这个高考季，人工智能又冲上了全民关注话题榜。

据教育部此前发布的《列入普通高等学校本科专业目录的新专业名单（2021年）》显示，人工智能和大数据等专业热度不减，依然是本年度新增专业大户。其中，“人工智能”成为最大热门新增专业，共有清华大学、中山大学等130所高校增设此专业。

专业的增减变化，不仅折射出了该专业未来的发展态势与就业前景，更反映出了我国经济社会需求和产业发展的趋势。近年来人工智能专业的频频增设，与我国将人工智能上升为国家战略的路线不谋而合。

同时，人工智能也备受市场期待。据中国信通院数据研究中心测算，2020年中国人工智能产业规模为3031亿元，同比增长15．1％，占全球市场规模近三成。而在这背后，再次引发了人们对人工智能的各种“经典”讨论：人工智能的未来是什么样的？人工智能究竟能不能带来新一轮生产力革命？

算力，21世纪的基础设施

2001年，电影《AI》上映，影片中，人们可以制造出具有情感的机器人。

电影《AI》剧照

20年后的今天，虽然这一目标还未实现，但我们早已离不开了人工智能。比如内容推荐、智能质检、远程医疗、智慧交通……

智能质检

可见，21世纪，人工智能正在成为新的生产工具，算力已成为新生产力，数据成为新生产资料。
      18世纪的蒸汽机、19世纪的电力、20世纪的计算机，三次工业革命，带来三次生产力提升。但纵观下来，这三次革命都有一个共同的特点——蒸汽、电力、带宽，都演变成了当时的基础设施。

瓦特改良的蒸汽机模型

而算力作为21世纪的新生产力，能否成为基础设施？基础设施，“普惠性”和“大众化”是其主要特征，也就是说一要便宜，二要让更多人用得上，比如电、燃气。
      人工智能算力符合么？

为什么建设人工智能计算中心？

当前我国的人工智能算力最大的一个问题之一就是太分散，因为一些企业选择了自建人工智能计算中心。而另一些尚未建设人工智能计算平台的企业，面对人工智能浪潮下的数字化转型，却不知道如何下手。于是，国家主导投资建设的人工智能计算中心应运而生。

一中心四平台

以“一中心四平台”支持产业发展：一中心是指计算中心，四平台是指公共算力服务平台、应用创新孵化平台、产业聚合发展平台、科研创新和人才培养平台。

往小了说是端到端打通“政”“产”“学”“研”“用”全产业链，算力以集群赋能产业集群，帮助企业进行数字化转型、提质增效。

人工智能计算中心作用

往大了说就是把人工智能算力打造成如同水、电、气一样的基础设施，通过普惠的算力促进我国经济与产业发展融合、支撑国家战略任务落地。
      简言之，就是像发电站那样，为万千企业输送算力。用现在的惯用行语就是“赋能”。
      那么，人工智能计算中心打造的集中算力能成为基础设施么？分散算力为什么不行？究其原因，无非与制约人工智能产业进程的三个维度分不开：大模型训练、模型训练时间、效率与成本。

集中算力支持训练大模型

AI模型的训练对于产业发展的意义毋庸置疑。而AI模型尤其是大模型的训练就需要大算力的支撑，如今AI模型训练所需要的算力平均每100天就会翻番，2012年至2019年算力需求翻了30万倍。

GPT－3模型参数 1750亿

今年以来，大模型层出不穷，而且一个比一个大，GPT－3模型参数 1750亿，鹏程·盘古大模型参数2000亿。

鹏程·盘古2000亿级中文预训练大模型／图源机器之心

然而，期间AI算力的增长远远落后于需求的增长速度，人工智能计算中心则能满足这一增长需求。
      此前鹏城实验室基于昇腾AI基础软硬件平台的人工智能大科学装置——鹏城云脑，就是很好的实践落地。其推出的全球首个千亿参数预训练中文模型：鹏程—盘古大模型，可以实现支持“一带一路” 常见的79 种语言。因此，集中算力支持训练大模型，分散算力不支持。

