文|智慧相對論

​作者|陳選濱

在上海臨港新片區，一座規模宏大且頗具科技感的建築拔地而起。

這便是由商湯科技打造的人工智慧計算中心（AIDC），同時也是亞洲最大的超算中心之一，建成投入運營後，算力可達到每秒3740 Petaflops（1 Petaflops為每秒千萬億次浮點運算）。

這是一個什麼樣的概念？

目前，我國頂級人工智慧計算中心“鵬城實驗室”的算力為1000 Petaflops，已是世界人工智慧算力500排行中蟬聯兩年首位的絕對領軍者。

如今，算力的上限再度迎來突破，一個人工智慧“大算力”時代似乎正在迎面而來。

那麼，站在產業發展的角度來看，這意味著什麼？

眾所周知，人工智慧有三駕馬車，即“大資料、演算法、算力”。其中，算力之間的差距是最不容易快速追趕的，但同時也是目前產業發展最欠缺的能力。

在2021東湖國際人工智慧高峰論壇上，清華大學鄭緯民院士就直言，算力的落後嚴重製約了我國人工智慧領域的發展。

若要打破這個制約，關鍵需要有大算力基礎設施建設，也就是人工智慧計算中心，把底層的基礎打牢。

目前，我國已有20多個城市正在規劃或建設人工智慧計算中心。在這一片熱潮之中，人工智慧產業與其他產業又將迎來什麼樣的變革？與傳統的資料中心（IDC）相比，AIDC的出現，將伴隨著怎樣的本質區別？

在此，我們不妨就AIDC的全國落地來談一談人工智慧“大算力”時代。

IDC與AIDC：從“倉庫”到“工廠”的跨越

今天，人工智慧產業正在加速走向更大規模化的發展階段，無論是科研創新還是產業應用，對算力的支援都提出了更高的要求。

在科研創新層面，以通用預大模型為例，隨著人工智慧技術深入推進，處理的問題引數越來越多，比如GPT3為1750億個引數，Google Switch ransformer達到1。6萬億個引數。對此，鄭緯民院士判斷，差不多每3、4個月需要的計算機算力就得翻一倍。

由此，在今天的技術程序上，算力很大程度決定了人工智慧技術創新的上限。若是沒有足夠的算力支援，很多通用大模型根本無法完成預訓練，推動技術應用。

在產業應用層面，以智慧城市為例，在我們的城市生活中，存在許許多多的細分場景以及長尾應用，大到智慧交通、智慧環保、智慧能源等，小到對一輛共享單車、一個井蓋、一段水域的監測等等，都離不開人工智慧技術應用。

隨著人工智慧技術在產業端的普遍應用，計算無處不在，而對算力的需求也隨之增長。根據艾媒諮詢資料顯示，2020年人工智慧帶動相關產業的規模就已經超過5700億元，預計未來5年年複合增長率超過27%，帶動相關產業規模預計更將超16000億元。

在萬億級的產業背後，我們很難去估量未來產業發展對算力的需求量。

但，重視算力“缺口”，積極建設大算力基礎設施，特別是推動AIDC落地，夯實人工智慧基礎，確是一條看得見也做得到的路徑。

對於商湯科技一類的AI企業而言，這一路徑或許看得更早，也更清晰。

從成立之初，商湯科技就已經在構思相關的規劃。直到2020年，耗時僅168天，商湯AIDC便以以前所未有的速度落地上海臨港，成為商湯科技的又一張AI王牌——基於AIDC的支援，商湯科技可以將SenseCore商湯AI大裝置的技術能力開放給學術界和產業界的合作伙伴，提供更全面、深度的AI-as-a-Service，大幅提高AI生產力。

值得注意的是，從這一表現來看，AIDC與傳統的IDC是有本質區別的。

儘管，從產業應用的角度來說，IDC與AIDC都是面向數字時代的基礎設施，提供著最基礎的底層支援，但側重點實際上又各有不同。

傳統的IDC是一個海量資料庫，負責資料的儲存、分發等功能，在簡易的理解中，可將其定位為生產流程上的“倉庫”，主要負責生產資料（即資料）的管理。

但，AIDC則完全不同，其落地的主要能力在於提供大規模資料處理及高效能計算能力。對比傳統IDC而言，其側重點更偏向於生產力（即算力）的提升，定位也更接近於生產流程中的“工廠”。

如何理解這裡的“工廠”？

從商湯AIDC的定位來看，或許更好理解——在商湯打造的的軟硬一體的超大型通用AI基礎設施“SenseCore商湯AI大裝置”中，AIDC屬於計算基礎設施，整合了AI晶片及AI感測器等，主要透過提供強大的算力支援，來支撐對海量資料和演算法模型的分析、訓練和推理。

