AI離全社會普及，只差一個計算中心？

過去十年，人工智能（AI）大爆炸，并第一次走進普通人的生活。

但蓬勃發(fā)展的AI卻碰到一個空前棘手的問題：自2012年以來，AI算力需求6年增長30萬倍，遠超摩爾定律！

人類現(xiàn)有的基礎設施，已跟不上AI算力需求的增長。未來，該怎么辦？

一百多年前，人類也曾面臨同樣的難題。

1866年，德國西門子發(fā)明自激發(fā)電機，開啟了人類的電力時代。

此后十幾年，雖然很多企業(yè)紛紛采用電能這種新的動力，但一臺電機只能供應一棟房子或一條街道的現(xiàn)狀，制約了電力的進一步普及。

直到1882年，愛迪生在珍珠街建起了第一個中央發(fā)電廠，照亮了整個曼哈頓。

與一百多年前相比，今天的世界正發(fā)生翻天覆地的變化。

自1946年第一臺計算機誕生以來，算力逐漸成為新的電力，推動人類社會不斷從物理世界向數(shù)字世界遷移。

在此期間，人類對算力的需求不斷增長。尤其2012年以后，隨著深度學習等算法的突破，AI第一次走進普通人的生活。

一方面，AI的應用場景越來越多，從語音、目標識別，到智慧工廠、智慧城市……乃至戰(zhàn)爭中的武器。

另一方面，AI模型的大小、算法參數(shù)也呈幾何級增長，鵬城實驗室最新發(fā)布的“鵬程.盤古”預訓練大模型，擁有驚人的2000億個參數(shù)！

這樣的大模型，以及越來越廣泛的應用場景，對AI算力的需求呈現(xiàn)爆炸式的增長。

幾年前，谷歌AI負責人杰夫·迪恩（Jeff Dean）曾預言：“我們真正需要的是超過現(xiàn)在100萬倍的計算能力，而不僅僅是幾十倍的增長。”

