人工智能行业最新发展(人工智能行业深度解析)

与过去的消费互联网类似，人工智能行业近年来在某种程度上走到了一个分水岭。一方面，不同场景的解决方案不同，使得标准化的门槛更高；另一方面，虽然Gartner在《2021年AI成熟度曲线》中提到，机器学习、边缘AI和决策智能等创新将对市场产生变革性影响，但短期内突破这些技术的束缚并不容易。在这种形势下，“拐点在哪里”和“如何破局”成为很多玩家都在思考的关键命题。虽然AI业务延伸的不确定性在加剧，但是数字经济和数字化已经成为业界的共识。从AI明星企业的崛起，到新基础设施和东西计算的战略实施，如果说前者是二级市场的正反馈，那么后者就是产业级的框架建设。人工智能一直被认为是帮助人类突破科技进步的认知壁垒和边界的重要工具。近年来逐渐从幕后走向前台。以微软为代表的“智能工具”，以特斯拉为代表的“智能汽车”，包括扎克伯格押注的“元宇宙”，都掀起了一波行业级的变革。按照AI的三要素(数据、算法、算力)划分，如果说过去是数据和算法的繁荣期，那么现在显然是算力发展的黄金时代。

据中国信通院测算，2021年，计算力核心产业已经超过1.5万亿元，其中云计算市场超过3000亿元，IDC(互联网数据中心)服务市场超过1500亿元，人工智能核心产业超过4000亿元。计算力产业的支柱作用日益凸显。一般来说，计算能力就是计算能力，指的是数据的处理能力，从手机、笔记本到超级计算机都有。计算能力存在于各种智能硬件设备中。安检时的每一次人脸识别，消息发送时的每一次语音文本转换，都需要硬件芯片的计算能力支持。可以说，计算能力的大小代表了数字信息处理能力的强弱，也是衡量一家AI公司含金量的关键指标。近两年来，大计算能力的确定性在一定程度上扫清了AI行业的阴云。许多国际科技公司，包括谷歌、特斯拉、脸书等。斥巨资建设人工智能计算中心。许多国内政府和企业也在致力于建设新一代人工智能基础设施。不过，也有观点对此持严谨态度。在刚刚结束的2022中国计算大会上，商汤科技联合创始人、AI大设备事业群总裁john young认为，“当我们谈论计算能力时，我们必须思考计算能力能给我们带来什么价值。”从过去商业层面的生存选择，奋力追赶，到现在的基础科学创新和博弈，很明显国内AI行业和玩家正站在一个新的历史转折点上，新的竞争才刚刚开始。计算能力的黄金时代才刚刚开始。我们常说，当今世界正在经历一场百年不遇的巨变。体现在数字经济上，即数字技术驱动的新一轮科技革命和产业变革正在深刻影响经济增长的路径和生产力发展的方向。这是一个值得关注的现象，也是一个需要深入研究的命题。日前，任指出，大计算能力时代已经到来，我们正在转向。我们应该理解并参与这个时代的变化。这几年国内算力行业发展非常快，和现在的数字化发展基本一致。中国信通院院长余晓晖给出的一组数据显示，中国计算力产业近五年平均增速超过30%；无独有偶，根据OpenAI此前发布的一项研究，AI训练中使用的计算能力每三到四个月就会翻倍。然而，人们没想到的是，芯片的计算能力将

