雲上會│智取未來：AI算力引領智能革命
隨着技術的突飛猛進，人工智能（AI）算力已成爲衡量一個國家或地區在AI領域競爭力的關鍵指標。
AI算力不僅關乎硬件的運算速度和內存容量，更涉及軟件框架和算法優化的深度融合。它的發展水平已成爲推動數字經濟發展的重要驅動力。
9月4日，第一財經雲上會節目深入解析了AI算力的內涵，探討了它與通用算力的區別，以及它在硬件、軟件、算法優化等方面的構成要素。節目特邀了匯正財經的資深策略師王傑、匯正財經的資深策略師鮑飛，以及上海交通大學網絡信息中心副主任林新華，共同探討AI算力的發展前景、國內外市場競爭格局和挑戰。
什麼是AI算力？
“AI算力，就是指人工智能的計算能力。”鮑飛首先解釋了AI算力的概念，他指出AI算力是專門處理人工智能任務的軟硬件系統的總稱，不僅取決於硬件設備的性能，如CPU、GPU的運算速度和內存容量，還涉及軟件框架和算法優化。
如今，AI算力已經成爲市場關注的焦點，其主要應用包括大模型訓練和AI應用的落地。鮑飛指出，無論是百度、阿里還是科大訊飛等知名企業，它們的AI應用都依賴於強大的AI算力來實現。
此外，AI算力不僅是企業競爭力的體現，更是國家和地區人工智能水平的重要標誌。鮑飛強調：“AI算力對於提升經濟競爭力和推進科技創新具有至關重要的作用。它已經成爲數字經濟發展的重要驅動力。”
王傑進一步闡述了AI算力與通用算力的區別。他指出，AI算力主要應用於機器學習、深度學習和AI大模型，具有強大的並行處理能力，AI算力的硬件基礎包括中央處理器（CPU）、圖形處理器（GPU）、以及專用芯片如FPGA和ASIC。而通用算力則類似於日常使用的電腦，執行簡單的互聯網任務和計算任務。AI算力在應用場景、硬件配置和計算需求方面都有更高的要求，例如，AI算力的一個指標是1000P，即每秒能計算1000萬億次，這是普通CPU無法滿足的。
AI算力躍遷：存儲、傳輸與芯片異構化的三重奏
從硬件的升級到軟件的創新，再到算法的優化，AI算力的每一次躍遷都成爲人工智能發展的核心驅動力。
回顧過去，林新華稱，自2013年至2014年，GPU算力的顯著提升爲AI的發展提供了強大支持，標誌着人工智能的新一波起飛。他將未來AI算力的發展分爲數據存儲的多元化、數據傳輸的複雜化以及數據處理芯片的異構化三個核心部分。
具體在在數據存儲方面，林新華認爲，AI模型訓練對高質量數據集的需求日益增長，這不僅涉及到大量的數據標註和清洗工作，還推動了軟硬件的創新。例如，高帶寬內存（HBM）的使用已成爲AI領域的常態，以滿足在計算和訓練過程中對大量內存的需求。
鮑飛也認爲，數據的傳輸和存儲也是AI算力中越來越受重視的部分。他分析稱，高效的數據傳輸和存儲能夠減少數據訪問延遲和帶寬佔用，從而提升整體效率。算力基礎設施，如數據中心、服務器和網絡設備，爲AI算力提供了物理支撐。中國在這一領域的發展尤爲突出，通過“東數西算”工程和全國算力一體化，中國在全球算力基礎設施建設中走在了前列。
同時，數據傳輸的複雜化是AI算力發展的另一個重要方面。林新華稱，隨着數據量的激增，傳統的數據傳輸方式已不再適用。爲了滿足AI訓練過程中對數據包延時和大小的嚴格要求，需要設計更復雜的數據傳輸通路。最後，數據處理芯片的異構化是AI算力發展的趨勢之一。在一個芯片上集成存儲和通訊功能，預示着未來數據存儲、傳輸和計算將有更多的創新應用。
鮑飛認爲，軟件框架在AI算力中同樣不可或缺。它不僅支持算法的開發，還涉及推理、部署和模型訓練等全鏈條過程，爲硬件提供必要的支持。同時算法優化是提升AI算力的另一個關鍵途徑。通過算法的完善和優化，可以減少計算資源的需求，提升計算的精度和效率。例如，通過剪枝和量化技術，可以在不影響性能的情況下壓縮算法，加速計算過程。
角逐競爭版圖：芯片、服務器與網絡設備的關鍵角色
在人工智能（AI）算力的全球競爭中，中國正逐漸成爲重要的參與者。從芯片、服務器到網絡設備，中國企業正積極佈局，以期在進一步提升技術和市場佔有率。
