日前，国资委召开的AI人工智能专项推介会全网热播，受到业界广泛关注。
会议要求，企业要主动拥抱人工智能带来的深刻变革，把加快新一代人工智能发展摆在更加突出的位置。 会议强调，“要夯实发展基础，将主要资源集中在最需要和最具优势的领域，加快建设一批智能计算中心”; “强化需求牵引，加快赋能重点产业，构建一批产业多模态优质数据集，打造从基础设施、算法工具、智能平台到解决方案的大模型赋能产业生态。”
会上，10家**企业签署了一份提案，表示将主动向社会开放人工智能应用场景。 作为国民经济的重要支柱，中央企业在人工智能领域的布局和发展备受关注。 央企加速部署人工智能，将给相关行业带来新的发展机遇，也体现出国家对人工智能的高度重视和大势所趋。
随着全球人工智能技术的快速发展，智能算力已成为推动经济增长和社会进步的关键要素。 作为全球最大的经济体之一，中国正在积极应对这一技术变革，加强智能算力的研发和应用，以增强国家的竞争力。
在深入了解中国在智能计算市场的布局之前，我们先来了解一下什么是“智能算力”？ 我们在日常生活中什么时候接触到智能算力？
什么是智能算力？
根据《中国算力***2022》的定义，算力主要分为四部分：通用算力、智能算力、超算算力、边缘算力。 一般算力主要基于CPU芯片输出的算力; 智能算力主要基于GPU、FPGA、AI芯片等输出的人工智能算力; 超级算力主要基于超级计算机输出的算力; 边缘算力主要基于为用户提供就近的实时计算能力，是前三者的结合。
从概念上看，可能看起来有点遥远，但实际上，智能算力已经渗透到我们生活的方方面面。 如果说春节档电影中的特效、渲染和人脸识别，或者是我们日常使用的智能客服、语音翻译等应用，这些都离不开智能算力的支撑。
如果说人工智能是创新的加速器，那么智能计算中心就可以为各种技术创新提供支撑。
由于大模型导致的算力缺口，中国需要多少智能算力？
2023年，多款大型模型产品将发布，基于大模型的AIGC技术在文本生成、知识解答、图像生成、逻辑推理等方面都表现出远超预期的表现，吸引了大量用户和市场关注。
据不完全统计，截至2023年10月，我国大型模式创新实体254家，分布在20多个省市和地区，其中北京122家，居全国第一。 截至2024年1月，已备案上市大型车型38款，占全国近半壁江山。 发布 Wenxin Yiyan 40、用户规模突破1亿，日均通话量达到1000万; 智普AI研发了最先进的基础模型GLM4，开源版本全球突破1000万次，是目前国内开源影响力最高的大模型; 百川智能发布实现全球最长上下文窗口的大模型百川2，开源版本在短短4个月内全球突破600万次; 中科院自动化研究所发布全球首款千亿参数多模态大模型紫东太初2号0。在深度学习框架方面，PaddlePaddle的受欢迎程度和使用率均在国内第一梯队，国内市场份额近36%，截至2023年12月底，已聚集了1070万开发者，服务于2350,000家企事业单位。
在实际应用中，利用AI技术自动生成内容的制作方式所创造的“数字人”效果，可与真人相媲美。 人工智能**蛋白质结构为基础研究带来新的研究方法; 人工智能驱动的聊天机器人能够学习和理解人类语言并与人类进行对话; 华为云开发的盘古气象模型......预测台风路径和登陆时间
看得见的AIGC蓬勃发展的背后，是看不见的智能算力的支撑。 大模型的爆发掀起了新一轮的AI热潮，也改变了智能算力的需求和格局。
工业和信息化部、国家互联网信息办公室、教育部、国家卫生健康委、中国人民银行、国资委联合印发的《计算基础设施高质量发展行动方案》提出，到2025年，我国算力将超过300eflops， 而智能算力将占比35%。
在这一点上，有些人可能会问：什么是FLOPS？ 300eflops是什么级别？
FLOPS是计算能力的单位，用于衡量计算资源每秒的浮点运算次数，是每秒浮点运算的英文缩写。 它通常用于估计计算机的性能，尤其是在科学计算领域，其中使用了大量的浮点运算，例如机器视觉相关图像处理的训练和推理。
