搅动100亿美金的ChatGPT，竟然这么依赖TA？( 二 ) _ChatGPT

其中最为直观的便是，作为「神经中枢」的智算OS（智算中心操作系统）就是为了让智算中心可以对算力资源池进行高效管理和智能调度，从而更好地对外提供算力、数据和算法等服务。
如今，距离2020版《智能计算中心规划建设指南》的发布已经时隔两年，而我国的智算中心发展也已经进入了新阶段。
为此，国家信息中心和浪潮信息联合开展了与时俱进的研究，于2023年1月推出了更新的《智算中心创新发展指南》（以下简称「指南」）。

文章插图
所以，为何还要兴建智算中心？
智算中心是数字经济时代促进产业转型升级、优化产业结构、提升城市竞争力的关键基础设施，并为快速增长的人工智能算力需求提供了必不可少的支撑。
具体来说可以分为四个方面：
推进AI产业化、赋能产业AI化、助力治理智能化、促进产业集群化。

AI产业化

AI产业化的一个重要例子，就是自动驾驶。
在自动驾驶的场景中，需要基于AI技术，让车辆能够像人类驾驶员一样准确识别驾驶环境中的关键信息，并对周围运动单元的潜在轨迹做出预判。

文章插图
在训练算力消耗上，自动驾驶感所采用的知模型要远大于一般的计算机视觉感知模型。
比如，特斯拉的L2级FSD自动驾驶融合感知模型，训练过程使用了百万量级的道路采集视频，算力投入约为500PD 。
而且，随着自动驾驶级别从L2提升到L4，对算力的需求将进一步提高。
对此，智算中心提供的普惠算力，可以极大降低自动驾驶所需算力的成本。

产业AI化

在2022年，有一个概念非常流行，叫「AI for Science」。
这是一种新的科研范式，指科学家们用AI技术作为生产工具。
要说今年AI for Science最广为人知的例子之一，就是DeepMind开发的AlphaFold 2了。

文章插图
截至目前，AlphaFold 2已经可以预测出2亿多个蛋白质结构，几乎覆盖了整个「蛋白质宇宙」。通过AlphaFold 2，单个蛋白结构的预测时间缩短到了分钟级，准确率也达到了92.4% 。
AlphaFold 2的开发，就是以巨量算力为支撑的。仅在训练数据准备阶段，AlphaFold 2就消耗了约2亿核时的CPU算力，训练过程中更是消耗了约300PD的AI算力。
而非常契合AI for Science算力需求的智算中心，将成为支撑高校和科研院所高质量科研的重要基础设施。

治理智能化

另外，智算中心还能为城市公共服务和智能化治理，提供智算能力支撑。

产业集群化

智算中心能够聚合当地人工智能的研发优势、人才优势、产品优势与产业投资，实现产业链协同，促进产业集群化发展。

文章插图
智算中心产业链
现在，智算中心更是成为提升国际竞争力的关键基础设施。
我们都知道，人均GDP指标可以衡量一个国家经济发展，人均算力水平的高低也可以衡量一个国家的智能化水平。
根据《2021-2022全球计算力指数评估报告》，国家计算力指数与GDP的走势呈现出了显著的正相关，计算力指数平均每提高1点，数字经济和GDP将分别增长3.5‰和1.8‰

文章插图
计算力指数与GDP回归分析趋势
经研究测算，「十四五」期间，在智算中心实现80%应用水平的情况下，城市对智算中心的投资，可带动人工智能核心产业增长约2.9-3.4倍、带动相关产业增长约36-42倍，城市/地区在智算中心建设投入的增长量对创新产出的贡献率约为14%-17% 。
不难看出，智算中心对于城市经济发展，已经形成一股不可忽视的力量。

文章插图
智算中心项目的经济社会效益
基于这些原因，智算中心这个概念一经提出，便引发了建设热潮。据统计，现在全国有超过30个城市正在建设或提出建设智算中心。
然而，问题也随之而来
不可忽视的是，在如火如荼的建设过程中，这些智算中心也暴露出了很多问题和挑战。
首先，我国对智能算力的需求与日俱增。
《2022-2023中国人工智能计算力发展评估报告》数据显示，2021年我国智能算力规模达155.2 EFLOPS（FP16），预计到2026年，我国的智能算力规模将达到1,271.4 EFLOPS 。