鮑飛指出，中國AI算力產業鏈較長，涉及多個關鍵領域。首先，芯片是AI算力的核心，目前中國在GPU芯片領域存在一定的產能瓶頸。儘管如此，國內企業正在取得突破，預計到2025年，隨着技術進步，國產GPU的市場佔有率將顯著提升。
具體看來，鮑飛分析稱，在服務器領域，中國擁有明顯優勢。國內企業如浪潮信息在服務器市場的佔有率較高，達到了30%左右，顯示出中國在這一領域的自給自足能力。網絡設備方面，華爲和中信等國內企業已經能夠提供完全國產化的解決方案，進一步鞏固了中國在全球AI算力競爭中的地位。
王傑也提到，中國在硬件和軟件方面都在不斷進步和升級換代。根據IDC的數據，2023年中國AI服務器市場規模約爲95億美元，而2024年的市場規模已經達到110億美元，顯示出市場的加速增長。預計到2026年，這一數字將增長至160億美元。
“市場規模在不斷擴大，但目前中國在全球AI市場份額中所佔比例較低，”王傑分析稱，主要原因是國內算力獲取的難度相對較大。算力獲取的困難限制了某些AI項目的發展和實施。
鮑飛強調，技術創新是推動AI算力發展的關鍵因素。AI算力的快速發展與GPU的推出密切相關，技術創新在滿足日益增長的AI需求方面發揮了主導作用。另外，政策支持也是中國AI算力發展的重要推動力。中國政府的積極政策和資金支持，爲中國AI算力的快速發展提供了堅實的基礎。
當前，國內一些科技巨頭正在積極推動AI算力的發展。王傑認爲，百度、阿里巴巴、騰訊和字節跳動等公司佔據了國內AI算力總需求的70%以上。這些公司正在不斷努力，對算力及相關硬件和軟件進行升級換代，以期在算力獲取方面取得突破。一旦在算力獲取方面取得進展，中國的AI市場有望實現快速發展。
創新與需求驅動，AI算力供應緊張逐步緩解
隨着人工智能技術的快速發展，AI算力需求的增長速度遠超預期。然而，市場上出現了供應緊張的情況也引發了業界的廣泛關注。
王傑指出，隨着全球AI算力需求飛速增長，AI服務器市場的年複合增長率達到25%，每年新帶來的市場增量超過3000億元。統計數據顯示，2023年人工智能服務器出貨量達到120萬臺，增長速度超過38%。預計到2026年，AI服務器在整體服務器出貨量中的佔比將達到15%。
國內市場AI算力的增長態勢迅猛，王傑分析，在中國，AI市場的芯片規模在2024年有望增長至2302億元，同比增長91%，這一數據凸顯了國內AI算力發展的強勁勢頭。
林新華指出，從整體來看，場上對於高端AI算力的需求旺盛，尤其是英偉達的高端顯卡等產品。限售政策、國外科技巨頭大量需求。等因素
國內市場方面，林新華指出，中國並不存在普遍的AI算力緊張問題，目前的緊張局勢主要是局部性的。他引用了一組數據，2024年前7個月，中國共建設了10040個計算中心，平均每個工作日建成一個，這樣的建設速度表明AI算力的總體供應是充足的。
林新華預測，未來兩年這種情況將得到顯著緩解。一方面，大型企業的需求將趨於穩定，產能將逐步釋放。另一方面，隨着需求側的調整，許多項目不再需要高端算力，中低端產品即可滿足需求，這將有助於緩解供應壓力。
王傑提到，當前國產化AI進步是非常快的，國內運營商如移動、電信、聯通等也在加快佈局AI服務器市場，推動國產化進程。值得一提的是，合成數據的出現解決了AI訓練中的數據隱私保護問題，爲AI訓練提供了大量數據，減少了對人類大數據的依賴，這是AI算力發展的一大進步。同時，量子計算機被視爲解決AI算力不足的重大解決方案，其在處理複雜計算方面的能力將突破傳統計算機的瓶頸。
林新華也提到，國內供給側也在積極發力，華爲、曙光等國內廠商在GPU領域的進步顯著，產品生態日益完善，預計將在未來兩年內顯著改善局部性的AI算力緊缺情況。
總的看來，在全球AI算力設施環境迅速發展的背景下，中國在算力總規模上已位居全球第二，近5年的年均增長速度超過30%。王傑認爲，這一成就展示了算力在數字經濟中的重要地位，以及對推動數字經濟發展和數字化轉型的重要作用。
隨着供需兩側的調整和國內廠商的技術進步，相信AI算力的供應緊張局勢將得到有效緩解，一個更加智能化、高效化的新紀元即將到來。