760萬標準機架

截至2023年6月底，我國在用數據中心機架總規模超過760萬標準機架，算力總規模達到197EFLOPS，位居全球第二。我國算力總規模近五年年均增速近30%

◎記者 劉怡鶴

如同農業時代的水利、工業時代的電力，算力是數字經濟時代的關鍵生產力。2023年，用於訓練AI大模型的智能算力成爲供不應求的生產資源之一。

展望2024年，業內預計，智能算力在總算力規模中的比重將進一步提升。隨着AI大模型進入應用階段，用於推理的算力將和訓練算力一樣受到關注，分散且更靠近用戶的邊緣算力或迎來新風口。另一方面，在全球AI芯片供應緊缺的背景下，國產AI芯片的研發也在加快。

智能算力比重將進一步提升

2023年末，《深入實施“東數西算”工程 加快構建全國一體化算力網的實施意見》（下稱《實施意見》）出爐。在全國一體化大數據中心體系總體佈局的基礎上，《實施意見》提出構建全國一體化算力網，包括統籌通用算力、智能算力、超級算力的一體化佈局，統籌東中西部算力的一體化協同等。

上海社會科學院信息研究所副所長丁波濤接受上海證券報記者採訪表示：“當前我國數字經濟仍保持較快發展勢頭，尤其是2023年興起的生成式AI，更需要大數據、大模型和大算力作爲支撐。”

丁波濤認爲，社會算力需求是多元化的，既需要擴大算力總規模，也需要提高算力質量；既需要發展一般性的通用算力，也需要擴大智能算力和超級算力供給；既需要加強西部算力體系建設促進“東數西算”，也需要提升東部算力能級實現數據的本地計算。因此，《實施意見》着重解決我國算力體系中存在的地區佈局失衡、算力資源分散、算力流通遇阻等問題，進一步優化全國整體算力供給結構。

截至2023年6月底，我國在用數據中心機架總規模超過760萬標準機架，算力總規模達到197EFLOPS（EFLOPS是指每秒百億億次浮點運算次數），位居全球第二。我國算力總規模近五年年均增速近30%。

2023年10月印發的《算力基礎設施高質量發展行動計劃》提出，到2025年，計算力方面，算力規模超過300EFLOPS，智能算力佔比達到35%。《2023智能算力發展白皮書》顯示，2022年我國智能算力規模爲41EFLOPS，在總算力規模中佔22.8%。智能算力在總算力規模中的比重將進一步提升已成爲業內共識。

推理算力將與訓練算力並重

2023年智能算力的關鍵詞是“訓練”，即AI大模型需要消耗大算力進行訓練。

雲計算服務商優刻得擁有兩座自建數據中心，分別位於“東數西算”西部樞紐節點內蒙古烏蘭察布和東部節點長三角地區的上海市。目前，烏蘭察布數據中心已形成可支持萬億參數、千卡集羣的大模型訓練能力，服務於大模型訓練和推理任務。

優刻得副總裁劉傑告訴記者，由於2023年大模型訓練需求爆發，優刻得烏蘭察布數據中心機櫃銷售數量大幅增加，已提前啓動二期建設。

與上述大型數據中心提供的高密度算力不同，邊緣算力在靠近數據源頭的邊緣側進行計算及存儲。近年來，網宿科技憑藉其豐富的邊緣計算節點資源，進一步發力邊緣雲計算服務。2023年8月起，網宿科技推出升級版GPU算力平臺，提供低時延、靈活彈性的邊緣AI計算服務。

網宿科技高級副總裁李伯洋說，2024年，隨着各行各業迎來垂類大模型，AI大模型應用逐步落地，用於推理的算力將和訓練算力一樣受到關注。當AI技術進入大規模應用階段，交互非常頻繁，對時延提出較高要求，推理算力需求靠近用戶、趨於分散，邊緣算力將發揮更大作用。

算力產業鏈加快擁抱國產化

智能算力的核心是AI芯片，GPU就是目前較成熟的通用型AI芯片。GPU芯片巨頭英偉達在全球AI芯片市場上具有壟斷優勢。但業內預計，2024年AI芯片國產化替代將加速推進。

上海交通大學計算機科學與工程系教授梁曉曉介紹說，國內AI芯片的研發路徑有三：一是專用芯片；二是通用型GPU芯片；三是彎道或變道超車路線，如存算一體、量子計算、光子計算等。

近年來，我國興起了一批AI芯片初創公司，涵蓋多種技術路徑。在英偉達GPU供應緊缺和受到限制背景下，國產AI芯片加快落地算力產業鏈。2023年12月，摩爾線程在北京舉行了首個全國產千卡千億模型訓練平臺——摩爾線程KUAE智算中心揭幕儀式，宣佈國內首個以國產全功能GPU爲底座的大規模算力集羣正式落地。

在各AI芯片公司致力於構建各自生態的同時，學術界提出開源作爲國產AI芯片發展的創新路徑。

2022年10月，梁曉曉團隊推出開源GPGPU（通用GPU）平臺“青花瓷”。“大模型時代，英偉達領先優勢明顯。我們以學校作爲一箇中立單位推出免費、開放、開源的軟硬件生態，希望有助於爲國內AI芯片公司解決錢、人、時間的問題。”梁曉曉說。

2022年8月，清華大學集成電路學院副教授何虎團隊推出基於RISC-V（一種開放免費的指令集架構）的開源GPGPU實現方案。何虎說：“硬件和軟件之間有一個核心接口，就是指令集架構。指令集架構一邊可以構建豐富的軟件生態，另一邊可以對接各種國產AI芯片，軟件生態和芯片之間可以更加靈活地適配。”

開源的創新路徑爲加快AI芯片國產化替代提供了新思路。上述專家告訴記者，目前，已有不少公司加入開源生態、開源指令集的合作開發中。