即便如此大膽的預測，也還是顯得太保守。

事實上，從2012年到2019年，短短七年，人類對AI算力的需求增長了30萬倍，平均每100天就會翻倍，遠超摩爾定律。

與此同時，AI算力的實際增長卻有限，需求和供給之間形成一個巨大的鴻溝

為了填補這個鴻溝，一種新的AI基礎設施誕生了，它就是：人工智能計算中心。

在此之前，人類建過許多大型的計算中心。比如，我們熟知的超算中心，集中了一個國家或地區(qū)的最強算力，主要用于科研。

還有阿里、華為等云廠商興建的云計算中心，基于云平臺，向全社會提供大數(shù)據(jù)的計算、存儲等服務。

它們雖然也對外提供AI算力，但畢竟不是主業(yè)。

而人工智能計算中心專為AI打造，主要用于AI模型的開發(fā)、訓練和推理，能夠為全社會提供AI所需的專用算力。

這種新的AI基礎設施，自誕生之日起，就成為全球主要AI大國的角力場。

比如，美國投資18億美金，計劃在全國打造三個E級超算，其中一個的算力，超過目前全球十大超算的總和。

德國早在2018年就推出國家級人工智能戰(zhàn)略，并資助一批高校建設人工智能計算中心。

中國也先后建成了深圳鵬城云腦和武漢人工智能計算中心。還有多個城市已開工或者正在籌建人工智能計算中心。

在政府主導下，許多頭部企業(yè)也紛紛下場。谷歌自研AI專用的TPU芯片，并通過云平臺對外輸出AI云服務。

微軟也宣布，斥資10億美元，構建一個AI計算平臺。

在中國，阿里投入重金，建立超大規(guī)模機器學習平臺。而華為，更是鵬城云腦和武漢人工智能計算中心背后的建設主力軍。

蓬勃發(fā)展的AI產(chǎn)業(yè)，無限放大了全社會對算力的需求。

為了邁過這道鴻溝，全世界以政府主導、頭部企業(yè)參建的模式，正掀起一場AI算力的軍備競賽。

在人工智能計算中心出現(xiàn)前，人們是如何解決AI算力問題的呢？

除了超算中心和云計算中心“兼職”外，更多靠企業(yè)自建。例如，谷歌早期就用GPU來加速。后來，為了訓練AlphaGo，開發(fā)了TPU芯片。

但像谷歌這樣財大氣粗的企業(yè)，畢竟是少數(shù)。更多的企業(yè)，缺乏足夠的資金來搭建自己的AI算力。

勉強搭起來，算力也有限。而且不同企業(yè)的算力，還分散在全國，各自為政。

以這樣的算力，很難訓練出大模型，更別提GPT-3這種超級大模型。而后者，是推動AI技術不斷進步、產(chǎn)業(yè)不斷發(fā)展的關鍵。

這有點類似于愛迪生修建珍珠街中央發(fā)電廠之前的情況。

彼時，電力還屬于少數(shù)有錢人或大企業(yè)的奢侈品，門檻高，難普及。直到愛迪生修建中央發(fā)電廠，改變了這一情況。

未來，AI產(chǎn)業(yè)要想****展，同樣需要降低算力門檻。

類似OpenAI那樣，花1200萬美元，訓練一個GPT-3模型的事情，很少有企業(yè)或個人負擔得起。

解決的辦法是，像愛迪生建中央發(fā)電廠一樣，在各地集中建設AI基礎設施，也就是人工智能計算中心，降低AI的算力成本。

一個人工智能計算中心，就像一個電廠，通常包含機房，以及各種軟硬件設施。

比如，鵬城云腦就長這個樣子：

還有大名鼎鼎的谷歌TPU服務器機房：

人工智能計算中心，一改過去AI算力分散的局面。

在地方政府的產(chǎn)業(yè)政策引導下，通過集中建設，這種AI基礎設施可將算力普惠地輸出給全社會，包括企業(yè)、科研機構和高校。

過去，訓練一個大模型，動輒上千萬美元。如今，企業(yè)和開發(fā)者，可按需租用算力，花小錢辦大事，極大地降低了門檻，加速了AI創(chuàng)新。

這一點，對于AI產(chǎn)業(yè)的繁榮，極為關鍵。

就像電廠一樣，人工智能計算中心首先是一個公共算力服務平臺。

但，光有算力還不夠。電廠之所以是社會經(jīng)濟的發(fā)動機，背后是一個生態(tài)，包括上下游產(chǎn)業(yè)鏈、設備廠商和終端用戶，等等。

因此，人工智能計算中心除了是一個算力服務平臺，還是一個AI產(chǎn)業(yè)聚集發(fā)展平臺，能夠聚合AI產(chǎn)業(yè)鏈上的各類公司，包括算法公司、數(shù)據(jù)處理公司、行業(yè)集成公司等，形成完整的產(chǎn)業(yè)閉環(huán)，促進和推動AI產(chǎn)業(yè)集群發(fā)展。

此外，它還是一個應用創(chuàng)新孵化平臺，通過開發(fā)者AI創(chuàng)新，與本地優(yōu)勢產(chǎn)業(yè)（如制造、醫(yī)療、交通、智能電動車等）相結合，讓技術轉化為產(chǎn)業(yè)價值，帶動當?shù)禺a(chǎn)業(yè)智能化升級。

以武漢為例，庫柏特的智能機器人在武漢人工智能計算中心的支持下，通過視覺處理算法創(chuàng)新，其機械臂每次抓取****盒的拍照時間，從過去200毫秒縮短至50毫秒！

武漢市政府計劃，到2023年孵化60個以上類似的AI深度應用場景，形成AI應用示范項目超過100個。

人工智能計算中心也是一個科研創(chuàng)新和人才培養(yǎng)平臺，為將來儲備技術和人才。

目前，經(jīng)教育部批準設立AI本科專業(yè)的高校已達200余所。有了人工智能計算中心，這些院?？陕?lián)合行業(yè)龍頭企業(yè)，基于前者充沛的算力，開展技術研發(fā)和關鍵人才的培養(yǎng)。

在深圳，鵬城實驗室就依托“鵬城云腦Ⅱ”，聚集了31位院士和2000多名科研人員，使得深圳一躍成為國內AI人才高地。

今天的中國，正在打造國家新一代人工智能創(chuàng)新發(fā)展試驗區(qū)。

人工智能計算中心通過“1個中心+4個平臺”，形成一個完整的算力生態(tài)，徹底打通了“產(chǎn)”“學”“研”“用”全產(chǎn)業(yè)鏈，滿足了國家和地方對人工智能產(chǎn)業(yè)發(fā)展的需求。

從這個意義上講，人工智能計算中心是我國發(fā)展人工智能產(chǎn)業(yè)的最佳路徑。

未來，小到手機、人臉識別，大到無人駕駛、工業(yè)機器人……人工智能計算中心將為全社會的智能化，提供源源不斷普惠充沛的AI算力，從而托起中國經(jīng)濟的明天。

