年度中國 AI 計算力報告，剛剛出爐。
今年，已是連續第五年發布。
這一次，北杭深仍坐穩 AI 城市前三名，其中北京無可撼動，連續四年霸榜第一。
上海，還是第一梯隊的 " 老熟人 "，廣州則時隔四年重回第五。
相比新鮮面孔不多的第一梯隊，第二梯隊（6-10 名）可謂洗牌加劇：
" 新一線 " 城市成都勢如破竹，反超南京躍居第六，天津首次入榜，緊随南京之後；
年年入榜的合肥則首次跌出前十。
有起有伏，好不激烈。
不過要說今年最大的變化，還是當屬智能算力的規模：
根據IDC 與浪潮信息聯合發布的這份《2022-2023 中國人工智能計算力發展評估報告》，2022 年，咱們國家智能算力保有量終于首次超過了通用算力，達到了 268EFLOPS（每秒 268 百億億次浮點運算）。
這意味着智能算力很快将成為所有算力需求中的主力軍。
為此，本報告也首次将智能算力單拿出來做了統計和預測，希望給 AI 産業的智能化和創新化提供一個标尺，即智能算力在其中究竟提供了多少推力。
當然，除了以上這些，老規矩，報告還揭示了更多有意思的 AI 産業發展趨勢、行業滲透度等信息。
例如：
中國人工智能支出中，硬件占比未來 5 年都将至少保持 65% 左右的份額，遠超軟件與服務；
中國人工智能各行各業 AI 滲透率增比最大的金融，2022 年已達 62%，緊随互聯網之後；
火熱的大模型和許多人的觀察一樣，已經具備" 通用智能 "的雛形，低能耗、可應用性強等成為主要訴求；
……
更多細節，我們翻開報告來看。
中國最強 AI 城市：北京領首，第二梯隊競争激烈
這份最強 AI 城市 TOP10 榜單，是基于人工智能投資規模、政策支持力度、技術成熟度及勞動供給等維度而得出。
其中技術成熟度包括數據平台成熟度、AI 算力加速方案、雲服務應用情況以及應用場景成熟度。
北京能夠四年強勢第一，除了政策的支持以外，還離不開學術資源和人才資源的加持：
在這裡，光 AI 相關的人才就占到了全國總量的一半以上；全國過半數 AI 相關的研究單位，包括北大清華、中科院自動化所、中科院自動化所等，也都聚集在此。
深圳和上海也不必多講：
前者雖然本地高校資源不足，但吸引了大批外資以及發達國家的高端産業；
後者作為國内的 " 教育高地 "，到 2025 年 AI 人才将達 30 萬，人工智能專利授權數一直處于全國領先地位，AI 實力自然低不了。
至于廣州，能夠時隔四年重回第一梯隊，主要是去年在政策支持上又加大了力度，聚焦先進制造、車輛交通、健康醫療、城市治理這四條 AI 賽道，定下了 " 十百千 " 目标（即建設 10 個人工智能産業園，開展 100 個人工智能典型場景應用示範，培育 1000 家左右人工智能企業）。
但要說今年最吸睛的，還得看馬上就要沖破第一梯隊的成都，和首次上榜位列第九的天津。
首先，成都在今年成為了國家 " 東數西算 " 工程中西部的重點節點之一，在 5 月建成上線了西南地區最大的人工智能計算中心——成都智算中心。
據公開數據，這一中心的人工智能算力平台，算力可達 300 PFLOPS（FP16），相當于 15 萬台高性能 PC。
除了新的智算中心，今年 10 月，成都又制定了 " 算力九條 " 政策，為積極建設 AI 産業的各企業科研機構發放 " 真金白銀 "。
比如若能聯合成都智算中心在智慧城市、智能制造、生物醫藥等行業打造示範性的人工智能創新應用場景，也可最高獲得 100 萬元的一次性獎勵。
今年這樣的大動作，無疑讓成都這座城市的吸引力更加一籌，也讓成都一口氣從去年的榜單第九升到了第六。
再來看首次進榜的天津。