flops 前面有一个字母，表示更大的哈希算力单位：
1 mflops （megaflops） 等于每秒 100 万 （= 10 6） 次浮点运算。
1 GFLOPS （GIGAFLOPS） 等于每秒 10 亿 （= 10 9） 次浮点运算。
1 tflops （teraflops） 等于每秒一万亿 （= 10， 12） 次浮点运算。
1 pflops （petaflops） 等于每秒 1 万亿 （=10 15） 浮点运算。
1 eflops （exaflops） 等于每秒 100 亿次 （= 10， 18） 次浮点运算。
下面举几个例子，方便理解：在训练一个有大量数据样本的AI模型时，根据数据规模、检测效果和模型类型，一次训练所需的算力从2到19 pflos不等。 在人脸和语言识别的推理过程中，根据识别精度和并发次数的不同，对算力的需求可能在10 GFLOPS到64 TFLOPS之间，智能驾驶完成环境感知、决策和避障、自驾定位等功能的算力需求约为8 TFLOPS。
截至2023年6月底，我国在用数据中心机架总规模超过760万个标准机架，算力总规模达到197eflops，位居全球第二。
在大模型需求的带动下，智能计算中心项目如雨后春笋般涌现。
30多个城市争相建设智能计算中心
随着下游算力需求的集中爆发和“东数西算”的推进，各级******、运营商、互联网企业纷纷启动智能计算中心建设规划。 根据国家信息中心与相关部门联合印发的《智能计算中心创新发展指南》，目前全国有30多个城市正在建设或拟建智能计算中心，包括京津冀大数据智能计算中心、长沙5A级智能计算中心。
智能计算中心建设的主要企业包括三大电信运营商和部分互联网企业。 运营商推动的智能计算中心具有一定的公共服务属性，成为全球领先的计算基础设施建设的良好补充。 以阿里巴巴、腾讯为代表的互联网公司也纷纷搭建智能计算中心，以推动自身业务发展，更好地推动客户人工智能场景的落地。
截至2023年8月，中国已投产或在建的智能计算中心分布在北京、上海、南京、杭州等城市。 从区域分布来看，我国智能计算中心集中在东部和中部地区。 其中，东部地区智能计算中心数量达到25个，占62个5%，排名第一，主要集中在京津冀和长三角地区; 中部地区占17个5%，排名第二; 西部和东北地区智能计算中心数量占12个5% 和 75%。
值得注意的是，北京是智能计算中心的主要地区之一。 北京已在海淀、朝阳、景开区、石景山、门头沟、大兴、丰台等地布局了智能计算中心，已建成总规模约5000p的智能算力。
近日，石景山区北中科技文化产业园的四跨厂房已启动热改造施工，初期建成后将具备610p算力，相当于30万台高性能计算机的算力，为一个人工智能模型在30秒内完成近1000万的学习和识别**， 预计今年10月完工。
年初，行动频繁
新年伊始，各大运营商纷纷采取积极行动，加强在智能计算中心领域的布局。
1月8日，中国移动智能计算中心（武汉）在武汉未来科技城投入运营，服务能力为1500 pflops，并计划到今年年底扩容至6800 pflops，成为华中地区最大的智能计算中心。
1月22日，上海电信在上海点亮了“大规模计算集群与人工智能公共计算服务平台”，计划2024年上半年在上海打造15000张卡，总算力超过4500p，其中单个池将打造10000张卡的国内新算力， 有望成为国内首个超大规模算力液冷集群。
1月30日，中国联通人工智能创新中心落成典礼在北京举行。 值得注意的是，2023年11月24日，中国联通长三角（芜湖）智能计算中心项目正式开工。
可以看出，中国电信、中国移动、中国联通三大电信运营商正聚焦“东部数据、西部计算”数据中心集群建设，全力推进各自相关项目，加快建设国家算力中心城市和智能计算中心，推动数字经济与实体经济深度融合。
