人工智能产业蓬勃发展的背后:智能算力走上C位,中国移动谋篇布局

简介: 前几年,在IDC领域,市场谈及最多的还是数据中心,随着人工智能产业的成熟,特别是今年以来大模型的爆发,智算中心逐步替代了数据中心进入大众视野,成为市场热议的关键词,智能算力的热度持续上升。此前,工信部在相关新闻发布会上就披露,目前我国算力总规模居全球第二,保持着30%左右的年增长率,新增算力设施中智能算力占比过半,成为算力增长的新引擎。

前几年,在IDC领域,市场谈及最多的还是数据中心,随着人工智能产业的成熟,特别是今年以来大模型的爆发,智算中心逐步替代了数据中心进入大众视野,成为市场热议的关键词,智能算力的热度持续上升。

此前,工信部在相关新闻发布会上就披露,目前我国算力总规模居全球第二,保持着30%左右的年增长率,新增算力设施中智能算力占比过半,成为算力增长的新引擎。

具体来看,在国内,以移动云为代表的云服务商在不断推进智能算力建设。目前,中国移动就在构建亚洲最大的单体智算中心,计划2024年投产。

而这一轮市场焦点的转移,实际上正是人工智能产业前景愈发明朗的征兆。

01 从数据中心到智算中心,智能算力为何站上C位?

今年年初,成都印发全国首个算力产业专项政策,紧接着北京、上海、深圳等城市相继跟上,智能算力建设不仅仅是企业和市场的事情,更是地方和政府的目标。

智算中心异军突起替代数据中心,其背后所代表的产业逻辑正在迎来根本性的改变。

简单来说,若是把数据看作是数字时代的“食材”,那么数据中心就相当于“中央仓库”,而智算中心则是“中央厨房”。放在“中央仓库”的“食材”就只是“食材”,只是存储多少、分发快慢的问题。而放在“中央厨房”的“食材”就多了很多工序,比如“食材”的清洗、加工等等,最终变成各式各样的“美食”呈现给消费者。

两者的定位截然不同,而当智算中心(中央厨房)能替代数据中心(中央仓库),成为数字基建的主流,其背后就代表着市场对于数据(食材)的需求也完全不同了。

比如,在今天的人工智能领域,大模型是大趋势。而一个AI大模型的成熟,所依靠的不是放着不动的海量数据,而是海量数据在经过清洗、处理、加工、计算、分发等环节后,反复训练、微调、再训练,进而得到的结果。

智能算力的迸发,是人工智能产业走到大模型爆发阶段的必然需求——AI的发展需要更多的数据进行训练,训练的过程就是消耗智能算力的过程。

换句话说,智能算力是整个人工智能产业的基础动力,其受到市场关注的本质是人工智能产业走向成熟引爆市场的结果。

02 智能算力背后的“冰山”

智能算力很重要,但是究竟有多重要?从整个产业链的定位来看,智能算力牵扯人工智能产业的上下游,无论是上游的大模型预训练,还是下游智能应用服务,实际上都离不开智能算力的支持。

那么,接下来智能算力将如何发展?区别于过往,现阶段随着中国移动等厂商的实践,市场对智能算力的认知有了更清晰的认知,呈现在三个层面。

一、为AI产业与应用而服务。

智能算力的发展具有明显的导向性,换句话说,发展智能算力不是目的,最终的结果是如何带动人工智能产业的发展。因此,智能算力的发展就不能只是聚焦算力。

具体拆解中国移动旗下移动云的全栈智算产品体系可见,分为基础设施(IaaS层)、智算平台(PaaS层)以及模型即服务(MaaS层)三层,都是智能算力建设的重要一环。以MaaS层为例,移动云在这一层重点补齐了大模型服务及平台,汇聚中国移动集团内外部的优质模型服务,解决智能算力的使用问题。

今天,很多地方兴建智算中心,为的不仅仅是智能算力这一资源,更重要的价值还是为了支撑当地人工智能设施、场景的正常运行,比如智慧城市、智能交通等等。智能算力建设是有联动性的,其发展最终势必要带动整个人工智能产业的发展。

二、走向融合共生的集成阶段。

智能算力不仅与AI相关的产业有所关联,还同样连接着诸多新技术领域,比如5G网络、云计算、大数据、物联网(IoT)等等,共同实现融合共生。

以中国移动为例,作为通信运营商,中国移动正在全力推进算网深度融合,将人工智能、算力能力融入网络之中,打造一张智能化的算力网络,来全面支持人工智能技术赋能千行百业发展。

而算网融合的本质就是更高效、精准地将算力需求调度到相应的资源节点。目前,中国移动提出的算网大脑就为智能算力的调度和应用提供了非常大的帮助,不仅可以全域感知移动云相关的存力、算力、运力和能力,构建统一的算网地图,还能针对资源统一调度难题,构建超高性能调度器,自动完成智能算力调度。

三、生态化运营是重点能力。

区别于传统的很多基建项目,智能算力建设还是一个需要生态化运营的长期项目。一方面,智能算力之于人工智能产业是一个长期供给的关系;另一方面,智能算力属于底层基础驱动,牵扯的方面远比想象的要多,需要产业生态支持。

今年,中国移动就联合13家产业合作伙伴发布了国内首个支持智算应用一键式跨架构迁移的平台算力原生“芯合”,解决“应用一次开发、跨芯部署迁移”的实际问题。同时,未来还能进一步降低AI应用向国产化芯片的迁移成本和复杂度,为人工智能产业的可持续发展奠定生态基础。

仅凭一家之力是无法支撑整个人工智能产业发展的,如何优化各方面的架构、体系,让更多的企业、机构以及社会力量参与进来,形成生态化运营,才是实现可持续发展的关键。

03 玩转“智算”,谈何容易?

