每经采访人员 张蕊 北京摄影报道 每经编辑 陈旭
近几年来 ， 新型基础设施建设进行得如火如荼 ， 以智能计算中心为代表的算力基础设施是其中不可或缺的一项 。
继南京等地人工智能计算中心落成之后 ， 多个城市的地方政府也在积极推进城市级人工智能计算中心的建设 ， 越来越多的地方将其视为实现支撑和引领数字经济、智能产业、智慧城市、智慧社会发展的关键性信息基础设施 。
今年7月 ， 工信部发布《新型数据中心发展三年行动计划（2021-2023年）》 ， 提出要打造新型智能算力生态体系 ， 有效支撑各领域数字化转型 ， 更是把智能计算提高到一个新的高度 。

文章图片

智能计算的发展现状如何？面临哪些问题？在“双碳”目标下 ， 智能计算将如何发展？在10月26日于北京举行的2021人工智能计算大会（AICC2021）上 ， 业界专家就上述问题进行了探讨 。
从芯片到算力的转化还需跨越鸿沟
本次大会发布了《2021-2022中国人工智能计算力发展评估报告》 。 该报告指出 ， 算力已经成为数字时代的核心生产力 ， 是拉动数字经济向前发展的新动能 。 对于AI算力的投入 ， 将加快人工智能这一重要的数字化技术与实体经济的融合 ， 赋能传统产业转型升级 ， 催生新产业新业务新模式 。
中国工程院院士、浪潮集团首席科学家王恩东在大会上表示 ， “人工智能带来指数级增长的算力需求 ， 计算产业正面临着多元化、巨量化、生态离散化交织的趋势与挑战 。 ”
王恩东表示 ， 一方面多样化的智能场景需要多元化的算力 ， 巨量化的模型、数据和应用规模需要巨量的算力 ， 算力已经成为人工智能继续发展的重中之重 。
另一方面 ， 从芯片到算力的转化依然存在巨大鸿沟 ， 多元算力价值并未得到充分释放 。 如何快速完成多元芯片到计算系统的创新 ， 已经成为推动人工智能产业发展的关键环节 。
芯片的多元化为产业AI化的加速提供了重要的产业基础和更加丰富的选择 。 但是 ， 芯片从造出来到大规模用起来 ， 还隔着一个巨大的产业鸿沟 。
具体来说 ， 算力的供给需要构建算力平台 ， 需要解决架构设计、核心部件、高速互联、散热设计等一系列问题 。
以一台AI服务器研制为例 ， 整个系统需要经过30多个开发流程 ， 使用150多种加工制造工艺 ， 对280多个关键过程控制点的质量进行严格把控 ， 并且还要实现与算法框架和AI应用的优化和适配等问题 。
与此同时 ， 面对大规模AI算力部署 ， AI算力平台建设又面临高功耗、高电流密度、高总线速率、高系统复杂度的新问题 。
王恩东表示 ， 就像我们能造出性能强大的火箭发动机 ， 但要想造出安全、高性能的运载火箭 ， 还要在循环、控制、结构等很多领域做大量的工作 。 芯片到计算系统同样如此 ， 需要完成体系结构、信号完整性、散热、可靠性等大量系统性设计工作 。
浪潮信息副总裁、AI&HPC产品线总经理刘军对《每日经济新闻》采访人员坦言 ， “目前智能计算还处在起步阶段 ， 但它的成长速度是很快的 ， 成长空间也非常广阔 。 ”
刘军解释 ， 如果从计算量来看 ， 智能计算实际上已经超过了传统CPU的计算量 ， 它每瓦的计算力与传统CPU相比至少高10倍以上 。 但是为了满足对巨量计算力的需求 ， 智能计算整个链条使用的都是产业里最先进的技术 ， 所以它的成本现在还比较高 。
“为什么现在多元的发展是件好事 ， 只有多元发展 ， 在量上铺开了 ， 大家的成本才能降下来 ， 整个产业的运行效率才能提上去 。 ”刘军说 。