AI服务器是智能计算中心建设中最关键的设备
AI服务器是智能计算中心建设中规模最大、最关键的设备。
市场研究机构IDC最新报告显示，从2022年上半年到2023年上半年，中国AI服务器市场规模增长了54%，其中GPU服务器仍占主导地位，占市场份额的92%，达到30亿美元。 同时，NPU、ASIC、FPGA等非GPU加速服务器以17%的同比增长率占据了8%的市场份额，达到2亿美元。
2023年上半年，从厂商销量来看，浪潮和新华。
3、宁昌跻身前三，占据70%以上的市场份额; 从服务器出货量来看，浪潮、鲲乾、宁昌位列前三，市场份额近60%。
AI 服务器依赖于高性能芯片。 中国市场面临的算力缺口，为国内芯片发展带来了新的机遇。 中国本土AI芯片厂商正处于快速成长阶段，并取得了令人瞩目的成绩，吸引了大量的投资和关注。 这些公司在AI芯片设计、算法优化、制造等方面具有一定的实力和竞争优势。 此外，中国的政策支持也起到了推动作用。 2023年上半年，中国加速芯片市场规模将突破50万颗。 从技术角度来看，GPU卡占据了90%的市场份额; 从品牌角度来看，中国本土AI芯片品牌出货量超过5万片，约占整个市场的10%。
从国内AI服务器所需AI加速芯片的领先厂商来看，阿里巴巴（含光系列）、（昆仑万维系列）、华为（昇腾系列）等国内云服务商都有自主研发的云AI加速芯片。 还有寒武纪（思源系列）、海光信息（深度计算系列）、随源科技、甜田智信、毕谦科技、摩尔线程、木溪等。 此外，京家卫和龙芯中科也在开发云AI加速芯片。
从2023年上半年的数据来看，我国AI服务器芯片国产化率较去年有所下降，占比从去年的15%左右下降到10%左右。 这主要是由于高端训练服务器需求大幅增加，而国产芯片的性能难以跟上。
为了进一步提升国产AI服务器的性能，不仅需要芯片厂商在技术上不断创新，提高芯片的性能和稳定性，更需要这些芯片厂商深入了解市场需求，开发出更符合实际应用场景的芯片产品。 同时，一流企业和科研机构也应加大投入，支持国内芯片产业发展，为其提供更多的研发资源和市场机会。
如何让智能计算中心真正发挥作用？
智能计算中心建成后，如何让它在运营过程中发挥更大的作用，仍然是一个非常关键的问题。
目前，智能计算中心已逐步赋能区域产业展，但值得注意的是，在多算力融合、上下游协同、建设应用联动、能耗、使用等方面仍面临诸多挑战。
例如，通用计算能力和专用计算能力尚未整合。 在自动驾驶、智慧医疗、智慧城市等不同场景下，对算力的要求是不同的。 单一算力方案难以满足多种算力需求，无法兼顾多个行业和领域。
计算能力、算法和数据协同不足。 在多年建成的智能计算中心，不同芯片平台、算法模型、数据库、应用层面都处于垂直融合状态，软硬件兼容性有待提高。
投资、建设和运营需要相互联系。 智能计算中心的投资、建设和运营往往是不同主体的责任。 前期施工单位往往在施工后运营的模式和服务标准上投入不足，出现头尾分离现象，施工与运营分离，影响客户体验。
高碳排放和高能源消耗。 例如，OpenAI 的超大规模预训练模型 GPT-3 训练消耗 190,000 kWh 电力，相当于 2021 年人均用电量的 228 倍。
投资成本和应用将受到监管。 部分智能计算中心每100p半精准算力的投资成本高达5亿至6亿元，远高于正常市场**，使用成本也很高，比如GPT-3大模型的训练成本保守估计在1200万美元以上。
智能计算中心建设需要结合建设基础和地方或区域产业特点，对政策进行分类引导，重构并行化，发展与数字经济相适应的智能计算中心。 还要选择合理的建设和运营模式，实现长期运营，促进有序布局，保证智能计算中心释放的经济效益和社会效益最大化。
如今，我国智能计算中心产业的发展正在克服10时代的挑战进入20时代，我国在智能计算中心建设中始终坚持算力一体化、软硬件协同、建设运营一体化、低碳能耗、成本优化、需求牵引、安全可信的原则，稳步推进智能计算中心发展。