云上会│智取未来：AI算力引领智能革命
随着技术的突飞猛进，人工智能（AI）算力已成为衡量一个国家或地区在AI领域竞争力的关键指标。
AI算力不仅关乎硬件的运算速度和内存容量，更涉及软件框架和算法优化的深度融合。它的发展水平已成为推动数字经济发展的重要驱动力。
9月4日，第一财经云上会节目深入解析了AI算力的内涵，探讨了它与通用算力的区别，以及它在硬件、软件、算法优化等方面的构成要素。节目特邀了汇正财经的资深策略师王杰、汇正财经的资深策略师鲍飞，以及上海交通大学网络信息中心副主任林新华，共同探讨AI算力的发展前景、国内外市场竞争格局和挑战。
什么是AI算力？
“AI算力，就是指人工智能的计算能力。”鲍飞首先解释了AI算力的概念，他指出AI算力是专门处理人工智能任务的软硬件系统的总称，不仅取决于硬件设备的性能，如CPU、GPU的运算速度和内存容量，还涉及软件框架和算法优化。
如今，AI算力已经成为市场关注的焦点，其主要应用包括大模型训练和AI应用的落地。鲍飞指出，无论是百度、阿里还是科大讯飞等知名企业，它们的AI应用都依赖于强大的AI算力来实现。
此外，AI算力不仅是企业竞争力的体现，更是国家和地区人工智能水平的重要标志。鲍飞强调：“AI算力对于提升经济竞争力和推进科技创新具有至关重要的作用。它已经成为数字经济发展的重要驱动力。”
王杰进一步阐述了AI算力与通用算力的区别。他指出，AI算力主要应用于机器学习、深度学习和AI大模型，具有强大的并行处理能力，AI算力的硬件基础包括中央处理器（CPU）、图形处理器（GPU）、以及专用芯片如FPGA和ASIC。而通用算力则类似于日常使用的电脑，执行简单的互联网任务和计算任务。AI算力在应用场景、硬件配置和计算需求方面都有更高的要求，例如，AI算力的一个指标是1000P，即每秒能计算1000万亿次，这是普通CPU无法满足的。
AI算力跃迁：存储、传输与芯片异构化的三重奏
从硬件的升级到软件的创新，再到算法的优化，AI算力的每一次跃迁都成为人工智能发展的核心驱动力。
回顾过去，林新华称，自2013年至2014年，GPU算力的显著提升为AI的发展提供了强大支持，标志着人工智能的新一波起飞。他将未来AI算力的发展分为数据存储的多元化、数据传输的复杂化以及数据处理芯片的异构化三个核心部分。
具体在在数据存储方面，林新华认为，AI模型训练对高质量数据集的需求日益增长，这不仅涉及到大量的数据标注和清洗工作，还推动了软硬件的创新。例如，高带宽内存（HBM）的使用已成为AI领域的常态，以满足在计算和训练过程中对大量内存的需求。
鲍飞也认为，数据的传输和存储也是AI算力中越来越受重视的部分。他分析称，高效的数据传输和存储能够减少数据访问延迟和带宽占用，从而提升整体效率。算力基础设施，如数据中心、服务器和网络设备，为AI算力提供了物理支撑。中国在这一领域的发展尤为突出，通过“东数西算”工程和全国算力一体化，中国在全球算力基础设施建设中走在了前列。
同时，数据传输的复杂化是AI算力发展的另一个重要方面。林新华称，随着数据量的激增，传统的数据传输方式已不再适用。为了满足AI训练过程中对数据包延时和大小的严格要求，需要设计更复杂的数据传输通路。最后，数据处理芯片的异构化是AI算力发展的趋势之一。在一个芯片上集成存储和通讯功能，预示着未来数据存储、传输和计算将有更多的创新应用。
鲍飞认为，软件框架在AI算力中同样不可或缺。它不仅支持算法的开发，还涉及推理、部署和模型训练等全链条过程，为硬件提供必要的支持。同时算法优化是提升AI算力的另一个关键途径。通过算法的完善和优化，可以减少计算资源的需求，提升计算的精度和效率。例如，通过剪枝和量化技术，可以在不影响性能的情况下压缩算法，加速计算过程。
角逐竞争版图：芯片、服务器与网络设备的关键角色
在人工智能（AI）算力的全球竞争中，中国正逐渐成为重要的参与者。从芯片、服务器到网络设备，中国企业正积极布局，以期在进一步提升技术和市场占有率。
