文|智能相对论

作者|沈浪

回顾过去的2022年，人工智能产业继续在巨变中迎来突破性成长。

一方面，人工智能产业相关的应用越来越丰富、创新，比如元宇宙的出现和走红，为市场创造的一个全新的业态，也为用户带来了诸多新奇的体验。

另一方面，支撑人工智能产业的计算力格局也在悄然发生变化。根据IDC联合浪潮信息发布的《2022-2023中国人工智能计算力发展评估报告》，中国人工智能计算力保持快速增长，2022年智能算力规模达到268百亿亿次/秒(EFLOPS)，超过通用算力规模。预计未来5年中国智能算力规模的年复合增长率将达52.3%。

在这些变化趋势下，智算中心的产业地位愈发突显，并受到地方与市场的共同追捧。根据统计，我国已有超过30个城市正在建设或提出建设智算中心，同时也有不少科技企业正在与地方协同，深度参与到这个进程中，比如浪潮信息的淮海智算中心、商汤的上海智算中心、阿里的张北超级智算中心等等，就在为当地的人工智能产业提供着强效的算力服务。

时至今日，智算中心已经发展成为引领人工智能产业发展的重要一环。但是，相应的建设问题在发展过程中也在不断的暴露，需要在产业的变革中不断明晰智算中心的发展路径。对此，国家信息中心联合浪潮信息在2020年发布的《智能计算中心规划建设指南》的基础上又进行更新，于近期发布了新一版的《智能计算中心创新发展指南》（以下简称《指南》），为行业提供更全面、系统的视角去引导地方和企业建设智算中心。

从“规划建设”到“创新发展”，基于两份指南提供的视角，伴随着智算中心建设热潮，人工智能产业也即将进入一个全新的发展阶段。

01 人工智能产业正当变革时

当前，人工智能产业的变革是一种常态，诸多新的需求和挑战伴随着产业的发展持续涌现。从《指南》所提供的视角就能发现，人工智能产业历经着几大明显的变化趋势。

一是算力需求的多元化和快速增长

随着人工智能相关新应用、新业态的出现，人工智能产业对算力的需求正在迎来巨量化、多元化的发展趋势。以元宇宙为例，预测表明，元宇宙将需要至少6次方倍于目前的10倍的算力，巨量化趋势显著。

同时，多元化的趋势也在凸显，简单从芯片应用的视角来理解，由于不同的场景如自动驾驶、智慧交通、智能制造等需要用到的AI芯片不一样，如何适配不同的AI芯片并使其转化为相应的算力，对应的多元算力融合问题正在成为人工智能产业的焦点问题。

二是人工智能产业链的完善与进阶驱动

相比于过去，当前的人工智能产业链已经得到了进一步的完善，由此所需要的人工智能服务也在进阶。《智能计算中心创新发展指南》提到一个具体的变化，「人工智能朝着海量数据、复杂大模型、超强算力方向发展，这既要求计算中心的算力提升，也要求AI要素的流动和共享。」

其中，AI要素的流动和共享所代表的即是人工智能服务的进阶，这就需要智算中心能将算法、模型、算力三者有机融合起来，提供AI的数据库、AI的模型、AI的开放平台等多种AI产品服务。在这个过程中，人工智能产业所需要的服务越来越复杂，算力基础设施为人工智能产业提供的服务就不能停留在算力层面，还将继续向算法、模型等细分领域拓展。

三是可持续发展理念的精准导向

伴随着时代认知的进步，当前人工智能产业所关注的不仅仅是效率问题，也开始向绿色化发展的可持续模式跨进。特别是在“碳中和、碳达峰”的战略目标确立后，国家对人工智能产业的绿色化发展提出了更为严格的标准和要求。

其中，在能效方面，国家多部门就陆续出台了文件，对大型算力基础设施的能效进行约束。具体来看，2017年，国家对新建大型、超大型数据中心的PUE要求为1.5，直到2021年，降至了1.3以下，国家枢纽节点平均PUE更是要求进一步降到 1.25 以下。

四是智算中心的认知和规范化建设有待加强

智算中心并非是今天的产物，在过去的几年内就已经有部分城市开始建设并投入运营。而这些智算中心在赋能人工智能产业发展的同时，也正在暴露出一些问题，亟待市场和地方对智算中心的建设进行重新审视与梳理。

在《指南》发布现场，国家信息中心信息化和产业发展部主任单志广指出，目前智算中心建设存在概念认知尚不清晰、建设标准尚不统一、应用场景尚不丰富、运营模式尚不成熟等问题。由此来说，智算中心所承担的价值还比较有限，存在着诸多建设局限。

而《智能计算中心创新发展指南》的发布，就旨在以更全面、更系统的视角去重新梳理智算中心的建设问题，引导市场更好的建设智算中心，从而适应人工智能产业的变化趋势，驱动人工智能产业的突破性发展。