簡單來說，AIDC的產業價值更多體現在算力的提升以及對資料的進階處理能力，而非傳統IDC純粹的儲存或分發功能，也就相當於多了一道工廠的職能及生產程式。

AIDC，如何開啟AIaaS模式的新局面？

很顯然，從傳統IDC到AIDC的建設，其背後的產業趨勢與格局都面臨著新的變化。而這一種趨勢變化，聚焦到AIDC的落地，正呈現為三種不同場景的產業價值。

1.在技術研發層面，傳統的科研正規化正在被顛覆。

人工智慧自誕生以來，就不斷與傳統科學技術交叉應用，碰撞出新的火花。如今，在大資料、大算力的支援下，更有顛覆傳統科研正規化的可能。

目前，在生物學領域，這種顛覆有目共睹。

谷歌的AlphaFold團隊一改傳統的蛋白質結構預測策略，透過使用蛋白質資料庫中17萬多個不同的蛋白質結構，以及幾百個TB級別的包含未知結構的蛋白序列資料庫對AlphaFold進行訓練，由此不斷迭代，最終使得AlphaFold AI網路獲取了基於氨基酸序列精確預測蛋白結構的能力。

而在這個過程中，算力是非常關鍵的一個支援。畢竟面向17萬多個不同的蛋白質結構以及幾百個TB級別的蛋白質序列資料庫，若是沒有大算力支援，很難展開訓練。

也正是有了這種大算力的支援，在相關領域的科研創新無須再按照傳統路徑進行展開，完全可以在新演算法的基礎下把所有的可能性“跑”一遍，來尋求最優解。

這種科研新正規化，隨著AIDC的全國落地也將成為未來的共識。目前，國家蛋白質科學中心（上海）等科研機構及高校已經與商湯AIDC達成合作意向，有意藉助商湯AIDC提供大規模彈性算力對傳統科研正規化進行創新顛覆。

據瞭解，商湯AIDC可以提供大規模彈性算力，可完成10000億引數模型的完整訓練。在這種大算力的支援下，未來的科研創新也將擁有更多的可能性。

2.在產業應用層面，企業“重複造輪子”的問題正在被緩解。

除了在科研層面的交叉應用之外，人工智慧的另一面便是與不同的產業進行融合應用。在這個過程中，人工智慧愈發普遍，相關的應用和能力正在成為產業發展的標配。

那麼，如何源源不斷地為傳統產業提供人工智慧支援，也就成為了當前面臨且需要解決的關鍵問題。就猶如今天的工廠不再需要自建發電廠發電生產一樣，AIDC的出現在很大程度上來說，所要解決的就是傳統產業自建人工智慧基礎設施的問題。

比方說，基於AIDC，商湯就有基礎將SenseCore商湯AI大裝置的能力作為通用的AI-as-a-Service提供給各大企業客戶，幫助他們輕鬆生產出符合自身需求的人工智慧模型，無須過多的資本投入、學習成本投入或是“重複造輪子”。

由此，傳統產業應用AI的門檻也就大大降低，讓AI得以成為更多企業發展的助力。

目前，商湯AIDC已經接入國家（上海）新型網際網路交換中心，是上海的重點新基建專案，進階成為“國家隊”的一員，也就意味著其背後必要承擔更大的產業責任與普惠價值。

對此，我們可以看到商湯AIDC在算力成本和安全性上所擺出的“高低手”，一方面壓低算力成本，透過演算法最佳化來提高AIDC的效率為企業提供更低成本的算力，把產業路徑走寬；另一方面抬高安全性，採用獨立物理機房、隱私計算、多租戶能力等提高AIDC的安全性，把產業路徑走穩。

3.在產業生態層面，產業鏈路逐步完善，上下協同形成驅動。

至今，人工智慧已經發展出一條相對完善的產業鏈條，以高效能計算能力為核心的AIDC更是其中不可欠缺的重要一環。隨著AIDC的落地，整個人工智慧產業鏈也將得到進一步完善，由此形成上下游的協同驅動。

比如，AIDC的建設往往需要海量的算力晶片支援，由此國內興起的AIDC建設熱潮便能為國產晶片提供大規模應用的產業環境，從市場需求端拉動國產晶片的發展，為整個國產晶片市場構建一個良性發展的迴圈體系。

根據瞭解，商湯AIDC到2024年所有伺服器全部到位時，國產化硬體的比例將超過50%。不難發現，這將是一個龐大的場景需求，對於國產硬體廠商而言，越來越多的本土AIDC落地，市場的空間也就越大，由此形成的需求拉動也就越顯著。

