來多元AI計算芯片的高速發展。同時，種類繁多的計算芯片，進一步加大了計算的復雜性。
多元化的芯片發展，為產業AI化的加速提供了重要的產業基礎和更加多元化的選擇。但是，芯片從造出來到大規模用起來，往往還隔著一個巨大的產業鴻溝。一方面，算力的供給需要構建算力平臺，需要解決架構設計、核心部件、高速互聯、散熱設計等一系列工程問題；另一方面，面對大規模AI算力部署，AI算力平臺建設又面臨高功耗、高電流密度、高總線速率、高系統復雜度的新問題。集約高效、開放共享的智算系統，是讓多元算力能夠走向產業，讓大家用得上、用得好、用得起，實現算力普適普惠的關鍵。
巨量化，則表現在模型參數多、訓練數據量大等方面。例如在自然語言處理方面，基于自監督學習的預訓練模型興起后，模型精度隨著模型尺寸及訓練數據的增加顯著提升。比如2020年GPT-3模型的參數量首次突破了千億大關，達到了1750億。
就在前不久，浪潮人工智能研究院發布了全球最大規模的中文AI巨量模型“源1.0”。公開的數據顯示，“源1.0”參數量高達2457億，訓練采用的中文數據集達5000GB，相比GPT-3的1750億參數集、570GB訓練數據，參數集規模提升了40%，訓練數據規模提升近10倍。
在算力效率方面，源1.0大模型用4095PD（PetaFlop/s-day）的計算量，獲得高達2457億的參數量，計算效率處于業界領先水平。
“源1.0”聚合了AI最強算力平臺、最優質的算法模型開發能力。這一能力使得其具備支撐和加速行業智能的構建，讓各個行業具備可感知、自學習、可進化的能力，最終幫助用戶完成業務智能轉型升級，以具備通用性的智能巨量模型成就行業AI大腦。
模型參數增加的背后，是計算力需求的指數級增長。例如深度學習從2011年興起到今天，對于算力的需求一直是指數級增長，每隔三四個月算力需求翻一倍。
此外，模型應用規模也在變大。隨著AI的應用滲透到各個行業，并已經有了大量的AI開發平臺，吸引了超百萬的AI開發者，開發了各種AI應用和服務，這些AI開放平臺每天承載著數萬億次的調用量，巨量的調用對計算中心的算力、應用產生了極大的挑戰。
第三大挑戰是AI生態問題。一方面，對從事AI技術研發的科研院所和科技公司而言，其研發成果如何與應用場景緊密結合是一道難題。而對于傳統產業的企業而言，由于缺乏專業的AI人才，在應用AI技術時也沒有能力自主開發算法模型。
埃森哲調查報告顯示，70%以上的研究機構、科技公司在技術落地時缺需求場景、行業知識和數據，70%以上的行業用戶缺技術人才、缺AI平臺和實踐能力。此外，在AI開發中由于各芯片廠商采用了不同的技術路線，導致芯片架構五花八門，相互無法兼容，且編程庫與芯片綁定，帶來靈活性不足的問題。再者AI開放框架雖多，但兼容性差；再加上AI平臺之間服務接口標準不一，使得目前的AI產業不得不面臨生態離散的挑戰。
接下來，誰能全面、系統性地解決這些問題，誰就有可能成為智慧計算時代的弄潮兒。
3.計算系統多元創新，打造開放智算生態
多樣化的智能場景需要多元化的算力，巨量化的模型、數據和應用規模需要巨量的算力，算力已經成為人工智能繼續發展的重中之重。但是從芯片到算力的轉化依然存在巨大鴻溝，多元算力價值并未得到充分釋放。因此，如何快速完成芯片到計算系統的創新，已經成為推動整個人工智能產業發展的關鍵環節。
面對多元化的挑戰，一方面計算軟件將基于應用需求的拆解，對硬件能力進行適配管理，軟件定義的范圍和影響力將繼續拓展，不僅可實現面向應用的整體系統資源調度和管理，還需針對網絡、存儲等個性化需求實現軟硬解耦和資源靈活配置。另一方面計算硬件將通過與算法和框架等深度融合的專用定制，實現對特定應用需求的支持，最終完成異構之下AI算力的生產、聚合、調度和釋放，實現智能計算中心的理想目標。
