第四次科技革命！人工智能算力发展趋势报告 2024

提出“普慧”算力(inclusive and Intelligent computing)不仅是面向未来的重大选择，更是立足当下的深刻思考。

当前,算力发展面临着巨大的挑战,体现为传统计算架构缺乏并行管理架构、效率低、能耗高,已然无法适应爆发式增长的算力需求和愈发复杂的计算任务。

CPU、GPU、ASIC、FPGA、NPU、DPU等“XPU芯片的出现使得算力日趋多元化，传统x86架构之外,ARM、RISC-V、MIPS等多种架构也正在被越来越多的芯片公司所采纳，异构计算随之加速崛起。

但是，业界对于未来计算架构的发展方向一直存在争论在实际商业环境中，大部分企业选择根据业务场景、数据类型、支出成本选择合适的计算架构,如何就新型计算架构的技术路线、标准体系达成行业共识成为必答题。

针对现实挑战，“普慧”算力强调立足实际使用需求，安全合理地使用数据，以高效的算法,实现可靠的数字化、智能化效果。

二、算力是数字经济的基础设施

当今世界正经历百年未有之大变局，数字经济正成为重组全球要素资源、重塑全球经济结构、改变全球 竞争格局的关键力量，算力“地基”夯实与否，关系到数字经济这座“大厦”能否巍然屹立。

算力成为衡量数字经济发展关键指标。全球范围内来看,算力对数字经济规模乃至GDP总量的带动作用愈发明显，信通院研究得出,2016-2021年,全球算力规模平均每年增长34%,数字经济规模和GDP年分别增长8%和4%。

作为全球数字经济主导力量之一7,中国自2012年以来数字经济增速已连续11年显著高于GDP增速,2022年数字经济规模更是首次突破了50万亿元。

各级政府正积极推动数字经济转向深化应用、规范发展、普惠共享的新阶段,其中,普惠共享强调数字经济发展成果更广泛、更公平地惠及全体人民,要求在大规模扩张算力规模的基础上，让算力成为人人用得起、用得好的基础性资源，加强算力智能调度和灵活部署,使算力与算法、数据、应用资源相互协同,向经济社会和产业发展各领域厂泛深入渗透，促进数字技术、应用场景和商业模式融合创新，实现全要素生产率提升。

算力与数字产业化互为支撑。

一方面，算力底层融合了集成电路、服务器、数据中心、云计算、人工智 能等数字化技术。例如，云计算将算力资源池化，推动算力成为覆盖端、边、云、网全架构场景的泛在 能力，人工智能促进算力升级，算力与多模态感知技术融合实现智能化应用。

另一方面，随着数字产业 化由规模化发展转向高质量发展，大到5G通信、卫星互联网，小到出行线路规划、外卖订单系统优化、 影视特效制作，都离不开算力支撑。

从超级计算机、数据中心、云计算中心，到智能手机、智能电视等 各类智能终端，算力专用性、可拓展性不断增强，有望与各类信息化技术相结合，充分实现性能功耗的 平衡，广泛融入各类科研机构和大中小科技企业的产品业务之中，全面推动数字经济发展。

算力加速产业数字化“数实融合”。随着实体经济企业借助算力不断将产品、服务和业务流程转化为数 据，数据要素深入渗透实体经济肌理，产业数字化转型的关键任务从“数字化”转变为“数智化”。

在 “数智化”阶段，决定数据要素价值的不再是如何生产数据，而是如何深入挖掘数据价值，不仅要持续 消耗巨量算力，还对算力的质量、效率提出了更高要求。

质量方面，数字化场景越复杂、数据颗粒度越 精细、决策精确度要求越严格，就越需要合理分配算力资源，借助智慧管理系统、智能调度等智能化技 术，全方位统筹协调算力服务的部署位置、实时状态、负载信息、业务需求，算力将以更加智慧的方式 支撑产业数字化;效率方面，智能终端和传感器的广泛部署使得边缘算力需求更加显著，通过云-边-端协 同计算架构将算力下沉到数据源头或关键价值交付点，算力将成为实时流动、快捷可取的资源，高效融 入实体经济的方方面面。

三、算力是通用人工智能的核心动力

对AGI发展来说，数据、算力、算法三大核心要素中，算力向下扎根于数据，向上支撑着算法，将是驱动 AGI发展的核心动力。

深度学习出现之前，用于AI训练的算力增长大约每20个月翻一番，基本符合摩尔定律;深度学习出现之 后，用于AI训练的算力大约每6个月翻一番;2012年后，全球头部AI模型训练算力需求更是加速到每3-4 个月翻一番，即平均每年算力增长幅度达到惊人的10倍;目前大模型发展如火如荼，训练算力需求有望 扩张到原来的10到100倍8，算力需求的指数级增长曲线将更加陡峭。