鲍飞指出，中国AI算力产业链较长，涉及多个关键领域。首先，芯片是AI算力的核心，目前中国在GPU芯片领域存在一定的产能瓶颈。尽管如此，国内企业正在取得突破，预计到2025年，随着技术进步，国产GPU的市场占有率将显著提升。
具体看来，鲍飞分析称，在服务器领域，中国拥有明显优势。国内企业如浪潮信息在服务器市场的占有率较高，达到了30%左右，显示出中国在这一领域的自给自足能力。网络设备方面，华为和中信等国内企业已经能够提供完全国产化的解决方案，进一步巩固了中国在全球AI算力竞争中的地位。
王杰也提到，中国在硬件和软件方面都在不断进步和升级换代。根据IDC的数据，2023年中国AI服务器市场规模约为95亿美元，而2024年的市场规模已经达到110亿美元，显示出市场的加速增长。预计到2026年，这一数字将增长至160亿美元。
“市场规模在不断扩大，但目前中国在全球AI市场份额中所占比例较低，”王杰分析称，主要原因是国内算力获取的难度相对较大。算力获取的困难限制了某些AI项目的发展和实施。
鲍飞强调，技术创新是推动AI算力发展的关键因素。AI算力的快速发展与GPU的推出密切相关，技术创新在满足日益增长的AI需求方面发挥了主导作用。另外，政策支持也是中国AI算力发展的重要推动力。中国政府的积极政策和资金支持，为中国AI算力的快速发展提供了坚实的基础。
当前，国内一些科技巨头正在积极推动AI算力的发展。王杰认为，百度、阿里巴巴、腾讯和字节跳动等公司占据了国内AI算力总需求的70%以上。这些公司正在不断努力，对算力及相关硬件和软件进行升级换代，以期在算力获取方面取得突破。一旦在算力获取方面取得进展，中国的AI市场有望实现快速发展。
创新与需求驱动，AI算力供应紧张逐步缓解
随着人工智能技术的快速发展，AI算力需求的增长速度远超预期。然而，市场上出现了供应紧张的情况也引发了业界的广泛关注。
王杰指出，随着全球AI算力需求飞速增长，AI服务器市场的年复合增长率达到25%，每年新带来的市场增量超过3000亿元。统计数据显示，2023年人工智能服务器出货量达到120万台，增长速度超过38%。预计到2026年，AI服务器在整体服务器出货量中的占比将达到15%。
国内市场AI算力的增长态势迅猛，王杰分析，在中国，AI市场的芯片规模在2024年有望增长至2302亿元，同比增长91%，这一数据凸显了国内AI算力发展的强劲势头。
林新华指出，从整体来看，场上对于高端AI算力的需求旺盛，尤其是英伟达的高端显卡等产品。限售政策、国外科技巨头大量需求。等因素
国内市场方面，林新华指出，中国并不存在普遍的AI算力紧张问题，目前的紧张局势主要是局部性的。他引用了一组数据，2024年前7个月，中国共建设了10040个计算中心，平均每个工作日建成一个，这样的建设速度表明AI算力的总体供应是充足的。
林新华预测，未来两年这种情况将得到显著缓解。一方面，大型企业的需求将趋于稳定，产能将逐步释放。另一方面，随着需求侧的调整，许多项目不再需要高端算力，中低端产品即可满足需求，这将有助于缓解供应压力。
王杰提到，当前国产化AI进步是非常快的，国内运营商如移动、电信、联通等也在加快布局AI服务器市场，推动国产化进程。值得一提的是，合成数据的出现解决了AI训练中的数据隐私保护问题，为AI训练提供了大量数据，减少了对人类大数据的依赖，这是AI算力发展的一大进步。同时，量子计算机被视为解决AI算力不足的重大解决方案，其在处理复杂计算方面的能力将突破传统计算机的瓶颈。
林新华也提到，国内供给侧也在积极发力，华为、曙光等国内厂商在GPU领域的进步显著，产品生态日益完善，预计将在未来两年内显著改善局部性的AI算力紧缺情况。
总的看来，在全球AI算力设施环境迅速发展的背景下，中国在算力总规模上已位居全球第二，近5年的年均增长速度超过30%。王杰认为，这一成就展示了算力在数字经济中的重要地位，以及对推动数字经济发展和数字化转型的重要作用。
随着供需两侧的调整和国内厂商的技术进步，相信AI算力的供应紧张局势将得到有效缓解，一个更加智能化、高效化的新纪元即将到来。