最近的三屆世界人工智能大會，都在這裡舉辦，讓這座智能制造業比較發達的城市又推動了一大批 AI 項目落地。
按照計劃，天津将在 2024 年建成人工智能試驗區，這也意味着它還有更大的潛力，來完善整個 AI 産業鍊（目前主要集中在上遊的芯片行業以及下遊的人工智能應用場景）。
衆所周知，無論是城市、企業還是科研機構，要想發展人工智能産業，都離不開最基礎的算力支持。
從報告給出的下面這兩份數據我們就可以看出，在人工智能市場節節攀升的同時，算力規模也在跟進增長，并且更為迅速（尤其是智能算力）。
具體來看，AI 市場方面：
IDC 預測，2022 年中國人工智能市場相關支出将達到 132 億美元，預計到 2025 年達到 267 億美元，五年複合增長率達21.1%。
算力方面：
今年就已經占比過半的智能算力，預計到 2026 年規模将進入每秒十萬億億次浮點計算（ZFLOPS）級别，達到 1271.4 EFLOPS。
2021-2026 年期間，預計中國智能算力規模年複合增長率達52.3%，同期通用算力規模年複合增長率為 18.5%。
智能算力市場一 a 火熱朝天，這正如浪潮信息副總裁、浪潮人工智能與高性能計算産品線總經理劉軍所說，因為：
算力是數字經濟時代的核心生産力，智算力是未來創新的核心推動力。
如當下爆火的 chatGPT 所基于的 GPT-3 模型，其計算需求 3640Petaflop。
什麼概念？現在全球最快的超級計算機——日本 " 富嶽 "，每秒都隻有 550Petaflop。
再如特斯拉 FSD 全自動駕駛系統的融合感知模型，其訓練消耗的算力當量也有 500 個 PD；計算生物屆的 " 大明星 "AlphaFold2 則是 300 個 PD ……
可以确切地說，無論是 AI 大模型訓練，自動駕駛系統的感知模型訓練，還是 AI+Science 或者數字人的建模或渲染等 AI 應用和創新，都無法離開強大算力（尤其是智能算力）的支撐。
所以，難怪每個城市在加快各自的智能算力基建化腳步。
那麼，我們也不妨認為：一些城市在今年的榜單中落榜，并非 " 沒落 "，而是後起之秀太強了。
比如在今年的 TOP 榜單之外，合肥、武漢、長沙這三座城市在 AI 和算力方面都有不可小觑的發展，或許明年就能争奪一把第二梯隊的位置。
智能算力如何化為創新力？
據 IDC 觀察，目前，人工智能向着多場景化、規模化、融合化等高應用階段方向發展，數據體量呈現出急劇增長态勢，算法模型的參數量呈指數級增加，以加速計算為核心的算力中心規模正在不斷擴大。
要将這些算力化為真正的生産力，離不開 AI 芯片、服務器、計算架構、雲服務、算法模型、生态等方面的支持。
過去一年，它們有着怎樣的表現，并将呈現出什麼樣的趨勢？我們一一來看。
1、AI 芯片：NPU 增長最明顯
IDC 預計，到 2025 年，全球 AI 芯片市場規模将達 726 億美元。
2021 年，中國仍以 GPU 為主實現數據中心計算加速，市場占有率近 90%。
ASIC、FPGA、NPU 等非 GPU 芯片市場則已超過 10%。其中，設計邏輯相對簡單、具有顯著能耗節約優勢的 NPU 較以往有明顯增長。
而從整體來看，中國 AI 芯片市場呈現出以下四大特點：
發展前景廣闊、低能耗成為大勢所趨；
但不同類型芯片發展參差不齊（用于終端的發展較快、用于雲計算等領域的通用基礎層芯片較為滞後）、生态鍊條也待完善。
2、AI 服務器：浪潮市占率全球第一
AI 服務器作為人工智能市場增長的主力軍，在 2021 全球市場首次突破千億元人民币（約 1045 億元），同比增速為 39.1%，超過全球整體人工智能市場的增速。