先行一步的武漢和深圳，已經(jīng)看到了這種希望。

在武漢，華為助力打造的人工智能計算中心，AI峰值性能可達100PFlops（1P相當于每秒1000萬次浮點運算）。

在深圳，基于華為Atlas 900集群的“鵬城云腦Ⅱ”可提供世界頂級算力，在最新一期IO500榜單中位居榜首，其全系統(tǒng)輸入輸出性能得分是排名第二的近20倍。

武漢和深圳之外，包括成都在內，全國多個城市也在積極籌建人工智能計算中心。

充沛的算力，給當?shù)啬酥寥珖?jīng)濟注入了強勁的動力。

從深圳到武漢，再到已開工的成都，中國在興建人工智能計算中心的路上，再次展現(xiàn)了“基建狂魔”的本色。

但同時，我們也要清醒地看到，在這個事關未來的AI基礎設施建設上，我們還存在短板。

過去十年，中國在目標識別等AI應用上，領先于世界。

可當我們向上捅破天，低下頭來建人工智能計算中心時才發(fā)現(xiàn)：與西方先進水平相比，自己在AI根技術上還有不小的差距。

電廠的核心是發(fā)電機組，人工智能計算中心的核心是芯片。

過去，無論超算還是云計算中心，多采用CPU+GPU組合。如今，人工智能計算中心加入了NPU等異架構處理器，以多樣化算力，加速AI計算。

NPU是一種AI專用芯片，可在電路層模擬人類的神經(jīng)元和突觸。與傳統(tǒng)芯片相比，AI算力有數(shù)十上百倍的提升。

下圖對比了CPU、GPU和TPU（谷歌開發(fā)的NPU）的數(shù)據(jù)處理方式。

NPU的這種大吞吐量，對于需要數(shù)據(jù)清洗、模型生成、訓練和推理的AI計算來講，優(yōu)勢尤其明顯。

美國排名第二的打車軟件Lyft，自從用了谷歌Cloud TPU，也就是云上AI算力后，以前幾天才能干完的活，現(xiàn)在幾小時就搞定了。

但無論CPU、GPU，還是NPU，國內企業(yè)在這些底層芯片上的積累，還比較薄弱。

CPU、GPU幾乎被英特爾、AMD和英偉達三家公司壟斷。NPU相對好一些，華為有昇騰系列，寒武紀也開發(fā)了思元系列。

而這，還只是硬件問題。

軟件方面，人工智能計算中心是一個算力多樣化的平臺，如何將眾多異架構芯片放在一起還能相互兼容，需要統(tǒng)一的編程框架。

當年，英偉達為了將圖形處理芯片GPU用在通用計算上，開發(fā)了CUDA。如今，華為為了提高開發(fā)效率，設計了異構計算架構CANN。

算法是AI的核心。

全世界每天都在產(chǎn)生新的算法和模型，開發(fā)者不需要從頭學習，但他們需要一個統(tǒng)一的AI算法平臺和框架。

目前，全球大多數(shù)開發(fā)者都選擇了谷歌的TensorFlow和Facebook的Pytorch。

國內企業(yè)最初在這個領域一片空白，后來才有了華為的MindSpore和百度的飛槳，但在開發(fā)者人數(shù)上，與對手還有不小的差距。

有了芯片，有了編程平臺和AI框架，再往上，就到了AI應用軟件開發(fā)平臺。

在這一層上，國內企業(yè)實力不俗，阿里有PAI，華為有ModelArts，百度有AI Studio。開發(fā)者們在這些平臺上，最終做出賦能千行百業(yè)的APP。

根技術是AI的基石，只有根深，才能葉茂，才能從底層釋放出充沛的算力，支撐起整個AI頂層應用的全面繁榮。

這種從底層算力釋放，到頂層應用使能的AI全棧能力，可以用下圖一覽全貌：

從圖上可知，谷歌無疑是AI能力最強也最全面的科技公司之一。在國內，擁有類似能力的企業(yè)屈指可數(shù)，華為算是一家。

2017年，AlphaGo擊敗李世石后不久，俄羅斯總統(tǒng)普京曾告誡國內師生：未來，誰成為AI的領導者，誰就將統(tǒng)治世界！

人工智能（AI），毫無疑問，已成為全球大國角力的主戰(zhàn)場，并在某種程度上，決定了一個國家或地區(qū)未來的命運。

早在2017年就發(fā)布人工智能國家戰(zhàn)略的中國，將AI視為重大的戰(zhàn)略機遇，并希望到2025年成為人工智能的世界領導者。

為了實現(xiàn)這一目標，我們還有很多的事情需要做。這其中，最重要、最緊迫的事情之一，就是興建更多的人工智能計算中心。

從這個意義上講，鵬城云腦和武漢人工智能計算中心的落成，也只是這場世紀大戲的開場白而已。