【超算中心相继投运 AI产业化困局破解了？】《科创板日报》（上海 ， 采访人员 黄心怡） 1月24日 ， 坐落于上海临港的商汤科技人工智能计算中心（简称”商汤AIDC”）正式启动运营 ， 其设计的峰值算力高达3740 Petaflops（1 Petaflop等于每秒1千万亿次浮点运算） ， 会成为亚洲最大的人工智能计算中心之一 。
近年来 ， 各地纷纷加快人工智能基础设施的布局 。 据《科创板日报》采访人员不完全统计 ， 2021年 ， 武汉人工智能计算中心、中原人工智能计算中心、西安未来人工智能计算中心、南京智能计算中心已相继投运 。 此外 ， 还有成都、大连、沈阳和佛山等地在建或计划建设 。 除了商汤科技外 ， 华为是各地人工智能计算中心背后的建设主力军 。
多名业内人士告诉《科创板日报》采访人员 ， 稀缺而昂贵的算力是阻碍人工智能发展的挑战 ， 也是影响数字经济、元宇宙等领域发展的关键因素之一 。 人工智能计算中心建起来后 ， 还有待配套设施的进一步完善 ， 才能真正用起来 ， 促进AI规模化落地 。
算力成为制约AI发展的门槛
据中国工程院院士、清华大学计算机系教授郑纬民介绍 ， 人工智能的行业应用可分为四大类：
第一类应用是图像视频的检测类应用 ， 以卷积网络为核心 ， 可以应用到安防、医疗诊断、自动驾驶 ， 城市治理等 。
第二类决策类应用 。 以强化学习技术为核心 ， 应用于交通规划、精准的行销、个性化推荐 。 这方面最有名的例子是阿尔法狗 。
第三类是自然语言类应用 。 以Transformer技术为核心 ， 应用于多种语言的翻译 ， 智能交互、文学创作、搜索推荐等 。 随着自然语言处理大模型的出现 ， 正在逐步成熟 。 而自然语言类型这一类应用需要非常强大的计算力 。
第四类是AI与科学融合应用 。 人工智能与科学计算深度融合 ， 可以解决前沿科学问题 ， 如蛋白质结构的预测 ， 这是AI与科学计算融合的最典型的应用 。
随着行业应用的不断推进 ， 人工智能正快速走向更大模型的发展 。 郑纬民指出 ， 几乎每3、4个月所需要的计算机算力又扩大一倍 。 ”
中科院自动化所研究员、中国科学院大学教授、博导、多模态人工智能产业联盟秘书长王金桥也认为：“如今人工智能到了新阶段 ， 随着数据越来越多 ， 模型的参数量越来越大 ， 要训练一个模型依赖很大的算力支撑 ， 人工智能科研和教学、产业都缺乏人工智能算力 ， 大家有这样的强烈需求 。 ”
对于现已投运或正在开建、规划的人工智能计算中心,如何才能真正发挥算力价值 ， 推动AI产业应用落地?
IDC中国助理研究总监卢言霞表示 ， 主要看配套措施 ， 比如人才、培训等方面配套是否到位 ， 如果真正用起来 ， 就能对AI规模化落地有帮助 。
华为昇腾计算业务总裁许映童指出 ， 除了算力方面的挑战外 ， 人工智能的人才问题也是老生常谈 ， “懂人工智能的不懂应用 ， 懂应用的不了解人工智能技术 ， 影响了AI在产业里面落地 。 ”
同时 ， 高质量的数据集较难获得 ， 也是AI发展的一大瓶颈 。 “无论是在教学也好 ， 科研也好 ， 产业也好 ， 大量的高质量的数据集还是来自欧美 。 目前的格式、公式、安全、交易等一系列基础性的工作 ， 目前还是比较滞后 。 ” 许映童说 。
AI产业化路径怎么走？
自谷歌“AlphaGo”打败李世石后 ， 人工智能便开始成为业界的焦点 。 目前 ， 人工智能已在安防、汽车、制造、医疗、金融等领域得到一定的应用 ， 但要实现产业化还面临多方面挑战 。