在這之中，中國廠商浪潮信息以 20.9% 的市占率位列第一，其次是戴爾（13.0%）和 HPE（9.2%）。
縱觀未來，預計到 2025 年，全球 AI 服務器市場規模将達到約 1929 億人民币（277 億美元），五年複合增長率為 20.3%，并有超過 80% 的中國企業将在接下來的一年中持續增加人工智能服務器的投資規模。
IDC 認為，從工作負載角度來看，随着人工智能模型逐步進入廣泛投産模式，相關企業将更多地使用人工智能服務器處理推理工作負載，而非訓練。
3、計算架構：加速創新
基于 DSA（ Domain-Specific Architectures）思想設計的人工智能芯片正在成為主導，推動了人工智能芯片多元化發展。
多元算力從 " 能用 " 到 " 好用 " 并且為企業創造業務價值，離不開通用性強、綠色高效、安全可靠的計算系統的支持。
業内正在推動多元算力系統架構創新，基于計算節點内和節點間的互聯技術破局現有計算架構的瓶頸，通過充分調動起多芯片、多闆卡、多節點的系統級能力，實現各種加速單元以及跨節點系統的高效協同，提升計算性能。
4、雲服務：搜索、人臉識别和推薦引擎排名前三
雲計算可以為企業提供更豐富的算力支持。
據 IDC 統計，2021 年人工智能公有雲服務市場規模隻占人工智能軟件整體市場的 13.4%，但從年增長率來看，它的增長速度仍然遠遠超過後者。
目前排名前三的 AI 雲服務分别是 : 搜索、人臉識别和推薦引擎。
而在未來 18 個月，IDC 預計，前三名将會變成：NLP、圖像識别和視頻識别。
之所以 " 易主 " 這麼快，浪潮信息劉軍解釋道：因為目前的三者其實都屬于感知智能、計算智能的範疇。
而這兩大智能已經發展得較為成熟，可提升空間變得有限。就比如智能客服，它對于方言、雜音的識别已經很強了，接下來該重點發展的其實回答的邏輯等方面，也就是我們所說的認知智能和決策智能。
不過，除了 NLP、圖像識别和視頻識别這三類偏向認知智能和決策智能的雲服務，智能語音公有雲服務、對話式人工智能的市場也将進一步增長。
此外，未來 2-3 年内，私有化部署也仍将是雲服務市場的主流。
5、算法模型：開始基于通用模型生成專業模型
2021 年是大模型的爆發之年，業界開啟了大模型參數競賽，不斷刷新模型性能和通用任務能力邊界。
到了今年，大模型就已具備 " 通用智能 " 的雛形，相比堆砌參數，現在大家更加趨于理性，更注重綠色低碳、服務能力下沉以及商業模式的實踐。
在具體實踐中，業界已開始基于通用大模型生成具備該行業或場景所需特定技能的專業模型。
這樣的模型在保留通用大模型的知識、認知推理能力及泛化能力基礎上，實現針對該領域的技能專業化、模型輕載化和調用标準化。
比如浪潮信息發布的四個技能模型——知識增強的對話模型、知識檢索問答模型、中英文翻譯模型、古文理解模型，就是在繼承 " 源 1.0" 大模型通用的知識與能力基礎上，面向特定領域的場景進行針對性的技能優化。
再比如騰訊，也是基于 " 混元 "AI 大模型，細分出涉及 NLP、CV、OCR、多模态内容理解、廣告文案生成等方向的專業模型。
需要特别提到，2022 年 AIGC 領域的蓬勃發展也有大模型的一大部分功勞。
6、生态：人工智能領域，算力算法的标準化仍是重點
标準化是技術規模化應用的必要前提。
但目前的人工智能技術及基礎架構，定制化的工作量依然很大，主要集中在多元人工智能芯片适配、人工智能算力資源管理和調度、深度學習開發環境部署等各個方面。
這既限制人工智能算力的使用效率，也不利于人工智能在各行各業的推廣和應用。
因此，智能算力和算法的基建化和标準化，就成為了人工智能産業發展在生态方面需要關注的重點。
