毫無疑問，在今年的疫情防控中，以大資料和人工智慧為代表的科技抗“疫”力量，在各種場景下所表現出來的應用效果已得到了充分地價值釋放。
而隨著“新基建”建設的提速，未來無論是對於重大疫情的常態化防控，或是城市發展更智慧化的治理，亦或是數字經濟的創新驅動，人工智慧顯然將能夠發揮出更加重要的作用。
這也和IDC與浪潮日前聯合釋出的《2020-2021中國人工智慧計算力發展評估報告》中的判斷一致，這是該報告自2018年釋出以來，連續第三年釋出。報告顯示，2020年“新基建”整體投資規模預計將達到2757.1億美元，人工智慧作為“新基建”最為重要領域之一，也將迎來快速增長。IDC 預計，2020年中國人工智慧市場規模將達到62.7億美元，2019-2024年的年複合增長率仍將高達30.4%。
那麼，在“新基建”時代，AI如何與數字經濟之間建立真實可行的產業關係？面對即將到來的產業AI化浪潮，又需要打造什麼樣的AI算力基礎設施，以此作為構築“新基建”數字經濟底座能力的關鍵支撐呢？
算力是AI突破的決定性因素
事實上，縱觀過去三年的報告，我們會看到一個非常明顯的趨勢，那就是人工智慧的市場增長與AI算力需求的增長呈現正比關係，而在整個人工智慧發展的“三要素”中，無論是資料還是演算法，都離不開算力的支撐，可以說算力扮演了越來越重要的角色。
特別是近年來，演算法模型的複雜度出現了指數級的增長趨勢，某些模型已經逼近人工智慧的算力極限，OpenAI最近公佈的史上最大AI語言模型GPT-3不僅模型尺寸增大到了1750億，資料量也達到了驚人的45TB。從這個角度來說，算力已成為制約AI產業化進一步發展的關鍵。
在浪潮資訊副總裁、浪潮AI&HPC產品線總經理劉軍看來，算力之所以會形成“缺口”，最為關鍵的是原因還是需求高於供給，這在2020年表現得尤為突出，具體來說：
一方面，和2019年相比，疫情推動下的智慧醫療以及疫情常態下園區、辦公樓宇、社群的智慧化應用比預計發展得更快。以智慧醫療為例，目前人工智慧已被大量用於智慧問診、影像輔助診斷、藥物研發及篩選、診療方案設計等環節，在疾病救治和疫情防控中發揮了巨大作用。IDC也預計，疫情的存在會成為一段時間甚至是未來幾年的常態，疫情已成為醫療及其他相關領域人工智慧應用落地的推動因素之一。
另一方面，是越來越多的企業已經逐步養成了用AI解決實際問題的思維，在疊加上5G、物聯網和邊緣計算在未來也將加速多個行業的應用，尤其是製造和能源企業對於人工智慧的採用，這也在更大的程度上加大了對AI算力的需求。
“我們看到很多應用場景對AI的需求是非常高的，很多行業使用者都希望在12個小時之內就能把應用場景跑出來，這就必須要依靠AI算力去驅動它的資料處理、模型訓練、模型迭代、最後實現部署上線。為何很多行業使用者如此急迫呢，還是因為大家能親自感受到透過AI的方式比過去人工的方式，效率實現了極大的提升，相信今後隨著AI算力的不斷增加，更多的AI應用也會給整個市場帶來更大的想象空間。”劉軍表示。
因此，報告也進一步指出，儘管在疫情影響下中國人工智慧市場規模比預期有一定下滑，但仍高於全球平均增速。預計2020年中國人工智慧伺服器市場規模將達到34.1億美元，占人工智慧基礎架構硬體市場的87%，在包括軟體、硬體、服務在內的整體人工智慧市場佔比也超過了50%。
不難看出，隨著AI演算法突飛猛進的發展，越來越多的模型訓練需要巨量的算力支撐才能快速有效地實施，AI算力無疑會是未來人工智慧應用取得突破的決定性因素。“當然，這對AI算力而言也是一件好事，因為有需求就能拉動AI算力的快速增長，甚至推動AI算力的超前建設，這將會帶動未來中國人工智慧市場的整體發展。”劉軍說。
AI算力是數字經濟發展的底座
今天，算力就是生產力已成為業界共識，同時算力還成為了衡量一個國家乃至地區數字經濟發展水平的重要指標。
報告顯示，2020年中國人工智慧算力排行Top 5的城市依次為北京、深圳、杭州、上海、重慶，排名6-10的城市為廣州、合肥、蘇州、西安、南京。與2019年相比，深圳超過杭州位居第二，重慶進入第一梯隊，西安超過南京位居第九。
IDC企業研究助理副總裁周震剛對此的解讀是，北京憑藉《2019 人工智慧關鍵技術源頭創新專項申報指南》等多項政策，佔全國總量的一半以上的人才，以及全國三分之一以上人工智慧企業，北京大學、清華大學、中科院自動化所等全國過半數人工智慧骨幹研究單位，使得其穩居排行榜中第一的位置。
而重慶作為西部直轄市，則一舉進入衝進前五，主要的原因是重慶市政府推出了一系列的規劃，推動了市政管理，智慧城市等人工智慧十大場景的落地，此外過去一年重慶在勞動力供給方面做了很多工作，最突出的像重慶大學等分別開設了人工智慧的課程，可以說正是重慶在AI領域的較大投入，讓它實現了“逆襲”。
不僅如此，除了TOP10城市之外，目前國內多個城市在自身產業優勢及各種因素推動下，人工智慧應用也取得了較大進展，例如東莞的智慧製造；武漢的智慧醫療；合肥的智慧農業等，可以看出中國人工智慧城市的發展正在“遍地開花”，未來將會出現越來越多結合城市特點的人工智慧示範區，為整個產業發展樹立全新標杆。