应用场景需求越来越多样化，对上游软件设计和芯片硬件架构的协调提出了挑战。总的来说，计算能力是智能时代的新生产力。这一点毋庸置疑，但问题在于“生产力”的利用维度，因为大家不知道的是，计算能力有多重要，有多贵。早在1961年，计算能力被定义的时候，美国的约翰麦卡锡教授就提出了计算能力应该作为水和电的资源，类似于今天的云计算，计算能力应该内置在基础设施中。遗憾的是，时至今日，这一想法仍面临诸多核心技术挑战。举个简单的例子，目前很多AI芯片的核心都是利用乘加运算阵列来加速卷积神经网络中最重要的卷积运算，但是MAC阵列的大量运算会增加功耗，所以如何实现优异的性能功耗比一直是AI芯片研发的重点目标。但这并非无解。一些国内的AI玩家也尝试给出自己解决问题的思路，甚至在某些方面走在了世界的前面。以SenseCore尚汤艾设备为例，它是商汤以前瞻的方式打造的新型人工智能基础设施。基于商汤AIDC(新型人工智能计算中心)，有机整合深度学习平台和模型层，使计算能力得到更好的解耦和利用，同时实现批量算法模型生产、部署和迭代升级。换句话说，计算能力大的问题不仅是技术问题，也是成本问题。业内有人做了一个生动的比喻：如果把GPU比作一辆公交车，那么AI的计算任务就相当于一个旅行团。在传统的计算能力分配模式下，无论计算量是大是小，都会占用一个硬件单元，就像一个小团体出行，却要覆盖整个公交车，这无疑是一种资源浪费。其实这也是当今人工智能行业的一个关键矛盾：——技术成本与商业化的不匹配。如果AI解决了一个问题，其自身的成本和代价远远大于解决它所带来的收益，那么这个事情就应该认真考虑，因为归根结底，初衷是为了更好地解决问题，取得一个相对积极的商业化结果。02思考：场景搭建与象限聚焦如前所述，当前大计算力的一个关键命题是如何解决长尾需求。但在实际应用场景中，从计算能力到终端需求的链条很长，包括计算能力硬件、计算能力调度管理软件、能力平台软件、场景解决方案服务等。每个关键环节都是串联上下游的，缺少任何一个环节都会影响计算能力的最终应用效果。这是智能时代对计算能力的最高挑战，因为智能的本质是对数据的深度处理和提炼，依靠计算能力和算法将数据训练成模型，进而实现包括通用人工智能、可解释人工智能甚至类脑智能在内的智能建模，最终形成以大模型为代表的智能时代，这也是徐新口中的AI时代三要素：一个好的解决方案必须聚焦于计算能力、算法和数据的象限。我们以典型的商汤科技为例。它在大计算能力上的投入是有保障的。据悉，在上港附近的上塘建设的人工智能计算中心AIDC已于今年投入运行，峰值计算能力为3740P，也是目前亚洲最大的人工智能计算中心之一。在商汤看来，现在的任务是找出未来AI对计算能力、数据和算法的需求空间，同时要知道自己的定位：当有更好的AI基础设施时，能为各行业的用户和客户创造什么样的价值。在2022中国计算大会商汤人工智能基础设施创新论坛上，由淄博市政府牵头的华北地区AI计算创新中心正式宣布启动。在商汤科技联合创始人兼CEO徐莉看来，“AI大设备的本质是让AI落地，摆脱

“他认为AI是劳动密集型的，因为生产效率不高，而提高生产效率的关键是生产要素成本足够低。根据徐莉的“机器猜想”，依靠人脑的方式可能永远赶不上宇宙的膨胀。如果你真的想解开宇宙的真相，可以尝试使用更大的数据和更强的计算能力，也许甚至会撞上更多意想不到的结果。以智慧城市为例。今天，整个城市一级的服务和综合管理可以通过大量的

视频的处理和分析，更加自动化的完成，当然也意味着需要更好的AI基础设施和更好的计算能力支持。目前，AIDC已在山东多个行业得到应用，包括智慧园区、智能遥感、智慧医疗、智慧教育等。以市级工业计算基地商计算创新中心为依托，淄博的一张新名片“杜挚”慢慢浮出水面。某种程度上，“商汤模式”并不复杂，其实就是构建产业级生态的方式和逻辑，即以AI计算创新中心为支点，支持中心城市及周边地区的企业提供AI服务，从而形成发散型产业链结构。虽然很多方面还有待考证，但也为国内AI行业提供了一个可行的样本。这很容易让我想起《云网融合：算力时代的数字信息基础设施》这本书，其中作者李正茂曾经做过一个生动的解释：如果说互联网是智能时代1.0，计算网络是智能时代2.0，模型网络是智能时代3.0，那么从信息的角度来说，电信网络解决了数据联网，互联网解决了信息联网，计算网络将解决云联网，模型网络将解决算法联网。03总结有一种说法是，当电力成为工业时代的基础设施或主要驱动力时，人类才真正步入电力时代。同样，在计算力时代，虽然今天互联网和计算力的渗透无处不在，但远远不够。我们必须承认，现在的人工智能是计算能力黄金时代之前的第一枪。随着深度学习网络模型越来越普及，参数越来越大，其对计算能力的需求也在过去几年中增长了约50万倍，年均增长率超过十倍，甚至超过了对算法精度的需求。此外，行业内对长尾细分的需求也越来越多。虽然这些应用出现的频率较低，但一旦出现，就会产生不可逆的影响，行业将具有巨大的商业价值。也就是说，在这张“计算地图”上，还有大量的黄金有待开采。回到最初的讨论话题，如何理解大计算能力是检验人工智能的关键指标。其实这里有两层意思：1。大计算力现在需要解决的是“场景升级”逻辑，而不是互联网中的“颠覆”逻辑，所以需要根植于底层场景需求，要“因地制宜”；2.大计算力的根本目的是大幅度降低人工智能的生产要素成本，也是最难的一点。就像物流领域的“最后一公里”问题，是一个必须跨越的坎。