中國 " 最 AI" 行業：互聯網強勢榜首、金融電信醫療增長最快
除了 AI 算力城市排名，哪個行業 AI 含量最高也是本榜單的一大關注熱點。
根據行業滲透度數據，可以發現：
盡管增勢放緩，互聯網仍強勢第一，AI 在其中的應用滲透率已達 83%。這和該行業入局早不無關系。
金融行業排第二，它也是今年 AI 滲透率增長最快的一個行業，總比例達到 62%（增長了 7%）。
典型應用場景包括智能客服、實體機器人、智慧網點、雲上網點等。
除此之外，金融行業一直備受困擾的欺詐問題在 AI 的幫助下得到了緩解；以及貸款信用業務中的客戶财務背景及風險狀況的評估上也發揮了關鍵作用。
排名第四的是電信行業，AI 滲透率超過一半（51%），增長速度僅次于金融。
本行最大的優勢就是用戶基數龐大，可以獲得高價值的訓練數據集，典型應用包括智慧營業廳。
制造業也值得關注，本次排名第五。
AI 的滲透有助于制造業向工業 4.0 和工業互聯網時代邁進，應用場景包括交互界面智能化、質量管理及推薦系統、維修及生産檢測自動化、供應鍊管理自動化、産品分揀等。
IDC 預計，到 2023 年年底，中國 50% 的制造業供應鍊環節都将采用人工智能，從而提高 15% 的生産率。
最後，值得說道的是醫療行業，雖然滲透率目前隻有 35%，但其增長速度僅次于電信。
醫療行業在 AI 應用層面起步較晚，一部分原因是因為相關标準和規範還不完善，隻有少量醫療人員參與人工智能開發和應用。
不過随着法規的完善，AI 在醫療行業的應用會快速擴展，潛在場景包括電子病曆、輔助診斷，以及這一年來很火的藥物輔助研發等。
總體來看，由于 AI 能作為各行各業尋求新的業務增長點、提升用戶體驗、保持核心競争力的重要能力，它在各個行業的應用程度都呈現出不斷加深的趨勢，應用場景也越來越廣泛。
未來幾年内，哪些行業的 AI 應用具備更高的潛力，IDC 也作出了預測：
2030 年以後，AIGC、自動駕駛、科研和教育這四個行業将十分值得期待。
我們如何應對這些趨勢？
盡管從報告來看，我們的 AI 産業正處于欣欣向榮的階段。但其實僅有 1/3 的企業聲稱 AI 在他們的業務應用中已達到成熟階段。
IDC 通過洞察發現，為人工智能專門構建的 IT 基礎設施的缺乏往往是 AI 應用無法進一步深入的原因。
在此，針對這一點以及上文所表現出來的各項趨勢，本報告在最後也給出了幾方面的建議。
首先，對于行業用戶來說，AI 算力基礎設施應成為 IT 基礎設施建設重點，想要破解模型研發和落地過程中存在的高投入、高風險等挑戰，就不得不做好算力基建化。
此外，由于行業用戶不具備模型二次開發的技術能力，因此更需積極地參與到人工智能的生态建設中來。
其次，對于技術供應商來說，應努力推進構建和部署模型的自動化進程，降低行業用戶獲得 AI 能力的門檻。
最後，對于整個人工智能産業來講，技術提供商和行業用戶應該堅持更加開放和深入的合作。
無論在算法模型還是算力層面行業，從業人員在學習全球先進技術的同時，都需要加速自主研發的進程，拉近與全球領先者的差距——尤其是作為算力的核心的芯片自主研發已迫在眉睫。
那麼最最後，對于這份報告，你有什麼想說的？有哪些點讓你印象深刻？
歡迎評論區讨論。
完整報告請戳：
https://www.inspur.com/lcjtww/resource/cms/article/2448319/2734787/2022122601.pdf
或者掃描下面的二維碼：
— 完 —
點這裡關注我，記得标星哦～
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見 ~