以浪潮信息發布的新版AIStation人工智能開發服務平臺為例，其已經實現了對英偉達、寒武紀、昆侖芯、高通等6家國際及國內廠商的12款AI和GPU芯片的多元算力支持。AIStation基于虛擬化、容器化技術簡化算力調度過程，能夠將計算資源以標準算力模式提供給用戶。同時提供一致的配額管理、共享超分、負載均衡等策略，幫助AI企業實現多元算力的統一池化及精細化調度，進一步提高AI計算資源利用率，降低運維成本，加速AI技術場景落地。
除此之外，為應對產業AI化的挑戰、加速產業AI化的發展進程，早在2019年，浪潮就發布了“元腦生態”計劃，聚焦產業AI化的落地應用需求，持續投入面向AI時代的計算力輸出、服務能力優化及人才培養；促進生態伙伴的優勢互補、強強聯合，共同成就行業最終用戶。
在IPF2021，浪潮再次發布了針對智算產業的“元腦生態2.0”、提出“智算合伙人”的生態主張。
元腦生態2.0的發布，就是為了更好應對當前行業智慧轉型，伙伴所面臨的技術、商業和生態等多重挑戰。元腦生態2.0將是一個更加開放、包容的生態,不僅包括之前技術側的芯片、算法等左手伙伴和應用側的ISV、SI等右手伙伴，也將納入分銷、IVR、咨詢、運維等更加多元的功能型伙伴，從智慧轉型的全生命周期著手，實現全鏈條的交付與服務。
就在AICC 2021上，浪潮人工智能研究院正式發布“源1.0”開源開放計劃，這一全球最大中文巨量模型將以開放API、開放數據集、開源代碼等多種形式為業界提供開放合作。
其開放計劃首先面向三類群體，一是高校或科研機構的人工智能研究團隊，二是元腦生態合作伙伴，三是智能計算中心。面向第一類群體，“源1.0”將主要支撐在語言智能前沿領域的算法創新和方向探索；面向第二類群體，“源1.0”將主要支撐元腦生態伙伴開發行業示范性應用，如智能文本服務、語言翻譯服務、內容生產服務等等，探索語言智能產業落地的“殺手級應用”；面向第三類群體，“源1.0”將作為算法基礎設施，與智能計算中心算力基礎設施高效協同，支撐AI產業化和產業AI化發展。
可以說，在事關智算產業發展最為重要的生態建設中，浪潮已經走到了前列。
4.拐點已至，我國企業正引領AI產業發展
2020年，我國提出加快構建“以國內大循環為主體、國內國際雙循環相互促進”的發展格局。進入“十四五”開局年，數字經濟成為經濟發展破局的重要抓手，而在數字經濟發展中，產業AI化則至關重要。
不難發現的是，面對產業AI化的發展困境，以浪潮信息為代表的我國企業正在積極貢獻力量。
作為智算中心的提出者，浪潮信息的AI服務器市占率已位居全球第一，連續4年中國市場占比超過50%。
隨著“源1.0”模型的開源，也讓我們發現，浪潮一直活躍在AI前沿方向，在深度學習框架領域，浪潮信息先后推出了深度學習并行計算框架Caffe-MPI、全球首個FPGA高效AI計算開源框架TF2等等。2020年，浪潮信息在人工智能領域的專利貢獻達到1174件，位居中國前列。
而順著產業AI化的邏輯，浪潮信息正將作為算力基礎設施的智能計算中心與作為算法基礎設施的巨量模型進行協同，為產業AI提供強大的推動力，為行業客戶創造更多的價值，更在引領AI產業的深度發展。
本文首發于微信公眾號：甲子光年。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。