02 智算中心如何走好创新发展之路

创新与突破是人工智能产业发展必不可少的一个基础路径，对于智算中心的建设而言，也同样如此。现阶段，智算中心创新发展的方向是明确的，但具体落实的路径仍需系统的考量。

目前来看，《智能计算中心创新发展指南》对智算中心的创新发展提出的“四化”技术路线，即算力基建化、算法基建化、服务智件化、设施绿色化，值得进一步思考——“四化”技术路线对智算中心的建设导向正对应人工智能产业发展的发展趋势。那么，接下来智算中心若要更好的赋能人工智能产业，大概率就要沿着“四化”技术路线进行深化建设。

一、算力基建化：明确算力的中心地位

伴随着人工智能产业的应用拓展，“数字经济时代的算力等同于工业经济时代的电力”的认知在业内愈发深刻。对此，智算中心作为算力基础设施，则需要全面推进算力基建化，不断对外提供高性价比、普惠、安全算力资源的能力，使AI算力像水、电一样成为城市的公共基础资源，供政府、企业、公众自主取用，支撑产业基础发展。

以淮海智算中心为例，该中心的总体建设规模可达300PFLOPS，全面建成后智能算力性能更将达30亿亿次每秒，可面向全国和省内提供智能算力、数据和算法服务，同时也能承接长三角、环渤海经济区、京津冀等地区的智算服务需求，支撑区域内的自动驾驶、机器人、智慧城市等多元智能场景应用，驱动人工智能产业发展走向成熟。

二、算法基建化：进一步打通人工智能产业的实践路径

目前，人工智能产业的发展深化，正在推动智算中心从单纯地提供算力支持向提供“算力+算法”服务转移。对应的，智算中心在全面推进算力基建化的同时，也需要推进算法基建化，即通过提供预置行业算法、构建预训练大模型、推进算法模型持续升级、提供专业化数据和算法服务，让更多的用户享受普适普惠的智能计算服务，从而进一步打通人工智能产业的实践路径。

比如，智算中心正在通过部署大模型所需要的训练、推理和数据处理系统，构建出不同功能、不同模态的大模型如自然语言处理大模型、视觉大模型、多模态大模型等等，从而更加快速地生产出专业的技能模型，使其应用到更多的专业场景，实现小型化、轻量化的应用落地运作。

三、服务智件化：持续降低人工智能产业的门槛

人工智能产业想要取得突破性发展就必然要从专业化、高门槛向泛在化、易用性转变。当前，智算中心所提供的“智件化”服务正在落实这一目标——“智件”即智算中心提供的中间件和服务正在构建一个全新的人工智能产业服务模式，即通过可视化操作界面，以及低代码开发甚至无代码开发的模式，用户可以通过“搭积木” 或是“拖拽式”的开发模式获得所需的人工智能应用效果。

不难发现，这一趋势的出现，使得产业用户不再需要过多地去关注算力、算法以及模型本身复杂繁琐的技术细节，完全可以通过“智件化”的服务去使用人工智能模型进行创新应用，从而自主地解决多数智能场景所面临的产业问题。在这个过程中，人工智能产业的门槛也将得到持续性的降低，促使越来越多的政企组织、公众用户能去尝试人工智能服务。

四、设施绿色化：精准落实可持续发展理念

智算中心作为算力基础设施，绿色化的建设趋势正在进一步精准地落实“双碳”战略，从设施层面推动人工智能产业可持续发展。

比如，智算中心建设对液冷技术的应用就正在精准的推动人工智能产业的良性发展。在同等散热水平下，液冷系统相比传统风冷系统约节电30%-50%，数据中心PUE值可降至1.2以下，甚至可以接近于1。这一技术的应用，将使得人工智能产业的能耗进一步得到控制，也能推动智算中心的大规模建设，从基础层面驱动人工智能产业更快速的普及和发展。

小结：“四化”技术路线为智算中心建设提供的思路在当前的情况下是明确且清晰的，对应人工智能产业的变化趋势，遵循“四化”技术路线的智算中心有望可以进一步解决当前产业发展的诸多问题，使得人工智能产业得到更快速、全面地成长。

03 人工智能产业发展的“拐点”到了？

当智算中心沿着“四化”技术路线进行迭代发展的过程中，实际上也意味着智算中心本身还存在着些许问题，亟待解决。同时，以长远的目光来看，如今智算中心建设的路径得到进一步明确，当全国各大城市、各大企业都在推进地方的智算中心建设，那么人工智能产业发展也就正在迎来一个重要的节点。

与工业经济时代相比，智算中心或许就相当于发电厂的定位。那么，当算力、算法等人工智能服务能像水、电一样以公共基础资源的特性向政企组织、普通公众提供价值，人工智能产业的“拐点”或许也就到了。

接下来，不管人工智能产业如何演进，出现什么样的创新业态与应用，只要以算力为代表的基础资源能得到源源不断、高效便捷的供给，那么整个人工智能产业的底层基础就是稳健的，未来的发展也将以往更加清晰且明确。

智算中心的创新发展，将进一步拉开人工智能产业的发展大幕。

*本文图片均来源于网络

此内容为【智能相对论】原创，

仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。

部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。

?AI产业新媒体;

?澎湃新闻科技榜单月度top5;

?文章长期“霸占”钛媒体热门文章排行榜TOP10;

?著有《人工智能 十万个为什么》

?【重点关注领域】智能家电（含白电、黑电、智能手机、无人机等AIoT设备）、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。