集中算力节约模型训练时间

上世纪初，汽车还是奢侈品的标志，即便是美国，普通民众想买一辆汽车，也十分困难。但一款汽车的问世，彻底改变了这种情况。
      1908—1927年间这款车卖出了1500万辆，一度占了美国当时汽车市场份额的56％以上。
      该款汽车名为福特T型轿车，当时售价仅为260美元／辆，而当时美国工人的平均工资是每年200－400美元之间，高收入群体的律师和牙医，平均收入是2000－2500美元。

福特T型轿车

按照购买力算，这款车的价格妥妥的是现在我们的五菱宏光水平。表面上看，是价格拉低了汽车售价，让汽车从奢侈品变成了大众品。深一层，则是流水线的功劳，当时美国生产一辆汽车的时间需要700多个小时，而福特T型采取流水线作业之后，仅需12．5个小时，售价从几千美最终降到了260美元。到了今天，汽车流水线甚至1分钟就能生产出一辆汽车。

汽车流水线

类比一下，集中算力训练模型就如同流水线团队协作，而分散算力由于“单兵”特征，效率自然不高。经过测算，人工智能计算中心的集中算力拥有1024个节点，可使同样的模型由原先拥有8个节点的分散算力的203分钟提速至1．48分钟，极大缩短训练时间，增加训练效率。因此，从模型训练时间上来看，集中算力模型训练时间短。

集中算力效率更高

自从共享概念流行起来之后，共享汽车、共享办公室等共享经济模式层出不穷。集中算力可以简单理解为共享经济的一种——共享算力。事实上，集中算力正发挥着“共享模式”的高利用率优点。据测算，企业分散的小算力利用率仅为10％－15％，浪费严重，而人工智能计算中心的算力利用率在80％以上。为何差距这么大？
      因为企业分散算力难以共享，当业务量不饱和的时候，就会闲置。有人说，可以少部署一些算力不就行了？还真不行，不仅要有足够的算力，还要有备用的，用于应对业务变动。

人工智能计算中心机房／图源长江日报

而人工智能算力中心的公共算力池，可以让多个企业使用公用，用多少取多少，这个企业用完，另一个企业可以继续用，闲置率低，利用率也就高了。比如，武汉人工智能计算中心，在2021年5月31日投运后一直都是满负荷运行，基本实现了闲置率“归零”。

成本方面，国家主导的人工智能计算平台充分利用集约土建、电力、运维优势，降低了总体建设和运维成本。因此，从效率和成本上看，集中算力资源利用率高，规模效应后的费用更低。

人工智能，我们输不起

总而言之，无论是进行数字化转型的传统企业，还是新兴人工智能企业，面对不断增加的算力成本，自身算法团队很难支撑起越来越复杂的现实业务需求。因此需要一个低门槛、开放、端到端的人工智能算力中心，采用集中算力，降本增效。目前，除了武汉之外，成都、南京等地的人工智能计算中心已开工建设，不久之后，就会与我们见面。

南京人工智能计算中心发布仪式

这只是开始，而后，除了这些地方，更多人工智能计算中心将会在全国各地出现。这些，足以说明我国对人工智能算力的重视程度。不仅我国，纵观全球，至少有50多个国家把人工智能当做国家战略。

图源：中国信息通信研究院和人工智能与经济社会研究中心

不过，算力作为新的生产力，也面临许多挑战，需要落实集中算力的普惠功能，真正发挥出“电力”和“石油”的作用，为产业提供源源不断动力。用得上，用得起，用得好的算力资源，才是真正的变革生产力的基础设施。

时代已经把我们推到了创新科技的赛道上，此时，把握住人工智能产业发展机遇成为制胜关键。让我们借人工智能计算中心这柄利剑，激发出集中算力的强大优势，使能人工智能产业，赋能千行百业智能化升级，抢占未来竞争制高点。