除城市的維度外，報告也從行業的維度為我們打開了瞭解AI應用的另一扇“視窗”。報告顯示，產業AI化已經從早期的試點逐漸成為企業發展和生存的剛需。其中，2020上半年人工智慧行業滲透度前五的行業分別是：網際網路、政府、金融、電信、製造。網際網路行業由於較早擁抱新興技術，率先部署人工智慧應用，因此成為了人工智慧應用滲透度和投資最高的行業，而電信和製造行業的應用場景更加豐富，市場潛力預計將有較大的提升。
與此同時，除了人工智慧投入相對集中的行業之外，在業務需求的推動下，很多碎片化應用也開始被廣泛使用，並輻射到媒體娛樂、現代農業、智慧家居、智慧電力等多個不同領域。目前來看，包括智慧客服、精準營銷在內的通用型應用場景已經具有相當的成熟度，人工智慧的產業化已經“從點到面”，從通用應用場景滲透到更多行業特定場景，由此加速了產業和行業AI化的落地步伐。
由此可見，AI算力和AI應用其實和“新基建”帶動上下游產業共同發展的意義是有“異曲同工之妙”的，因此未來AI算力之於數字經濟的重要作用，不僅在於拉動投資，更能培育新動能，由此帶動的新消費、新制造、新服務等新興業態的廣闊空間。換句話說，AI算力未來將是數字經濟發展中必不可少的重要基礎設施，更是推動數字經濟發展最為關鍵的“底座”。
公共算力基礎設施至關重要
值得關注的是，在未來這場涉及面極廣的產業智慧化轉型升級中，無論是工業製造業，還是醫療行業乃至資訊產業等千行百業都會迎來數智化升級的浪潮，而要進一步推動整個數字經濟的全面發展，建設具有公共基礎設施意義的人工智慧算力基礎設施已是“勢在必行”。
IDC的調研也“佐證”了這一發展趨勢，目前有超過九成的企業正在使用或計劃在未來三年內使用人工智慧。其中，大部分企業採用了公有云、私有云加本地部署的混合架構來部署人工智慧應用，而74.5%的企業期望在未來可以採用具備公用設施意義的人工智慧專用基礎設施平臺。
具體來看，企業對於人工智慧算力基礎設施平臺的TOP5 需求依次為：用於人工智慧訓練的資料支撐、人工智慧加速計算能力、配套的政策吸引、規模效應下的價格和成本因素，以及豐富的應用場景配置。
此外，IDC進一步調研發現，未來三年企業對於算力需求較為迫切的場景依然在語言認知類應用的訓練上，對於該類AI模型訓練的平均算力需求預計將達到 208P OPS，遠高於其他應用負載；對於自動駕駛、機器人、內容推薦等綜合場景的算力需求也相對較高，平均算力值將達到 146P OPS 左右。
對此，劉軍認為：“未來企業對AI 需求，就像現在企業對電力的需求一樣，一定會無所不在，無處不在。對於地方的經濟發展來說，它的一個重要工作就是AI算力將來怎麼去供給，怎麼去普惠，怎麼去支撐地方的經濟，產業和創新升級。”
也正是洞察到這樣的變化，今年4月，浪潮提出了“智算中心”的理念，隨後以智算中心為代表的算力基礎設施也首次被國家發改委明確新型基礎設施的範圍。近期，國家資訊中心資訊化和產業發展部又聯合浪潮釋出了《智慧計算中心規劃建設指南》。
“發改委明確將智慧計算中心納入新基建，這是非常有超前意識，非常具有前瞻性的舉措，這將會把算力資源變成公共基礎設施，不僅能夠推動更多的企業未來藉助這樣的公共算力平臺實現數智化轉型，同樣也會為整個社會提供更多的可能性，更大的想象空間，這樣的我們的創新動力才能夠持續向前。”劉軍說。
當然，和傳統的資料中心相比，智慧計算中心是基於最新人工智慧理論，採用領先的人工智慧計算架構，提供人工智慧應用所需算力服務、資料服務和演算法服務的公共算力新型基礎設施，透過算力的生產、聚合、排程和釋放，高效支撐資料開放共享、智慧生態建設、產業創新聚集，未來將會有力地促進AI產業化、產業AI化及政府治理智慧化。
客觀的說，隨著智慧計算中心大規模的落地，一定會為未來整個社會的數字化轉型提供更大的驅動力，最終加速社會治理和社會服務的智慧化，創造新需求、新商業模式和新的經濟增長點。
最後，本次報告也對行業使用者以及產業發展提出了相關的建議，其中針對行業使用者，報告指出企業應該以更加長遠的目光加大人工智慧的投入，同時應該積極在算力基礎設施上提前佈局，做好基礎設施服務商的選型工作，同時未來也要注重AI算力產品的生態成熟性和技術領先性，最終讓AI推動企業更好的發展。
而針對產業發展，報告認為以政府為代表的社會服務主體，在推動人工智慧公共算力基礎設施的建設層面至關重要，同時風險管控也將是產業可持續發展的基本保障。因此，政府未來需要不斷完善新一代人工智慧治理規範，為人工智慧產業化的發展“保駕護航”。
總的來說，中國數字經濟的落地，企業的數智化轉型不可能“一蹴而就”，而是一個長期迭代和演進的過程，因此AI算力作為這個程序當中最為關鍵的驅動力，不僅需要企業進一步加大投入，也需要各個城市和政府部門構建更多的公共算力基礎設施，更需要AI技術與行業的深度融合，由此才能在“新基建”時代，讓AI算力發揮出更多的價值，最大化地釋放AI的生產力。