同時，AIDC也備受科研機構和高校院所青睞。目前，商湯AIDC已復旦大學、上海交通大學、浙江大學、上海科技大學、上海海洋大學等高校及科研機構達成合作意向，雙方將依託海量的算力資源與叢集排程優勢、以及完整的AI演算法工具鏈打造出一個滿足AI人才培養、AI技術研發等產業需求的大平臺。

可見，作為AI基礎設施，AIDC的落地對於整個產業發展而言，存在多方面利好的驅動優勢，是完善人工智慧產業鏈的關鍵一環。

AIDC的未來：走向融合

在當前階段，AIDC的價值是看得見的，對科研創新、產業應用以及生態完善都具備非常重要的補足能力。

如此關鍵的一個基礎設施，AIDC的未來又將如何發展？

從目前相關的行業趨勢來看，《智慧相對論》認為，AIDC在未來或將會走向融合，表現在三個方向。

其一，融“網”發展。

這裡的“網”即算力網路。2021年5月，國家四部門聯合釋出《全國一體化大資料中心協同創新體系算力樞紐實施方案》，明確提出將佈局全國算力網路樞紐節點，構建國家級算力網路體系。

AIDC作為大算力基礎設施，在未來很有可能將隨著全國算力網路體系的完善進一步融入算力網路，為全國產業提供更廣泛的算力排程及服務。

其二，融“城”發展。

這裡的“城”即智慧城市。在AIDC正式運營之後，商湯將融合AIDC與商湯方舟城市開放平臺的能力，使得在智慧城市建設過程中只需輸入少量資料即可在本地訓練人工智慧模型，進而可以解決更多的城市長尾應用問題。

此外，商湯AIDC的低網路時延優勢在面向上海與長三角地區也能得以放大，距離近，訪問快，使得時延更低，從而支援城市範圍內的高頻服務，保證通暢服務。

由此，依託較為強大的區域服務能力，AIDC也將演化升級成為一個“城市大腦”，持續融入智慧城市的建設中，不僅提供算力支援，還提供著更廣泛的智慧服務。

在這個過程中，我們可以看到，隨著AIDC一類新型基礎設施的建成落地，更將進一步推動傳統基礎設施如電網、水利設施等升級為智慧電網、智慧水利，實現更深度的融合趨勢。

其三，融“界”發展。

這裡的“界”泛指各類領域如產業界、學術界等。作為AI基礎設施，AIDC的底層價值與人工智慧技術相當，正在變革各類領域發展的基礎邏輯。越來越多的學術研究、產業發展離不開人工智慧，更離不開計算。

在未來的數字時代，算力也就等同於生產力，由此貫穿到各個領域，融合發展的範疇與速度也擴大、加速。

總的來說，AIDC在未來不僅僅只是人工智慧的基礎設施，還將隨著AI技術的應用普及與深入賦能，成為萬物百態的基礎設施，就如同今天的發電廠一般，隨著電成為當前時代的主要能源，發電廠已經是通用型的基礎設施。

當然，跨向通用型基礎設施，對於AIDC而言，還有很長的一段路要走。

其中，不僅僅是AI技術的普及與應用，還包括AIDC本身侷限突破。比如，傳統IDC建設就存在高耗能的問題，在AIDC上也同樣存在。

如何解決高耗能問題，是AIDC全國落地的一個關鍵挑戰。在上海臨港，商湯就為AIDC採取了各種能源最佳化措施，包括光伏發電、高效變頻離心機、UPS Eco模式、LED照明及溼膜加溼，甚至還實施了離心繫統，部署了工業冷卻製冷劑。

根據預期，商湯AIDC啟動後的功耗將比中國其他資料中心的行業平均水平低約10%，每年可節省約4500萬千瓦時功耗。同時在節能技術的支援下，商湯AIDC年均PUE可最佳化至1。28。

但，又不得不承認，目前資料中心的行業平均水平仍然比較高，在踐行“雙碳”戰略的指引下，AIDC仍需要不斷最佳化、減少能耗，以推動更廣泛的落地應用。

由此，AIDC的發展路徑，可謂任重而道遠。

結語

AIDC的出現，意味著人工智慧產業發展正在跨向一個關鍵階段。在這一階段，基礎設施的明確與落地，必然也將為整個產業的發展格局帶來一些新的變化。

1882年，愛迪生在紐約建成世界第一座中央發電廠，自此電力第一次走入人們的日常生活，成為一種常態能源支援。

以此來看人工智慧領域AIDC的發展，或許我們也能看到類似的新格局吧！

*本文圖片均來源於網路