然而，这也意味着发展AGI需要巨大的算力成本投入，以构建GPT-3为例，OpenAI数据显示9，满足GPT- 3算力需求至少要上万颗英伟达GPU A100，一次模型训练总算力消耗约3,640PF-days(即每秒一千万亿 次计算，运行3,640天)，成本超过1,200万美元，这还不包括模型推理成本和后续升级所需的训练成本。

合理且高效地为通用人工智能注入源源不断的核心动力，已逐渐成为产业界共识，算力发展将满足:

• 大规模： 在大数据、大模型、大算力的相互作用下，全球人均算力有望实现G-T-P三连跳，即从 GFLOPS级别跃升到TFLOPS再到PFLOPS10，乃至更高级别。罗兰贝格测算得出11，当前 全球人均算力12约在100-2,500GFLOPS的量级，而当AGI目标基本达成时，智能场景会实 现所有行业的全覆盖和大部分行业的高渗透，全球人均算力将超过29TFLOPS。正如工业 经济模式下，人均用电量和人民生活质量成正比，在数字经济时代，人均算力也将会是 衡量人民智能化生活水平的重要指标，算力需同电力一样成为规模化发展的公共资源。
• 低成本：放眼全球，除了几大科技巨头外，几乎没有企业承担得起大模型训练的高昂成本，算力 不实现普惠化，任何关于AI和科技革命的畅想都将是空中楼阁。目前偏大规模的算力需求 以B端和G端为主，算力降本需求十分迫切。算力降本并非减少投入，而是利用有限资金 获取更多元的算力，同时优化算力资源配置和利用效率。如何实现算力投入产出比最优， 给算力供给侧带来挑战的同时，也将催生大量产业机遇。
• 低能耗：数据中心作为大规模算力聚合、调度、释放的重要节点，是各国算力发展的重中之重， 但也存在着严重的碳排放问题，随着“碳中和”目标成为全球共识，大部分国家都提出 了较为严格的数据中心节能减排要求。电能利用效率(PUE)、水资源利用效率 (WUE)、碳利用效率(CUE)等指标已成为各国建设绿色数据中心的重要抓手，例如， 中国工信部明确提出“到2023年，新建大型及以上数据中心PUE降低到1.3以下，严寒和 寒冷地区力争降低到1.25以下”13，未来，只有绿色低碳算力才符合人类社会可持续发展 的愿景要求。

四、普适、智慧相融合，算力将无处不在

“普适”强调以自然交互的方式提供算力，算力将成为人人可得(Affordable)、人人可用 (Available)、人人适用(Adaptable)的“3A”型基础资源;“智慧”强调以认知驱动的方式提供算 力，算力将具备自适应(Self-adapting)、自学习(Self-learning)、自进化(Self-evolving)为代表 的“3S”智能。对于构建“人-机-物”三元融合系统来说，普适和智慧缺一不可，算力终将无处不在。

普适计算的目标在于让人们即取即用算力而不必见，要求计算设备感 知环境变化，并根据环境变化自动调整算力供给方式，人只需少量干 预甚至不用干预算力管理、调度、控制、提供、运维的过程。从技术 落地角度来讲，这意味着计算需要“以人为中心”，人们可以通过可 穿戴设备、移动设备、小型计算设备等“随时、随地、随需”地获取 算力资源，算力表现出大规模、低成本、通用化、共享化等特征。

20 世纪末，以IBM为代表的IT巨头公司已经意识到普适计算将取代主机计 算和桌面计算，成为下一代主流计算模式，纷纷布局普适计算，随着 小型计算设备制造、小型计算设备操作系统、移动通信等相关技术日 渐成熟，普适计算逐步走向落地。

智慧

当前，算力虽然融入了人们的生活空间，人却很难自如地融入物理信 息系统(CPS, Cyber Physical System)。具体体现在，人们在使用 算力时常常会问“我要如何使用相关硬件和应用”才能满足实际需求， 尤其对于企业类客户来说，在解决场景化需求时，问题可能更为棘手。

让人们能随需使用算力而不必问，关键就在于强化算力的“智慧”特 征，使算力更自主地理解需求、强化学习、深度思考，即算力应具备 自适应、自学习、自进化为代表的“3S”智能。例如，可以让机器模 拟人脑神经元的思考过程，推动算力由“感知人”转向“认知人”; 通过多模态学习让机器掌握更全面的信息，增强算力认知的广度;通 过协同训练算法让机器学会多角度思考，增强算力认知的深度。

普适”和“智慧”有机融合

从PC互联网、移动互联网、产业互联网再到元宇宙，实际上是不断构 建“人-机-物”三元融合系统(HCPS, Human–Cyber–Physical system)15的过程。在HCPS中，物理空间分别与信息空间、社会空间 源源不断地进行着信息交互，信息空间与社会空间则进行着计算属性 和认知属性的智能融合，因此，算力的“普适”和“智慧”必然会走 向融合，在这一过程中，“绿色”“安全”“可信”等全新特征也将 融入“普慧”算力的内涵之中，驱动“人-机-物”更加紧密融合，算 力最终将无处不在。

内容转自微信公众号「AI云原生智能算力架构」