算力产业规模指数级增长，国内生态的寻路与突破

21世纪经济报道记者骆轶琪 郑州报道  AI大模型的持续竞速发展，让当前国内算力需求紧俏行情延续。但目前国内AI芯片呈现小而散的状态，彼此之间采用不同的软件生态和硬件架构，使得形成良好协同的算力体系仍面临一定困难。

2024中国算力大会期间，推动计算生态软硬件协同、探索异构计算能力互联、推动大模型相关应用落地等成为热议话题。业界普遍认为，只有保持充分的开放态度、同时推动应用层面商业化闭环，方能在面临外部市场压力的条件下，推动国内计算生态进一步完善。

算力飞速发展的另一面，是应用场景和绿色发展的重要性凸显。工业和信息化部总工程师赵志国表示，如今全国算力中心平均电能利用效率（PUE）降至1.47，创建国家绿色数据中心246个；工业、教育、医疗、能源等多个领域算力应用项目超过1.3万个。

他强调，构建适应中国式现代化发展需要的算力产业体系，要强化规划设计，统筹好“量的增长”和“质的提升”；强化创新驱动，统筹好技术创新和产业创新；强化应用培育，统筹好“化点成珠”和“串珠成链”；强化安全保障，统筹好高质量发展和高水平安全。

智算产业迅猛成长

在生成式AI浪潮下，全球主要市场都在积极发力算力体系建设。

大会上，中国信息通信研究院发布了《中国综合算力指数（2024年）》，其中显示，截至2023年底，全球算力基础设施总规模达到910EFLOPS（FP32），同比增长40%；其中，美国、中国算力基础设施规模位列前两名，算力占比分别为32%、26%，排在后面的分别是日本5%、德国4%、英国3%、加拿大3%，全球超过70%的算力集中在上述六个国家。

紫光股份董事长、新华三集团总裁兼CEO于英涛分析道，智算已经成为全球科技角逐的主赛道。根据第三方机构统计，全球对生成式人工智能相关私人投资在2023年达到252.3亿美元，同比增长接近10倍。国内市场方面，预计在2024—2027年间，中国智能算力规模将急剧增长，从2024年约497.1EFLOPS增长到2027年的1117.4EFLOPS。

这显示出我国智算技术不断突破、算网融合稳步推进，为AIGC产业高质量发展奠定了良好的基础。

算力基础设施主要包括算力、存力和运力三方面。前述指数报告显示，截至2024年6月，我国在用算力中心超过830万标准机架，算力规模达246EFLOPS（FP32），智算同比增速超过65%。我国算力结构不断调整，智算规模增长势头强劲。

存力方面，截至2023年底，我国存力规模达到约1200EB，同比增加20%；先进存储容量占比超过25%，同比增加20%。

运力主要指传输层面，全国58.3%的在用算力中心连接骨干网，其中大型、超大型算力中心连接比例为45%，规划在建算力中心预计有64%连接骨干网。从算力枢纽的连接效率看，各枢纽均已基本形成覆盖全国大部分省市的20ms时延圈，以及覆盖周边省市的5ms时延圈。60%以上省市可5ms到达至少1个算力枢纽集群，所有省份（包括西藏、新疆等）均可20ms接入多个算力枢纽集群。

在基础设施持续推进过程中，AI大模型的演进也到了新阶段。

OpenAI近日发布被称为“草莓”的GPT-O1备受热议。APUS董事长兼CEO李涛分析，目前人工智能发展有两大趋势：GPT-O1的出现让人工智能从有人类反馈和参与的强化机器学习，转向大模型自我对弈的强化学习，这让大模型可以自我训练和成长；由此让“AI for Science”的落地初露端倪，AI进入物理世界的可能性大幅提高。“当前最重要就是让人工智能进入千行百业，建设人工智能应用和生态建设，GPT-O1将带动经济增长并创造新的就业机会。”

推进软硬生态聚合

在智算产业基座方面，国内生态体系还面临外部环境挑战、内部生态相对碎片化的现状，要在此基础上完善计算生态能力，并推动大模型相关应用以更低成本的方式落地，仍有不少需要优化的方面。其中，“开放”是不少业者提到的重要命题。

仅在AI芯片方面，不同于海外市场主要以英伟达提供统一的硬件架构和软件适配生态，国内AI芯片企业众多，且采取了不同的发展路线：有强调“兼容”海外生态体系者，也有强调“自主”、自建指令集和生态者。由此二者面临的挑战各不相同：前者容易遭遇外部不确定性风险，后者则面临短期发展相对聚焦、生态扩容较慢的现状。

中国信息通信研究院院长余晓晖就指出，要加快软硬件产业协同，打造开放兼容的智能计算体系。

“中国目前有几十种自己的计算芯片，做了大量创新。但中国算力芯片生态比较碎片化，是很大的挑战。”他分析道，此外算力的需求和供给还面临错位、无法精准适配的现状，因此让算力互联成网是下一步要推动的重要工作。

由此在跨体系应用适配迁移方面，要加强智能计算软硬件协同。在多芯混合多架构组网方面，要推动不同架构芯片加速卡间、机间、集群间高效的互联互通，实现算力效能最大化。在超大规模算力集群构建方面，应打造更高效的算力集群，提升集群使用效率、稳定性，实现超大规模组网。

同时，算力指数级增长对能源也带来较大挑战，让算力和电力统筹协调，是未来国内重要的发展方向。

于英涛则强调，创新、开拓不能闭门造车，而要积极鼓励与国产芯片公司合作的同时，继续秉持开放的国际视野。

在软硬件计算芯片基础设施建设之外，如何完善算力能力的商业化闭环、如何实现投资回报也不可忽视。

河南投资集团总经理朱红兵分析，当前算力产业发展还面临一些困惑，包括场景端需求、国产GPU供应、算力人才三个维度。

他指出，在需求方面，以化工、能源、制造、交通运输、物流等为代表的场景类实体企业算力应用，大多停留在尝试阶段，前期投入大、降本增效不明显，企业投入积极性不高。同时模型开发企业与场景类企业对接不畅、协同不足，导致场景价值无法释放，模型能力无人买单、模型开发企业生存困难，相关算力需求减少，导致算力的价格不升反降。

而目前我国数字产业人才总体缺口约3000万，其中AI人才缺口400万人以上，且在持续扩大。算力人才培养落后于产业实践，基础人才储备相对薄弱，既懂算法又懂产业、有实践经验的高层次算力人才严重短缺，无法有效支撑行业发展。

于英涛坦言，除了软硬件的发展完善外，国内目前在算力方面的投资略有超前发展的态势。因此，防止算力基础设施被空置，以及投资回报如何实现，是必须关心的话题。此外，要让算力中心实现商业闭环，要将其落实到应用层面，让算力真正服务于百行百业。