综上，就不难理解，为什么IDC与浪潮联合发布的《2020-2021中国人工智能计算力发展评估报告》会认为，“算力是未来人工智能应用取得突破的决定性因素。”

多管齐下，方能破除AI产业化算力瓶颈

AI计算力的瓶颈如何破除？AI被视作是第四次工业革命，蒸汽技术革命（第一次工业革命）与电力技术革命（第二次工业革命）均伴随着能源革命，而计算机及信息技术革命（第三次工业革命）本质是一次遵循摩尔定律的计算力革命，智能革命则会掀起一次新的计算力革命，新一轮计算力革命的目的就是满足AI工业化大生产的计算力需求。每一轮工业革命都不是任何一个企业可以推动的，同样，智能计算力革命也要全社会多方参与、多管齐下。

1、技术层面，在同等成本与能耗下，基于AI芯片的AI服务器会提供指数级增长的计算力。

服务器是计算的物理载体，传统服务器已无法满足AI计算需求。近年来在英伟达、寒武纪、华为等玩家的推动下，专为AI计算定制的芯片出现并规模化出货，基于AI芯片，浪潮等服务器巨头推出多款AI服务器来生产AI计算力，AI服务器成为服务器市场的最大增长点。
 

在WAIC（世界人工智能大会）上，百度CEO李彦宏指出，AI发展一共分为技术智能化、经济智能化与社会智能化三个阶段，经济智能化分为两部分，上半场是AI平台化蓄能，在搜索、信息流等少数领域落地；下半场是AI产业化，AI渗透到各行各业大规模商业化，李彦宏认为“我们正处于从经济智能化的前半段向后半段过渡的时期”，这一观点在行业内引发较大共鸣，人们都坚信，AI产业化时代已全面来临，后疫情时代，AI产业化进入深水区。

AI发展的不同阶段，有着不同的制约因素。早期，算法的突破决定着AI的发展水平，AlphaGo战胜李世石标志着深度学习算法的突破性进展；接着，AI被越来越多科技企业重视，各家都纷纷布局AI，导致AI人才一下变得十分稀缺；接下来，在AI产业化的深水区，最大制约要素则成为算力。

AI产业化进入深水区，算力成了“最后一公里”

《2020-2021中国人工智能计算力发展评估报告》认为，“随着AI算法突飞猛进的发展，越来越多的模型训练需要巨量的算力支撑才能快速有效地实施，算力是未来人工智能应用取得突破的决定性因素。”2020年中国人工智能基础设施市场规模达到39.3亿美元，同比增长26.8%。

马化腾曾指出，AI发展一共有四大要素：场景、大数据、计算能力与人才。每一个要素都会决定AI产业化的进程。为什么在AI产业化进入深水区后，算力成为最大的制约因素？

首先，算力外的要素，如数据、场景、人才、算法都得到了一定程度的解决。互联网巨头拥有海量大数据且正积极通过云开放出来；AI产业化阶段AI渗透到千行百业不缺场景，遍地开花的AI应用也表明AI确实有广泛的应用价值；经历多年产学研结合的培养后AI人才荒已经得到一定程度解决，仅仅是百度就宣称自己已给行业培养100万AI人才；基于深度学习的算法模型如今也已趋于成熟，不断进化。

其次，算法今天呈现出“膨胀”的趋势，就是模型越来越大，越来越复杂，对计算力要求越来越高。目前，某些模型已逼近人工智能的算力极限，OpenAI最近公布的史上最大AI语言模型GPT-3不仅模型尺寸增大到1750亿，数据量也达到惊人的45TB，这种进化一方面，对于新任务，不需要重新收集大量带标签的数据，数据利用效率进一步提升；另一方面，可以避免算法微调出现过拟合，导致模型泛化能力下降。然而，传统的计算力供给形式已经难以满足不断进化的算法模型，成为制约AI算法进化的因素。

再其次，AI产业化意味着AI将应用到全行业与全场景，进入到工业化大生产阶段，一方面数据会进一步爆发式增长，另一方面，AI计算不存在在线离线一说，因为机器要不断处理数据、训练模型、学习进化，计算不能停止。AI产业化时代，计算量会指数级增长，传统云计算、数据中心等传统基础设施架构下的算力已无法满足需求。

最后，扑面而来的5G时代也是AIoT时代，自动驾驶、智能制造、智慧能源、智能物流与智能城市等等新应用爆发，更多的设备、更多的场景、更多的数据，意味着更多的计算需求，同时，边缘智能变得越来越重要，原来的集中计算模式已难以满足。

（编辑：济南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!