人工智能風起云涌 算力基建支撐加速前進

2023年，人工智能技術實現質的飛躍。通過生成式AI(AIGC)技術，人們可用自然語言與機器進行便捷交互，并將海量的數據經過訓練、推理，快速轉化為生產力，產生實際商業價值。

AI技術加速向各行各業滲透，需要運算大量的數據，這個過程所消耗的資源就是算力。2023年，隨著以AIGC為代表的人工智能技術井噴式的發展，算力需求也迎來爆發式增長，部分高端算力產品價格不斷上漲。

工業富聯首席數據官劉宗長在接受證券時報記者采訪時表示，三五年前，人工智能在生產、管理的環節只是試點，一些示范工廠或產線應用了AI技術，技術指標上可能已達到公司需求，但難以規模復制。如今，人工智能到了一個轉折點，正在慢慢地規?；瘧?，比如工業富聯開發的AI自動檢測工站，已規模應用于公司的檢測流程。此外，在先進分析、品質管理等場景下，AI技術也已被大范圍使用。

像工業富聯一樣正在使用AI技術，或者其他云計算、邊緣計算、5G、物聯網等技術的企業大量存在，背后都涉及數據的計算、轉換、存儲等。因此，在數字經濟、人工智能時代，算力已成為驅動產業轉型、經濟發展的核心驅動力。

算力基建蓬勃發展

實現數字經濟高質量發展，需要筑牢算力基礎設施。據了解，算力基礎設施包括超算中心、智算中心、通用數據中心等形態，里面存放大量服務器，專門對數據進行集中管理(存儲、計算、交換)。通用數據中心側重大量數據的存儲、管理，算力中心則側重科學計算，超算中心則主要用來模擬核爆炸、氣候預測等。

目前，我國數據中心或算力中心分布廣泛，但超算中心僅有14個，分布在深圳、廣州、無錫、昆山、濟南、青島、太原、鄭州、西安、成都等地。

工信部數據顯示，2018年以來，我國數據中心機架數量年復合增長率超過30%，截至今年6月底，我國算力總規模達到每秒1.97萬億億次浮點運算，位居全球第二。

“算力基礎建設成為了新基建的重要內容之一，國家統籌建立的‘東數西算’八大樞紐、國家超算中心等，就相當于高速公路的國道，各個地方建立的算力中心等則相當于省道，國家把算力新基建建好了，以后的產業才會有更大的發展機會。”拓維信息董事長李新宇對證券時報記者表示。

國家超算長沙中心主任李肯立告訴證券時報記者，盡管“東數西算”等可以部分解決東西部算力需求和資源不匹配的問題，但是還做不到像電力一樣方便地輸送，因為算力輸入是硬件，目前標準等各方面還不統一，技術方面還存在難點。“在這個背景下，當下各城市根據自身算力需求，在本地建設算力中心，也是比較現實且可循的方式。”李肯立說。

國際數據機構IDC聯合其他機構發布的《2021—2022全球計算力指數評估報告》顯示，計算力指數平均每提高1個點，數字經濟和地區生產總值將分別增長3.5‰和1.8‰。一個國家或地區增加對計算力的投資可以帶來經濟的增長，且這種增長具有長期性和倍增效應。

另據浪潮人工智能研究院測算，預計到2025年全球計算力規模將比2020年提升30倍。

像用電一樣使用算力

近些年，我國數字經濟轉型逐漸深入，智能化轉型大力推進，算力發展政策東風頻吹。

2022年2月，國家發改委等多部門印發通知，全面啟動“東數西算”工程，同意在京津冀、長三角、粵港澳大灣區、成渝、內蒙古、貴州、甘肅、寧夏等8地啟動建設國家算力樞紐節點，并規劃了10個國家數據中心集群。

今年以來，從國家到地方的各種算力重磅措施、方案也頻出。10月8日，工信部等發布《算力基礎設施高質量發展行動計劃》，提出要著力推動算力基礎設施高質量發展，隨后，上海、廣東、深圳、成都等多地相繼出臺算力發展政策。

12月26日，國家算力政策再加碼。國家發改委、國家數據局等五部門聯合印發《深入實施“東數西算”工程 加快構建全國一體化算力網的實施意見》(下稱《意見》)，提出到2025年底綜合算力基礎設施體系初步成型等一系列目標。

《意見》旨在以算力高質量發展賦能經濟高質量發展為主線，協同推進“東數西算”工程，形成跨地域、跨部門發展合力，助力網絡強國、數字中國建設，提出到2025年，我國綜合算力基礎設施體系初步成型，用戶使用各類算力的易用性明顯提高、成本明顯降低，國家樞紐節點間網絡傳輸費用大幅降低;算力網關鍵核心技術基本實現安全可靠，以網絡化、普惠化、綠色化為特征的算力網高質量發展格局逐步形成，同時強調，將從通用算力、智能算力、超級算力一體化布局等五個統籌出發，推動建設聯網調度、普惠易用、綠色安全的全國一體化算力網。

顯然，算力已成為經濟高質量發展的重要動能，從過去“東數西算”的啟動到現在“全國一體化算力網”的構建，國家更加注重算力基礎設施建設的質量。

“未來的算力，可能像現在的電力一樣，能夠實現全國的統一調配管理、即取即用。”李新宇對證券時報記者表示。

價格將趨于合理

值得一提的是，激增的算力需求以及美國高端芯片供應受限等，已導致市場算力產品供不應求，價格暴漲，這在一定程度上增加了企業的算力成本。

vivo副總裁、AI全球研究院院長周圍曾在接受證券時報記者采訪時坦言，“手機調用云端大模型，目前大概一次1.5分，這個成本非常高，我們3億用戶每天用十次，一年下來要一百億元左右的支出。”

國盛證券《ChatGPT需要多少算力》報告顯示，大模型前期訓練成本很高，一次超過百萬美元，這個費用不僅涵蓋了模型的架構、算法和訓練數據的選擇，還包括了模型訓練所需要的大量計算資源和時間成本。而隨著模型上線部署后使用量的增加，推理成本可能遠超訓練成本，尤其隨著大語言模型不斷升級迭代，參數量突破萬億、模型能力越來越強、用戶使用量激增，推理成本也會呈幾何式增長。

對此，劉宗長對證券時報記者表示，造成算力成本高的原因主要有兩方面，一是因為需求大幅增長而產能不夠，二是由于地緣政治、美國芯片禁令影響。

“目前公司正配合客戶在布局新的產能，預計明年在供應端會有一個明顯的提升，同時隨著供應的恢復，產品價格也會有所下降，進而會帶動更多新的需求。”劉宗長說，“當供應與需求開始平衡后，算力價格會逐漸趨于合理，回歸理性。”

李新宇也認為，隨著時間的推移，技術的進步、生態的成熟，未來算力成本會逐步降低。

算力成本較高另一原因，是我國算力產業仍與國際頭部企業存在一定差距，未來若能把握產業生態的發展規律，供給格局也將發生變化。

中國科學院院士王懷民對證券時報記者表示，我國算力產業發展要抓住機遇快速迭代升級，不僅要從芯片、軟件方面發力，更要注重生態的培育和打造，而中國在生態營造上具備獨特的優勢，中國具有龐大的消費市場、工程師群體等。

(家電網? HEA.CN)