人工智能要发展，离不开三个关键要素：算力、算法和数据。进入大模型时代，算力增速变成了每年增长上百倍，从去年算力的规模来看，到今年已经达到268EFLOPS。在大模型应用场景的广泛开拓与深入发展的背景下，智能算力规模超过通用算力，并且未来5年的增速已经达到了52%。所以过去一年，众多企业纷纷开始抢占算力资源，以赢得市场先机。

陈振宽认为，“大模型训练依靠的是整个算力集群，包含整套的服务。例如分布式训练的构建；不同节点显卡的并行作业；节点内和节点间的通信；AI存储、高速网络，异构算力调度等等。突破算力这一关，才算拿到人工智能时代的‘船票’。”

过去，十亿级、百亿级的模型训练已经逐渐成熟，包括科学研究、机器视觉等等应用场景。但对于千亿级参数大模型的训练，以及后续所需的精调和推理，对算力的需求将会方兴未艾。

数据量增长带来算力需求提升，智能算力规模有望快速增长

数据海量增加，算法模型愈加复杂，应用场景的深入和发展，带来了对算力需 求的快速提升。根据白皮书数据显示，从 2012 年开始的 6 年中, Al 计算的需求增 加了 30 万倍。

算力发展推动我国数字经济量质齐升。2022 年我国算力规模稳步扩张，智能 算力保持强劲增长。我国算力产业保持稳健发展，并且为拉动我国 GDP 增长做出 突出贡献，在 2016-2022 年期间，我国算力规模平均每年增长 46%，数字经济增 长 14.2%，GDP 增长 8.4%。 各地也将算力发展放在重要位置。从算力发展指数来看，我国京津冀、长三角、 粤港澳大湾区、成渝双城经济圈等区域算力发展保持领先水平，其中广东、北京、 江苏、浙江、山东、上海仍然位于第一梯队。中西部核心省份算力发展日益崛起，贵州、内蒙古、甘肃、宁夏等核心省份算力发展优势突出，随着“东数西存”“东 数西训”“东数西算”等链条并行发展，中西部地区技术创新、算力应用、产业基 础等制约算力发展的条件不断得到改善。

根据 IDC 测算，国内智能算力规模正在高速增长。2022 年中国智能算力规模 达 259.9 每秒百亿亿次浮点运算 (EFLOPS) ，2023 年将达到 414.1 EFLOPS，预 计到 2027 年将达到 1117.4 EFLOPS（基于 FP16 计算）。2022-2027 年期间， 中国智能算力规模年复合增长率达 33.9%。

2022 年中国通用算力规模达 54.5 EFLOP5，预计到 2027 年通用算力规模将达到 117.3 EFLOPS（基于 FP64 计算）。2022-2027 年期间，中国通用算力规模 年复合增长率为 16.6%。


上海打造全国规模最大国产单池万卡液冷算力集群

1月22日，中国电信上海公司（以下简称“上海电信”）联合徐汇区政府共同举办“算力惠模都万兆连速城”人工智能公共算力服务产品发布会，会上，中国电信在上海率先启动“大规模算力集群暨人工智能公共算力服务平台”，这也是全国首个国产单池万卡液冷算力集群，将助推上海抢占全国算力发展制高点。

据了解，该集群采用新一代国产AI算力，实现了全栈自主创新和技术突破，通过高速RDMA（远程直接数据存取）连接各物理机节点，提供低延时、高吞吐量、无损通信网络和强大的并行计算能力，是目前规模最大的全国产液冷机房，多项技术指标领跑全国：如最高可支持万亿参数大模型，便于各科研院校、大模型训练公司等机构和企业实现物理资源独享，无虚拟化损耗，满足AI计算、深度学习、图形渲染等复杂训练任务对算力的要求。

同日，上海电信“双万兆接入暨一跳入算服务”正式在徐汇区“模速空间”启用，上海电信将为入驻企业提供双万兆网络和“一跳入算”服务，以及算力算网免费试用和优惠商用资费。

徐汇区“模速空间”是全国首个大模型专业孵化和加速载体、大模型创新高地和生态集聚区。

AI计算芯片的不同路线角色，GPGPU肩负算力新基建重任

工业和信息化部、中央网信办、等六部门联合印发的《算力基础设施高质量发展行动计划》的发布，有望推动我国算力基础设施快速发展，利于行业景气度提升，整个算力产业链或将迎来新的增量空间。

如同攀登珠峰的路线不止一条一样，AI计算芯片也分多种。根据应用场景不同，AI芯片分为训练芯片、推理芯片、训推一体芯片，需求最旺盛的即是训练芯片。而对训练芯片而言，又可以分为GPGPU和ASIC两类技术路线。

先说GPGPU技术路线，它从GPU发展而来，是GPU去掉图形处理能力，提升并行计算能力之后的产物，其最大的特点就是可适合绝大多数AI计算场景，通用性强，也更利于算力新基建的规模化发展。特别是在大模型计算日益复杂的今天，绝大多数AI算力都依靠GPGPU供给，使用GPGPU 在云端运行模型训练算法，能够缩短海量训练数据的训练时长，减少能源消耗，进一步降低人工智能的应用成本，其在智能工厂、无人驾驶、智慧城市等领域具有广泛的市场空间。据统计，目前GPGPU 占据人工智能90%以上的市场份额。

再说ASIC这条技术路线，它是一种为特定场景专门设计的集成电路，比如NPU。与GPGPU不同的是，ASIC芯片需要结合大模型算法做定向开发和调配，因此通用性没有GPGPU那么强，这也直接导致算力基建上的规模化应用较低。

因此，此次《行动计划》的发布，从某种程度也说明了加快发展GPGPU的作用之大，意义之深远。换言之，GPGPU需肩负起的算力新基建重任也尤为明显。