文章图片

从城市来看 ， 各个城市间人工智能角逐加剧 ， 算力基础设施是重要竞争力 。 2021年中国人工智能城市排行榜 ， 排名前五城市依次为北京、杭州、深圳、南京 ， 上海 。 与2020年相比 ， 南京进入前五 ， 济南进入前十名 。 在这个排名中我们看到南京处于很靠前的位置 ， 这正是由于当地政府的重视 ， 一方面针对AI的发展出台了一系列的产业规划 ， 另一方面是在南京落地了长三角地区规模最大、算力最强的智能计算中心 ， 提供公共性的AI算力服务 ， 帮助当地企业实现AI应用加速落地 ， 为城市人工智能产业化发展提供高速通道 。
从行业角度来看 ， 算力的行业渗透与行业的智能化程度紧密相关 。 在中国市场 ， 互联网行业渗透度第一 ， 这与阿里、字节、腾讯这样的互联网企业对于AI的应用密切相关 。 接下来是金融行业人工智能应用速度加快并超过政府行业 ， 位列第二 。 制造、交通和能源行业在人工智能的应用也更加深入 ， 分列第五、第七和第九位 。 相比去年 ， 人工智能在各个行业的渗透度都在增加 。
最有启发的数据是 ， 采用人工智能三年以上的企业 ， 已经获得显著收益 ， 被访企业平均收入增加9.8%、流程时间缩短20.4%、生产效率提升21.6% 。 显然 ， 早期部署AI的企业已经吃到红利 ， 取得超出行业整体的增长速度 。
系统创新弥补多元芯片与算力之间的鸿沟 王恩东院士从AI发展的洞察中看到三大趋势和挑战：多元化、巨量化、生态离散化 。 计算产业的这三大趋势造成两大鸿沟：一是多元化芯片与巨量算力之间 ， 二是算力与智能场景落地之间 。 跨越这两道鸿沟 ， 是行业稳定爬坡进入快速增长通道的必然选择 。
AI的爆发不仅是算力的线性增加 ， 人工智能应用需求日渐丰富 ， 催生芯片多元化发展 。 2020年以GPU为代表的AI加速芯片所交付的计算力总和已经超过了通用CPU ， 预计到2025年 ， 加速芯片所提供的计算力可能超过80% 。
此外 ， GPU依然是数据中心加速的首选 ， 占有90%以上的市场份额 ， 与此同时ASIC、FPGA和NPU等其他芯片也在各个领域被越来越多地采用 。 而ASIC ， FPGA ， NPU等其他非 GPU 芯片也在各个行业和领域被越来越多地采用 ， 整体市场份额接近 10% ， 预计到 2025 年其占比将超过 20% 。
“芯片多元化为产业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 ， 还存在巨大的产业鸿沟 。 ”王恩东表示 ， 多元算力价值并未得到充分释放 ， 将百花齐放的AI芯片转变成一个通用性强、绿色高效、安全可靠的计算系统 ， 已经成为推动人工智能产业发展关键破局环节 。
当然这也是非常难的一道门槛 。 我们知道 ， AI芯片在单一计算系统中往往高密度集成 ， 带来系统功耗、总线速率、电流密度的不断提升 ， AI计算系统的设计面临巨大挑战 。 例如一台浪潮AI服务器 ， 需要整合超过10000个零部件 ， 包含50多类专用芯片、30多个技术方向以及100多种传输协议 ， 涉及到材料、热力学、电池技术、流体力学、化学等一系列学科；需要经历30多个流程、150多种加工和制造的工艺、280多个关键过程的控制点 ， 如何确保整个系统的可靠性是一个非常精细且复杂的工程 。
王恩东院士用一个生动形象的比喻 ， 来类比计算系统创新的难度：“从火箭发动机到运载火箭 ， 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 。 ”