根据信通院发布的中国综合算力指数预测,到2025年,智能算力在全国的占比将从今年的25.4%上升到85%。届时,人工智能产业将随着智能算力的高渗透而实现大爆发。

但是,要做到这样的程度,就不能只是简单的“堆”GPU。正如前文所提到的,智能算力建设本身就是一个尤为复杂的长期工程,其中需要考虑的方方面面远比过去要多。

若是从产业的角度往大了说,智能算力建设实际上是数字中国底座建设的一个锚点,智能算力建设好不好,关系未来数字中国的发展行不行。

为落实算力网络资源布局规划,系统地构建全国智算体系,中国移动就提出了“N+X”资源体系规划,来有序推进智能算力建设。同时,中国移动还规划布局了以5G、算力网络、智慧中台建设为重点的“连接+算力+能力”新基建,进而推动实现“网络无所不达、算力无处不在、智能无所不及”的算力网络。

无论是从哪个角度来看,智能算力建设都意味着需要有大局观和领先性。在今天的中国,这不仅仅是技术的问题,还要兼顾国家战略发展的需要来谋篇布局,从顶层设计到基础铺设,智能算力关系数字中国的底座。

换句话说,只有智能算力建设占据了领先优势,那么整个数字中国的人工智能产业才能具备高速爆发的潜力和基础。而此时,全国各地智算中心的落地,就是人工智能产业迎来爆发、数字中国建设走向深水区的一个重要信号。智能算力的迸发,也意味着人工智能时代即将到来。

相关文章
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与未来教育:探索智能教学的新纪元
【10月更文挑战第16天】 在21世纪这个信息爆炸的时代,技术革新正以惊人的速度改变着我们的生活和工作方式。其中,人工智能(AI)作为引领变革的先锋力量,不仅重塑了工业、医疗、金融等多个行业的面貌,也正悄然渗透进教育领域,预示着一场关于学习与教学方式的革命。本文旨在探讨人工智能如何为未来教育带来前所未有的机遇与挑战,从个性化学习路径的定制到教育资源的优化分配,再到教师角色的转变,我们一同展望一个更加智能、高效且包容的教育新纪元。
|
12月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能:有多少人工,才能有多少智能?
当下AI大模型的能力,特别是Agent领域,到底离不开多少“人工”的加持?本文将结合我的实际经验,深入探讨高质量数据与有效评价体系在Agent发展中的决定性作用,并通过编码Agent、Web Agent和GUI Agent的成熟度分析,揭示AI智能体发展面临的挑战与机遇。
405 89
|
9月前
|
机器学习/深度学习 人工智能 供应链
决策智能是新的人工智能平台吗?
决策智能融合数据、决策与行动,通过AI与自动化技术提升企业决策质量与效率,支持从辅助到自动化的多级决策模式,推动业务敏捷性与价值转化。
|
传感器 数据采集 机器学习/深度学习
人工智能与环境保护:智能监测与治理的新策略
【9月更文挑战第21天】人工智能在环境保护中的应用,为智能监测与治理提供了新的策略和方法。通过实时数据采集与分析、智能预警与应急响应、精准化决策支持等技术的应用,AI正在引领一场革命性的变革。未来,随着技术的不断发展和应用场景的拓展,AI将在环境保护中发挥更加重要的作用,助力我们构建更加绿色、可持续的未来。让我们携手共进,共同迎接一个更加美好的明天。
|
12月前
|
机器学习/深度学习 人工智能 自动驾驶
人机融合智能 | 以人为中心的人工智能伦理体系
本章探讨“以人为中心”的人工智能伦理体系,分析人工智能伦理与传统伦理学的关系、主要分支内容及核心原则。随着人工智能技术快速发展,其在推动社会进步的同时也引发了隐私、公平、责任等伦理问题。文章指出,人工智能伦理需融入传统伦理框架,并构建适应智能技术发展的新型伦理规范体系,以确保技术发展符合人类价值观和利益。
532 4
|
机器学习/深度学习 人工智能 算法
人机融合智能 | 以人为中心人工智能新理念
本文探讨了“以人为中心的人工智能”(HCAI)理念,强调将人的需求、价值和能力置于AI设计与开发的核心。HCAI旨在确保AI技术服务于人类,增强而非取代人类能力,避免潜在危害。文章分析了AI的双刃剑效应及其社会挑战,并提出了HCAI的设计目标与实施路径,涵盖技术、用户和伦理三大维度。通过系统化方法,HCAI可推动AI的安全与可持续发展,为国内外相关研究提供重要参考。
852 3
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
人机融合智能 | 数据与知识双驱动式人工智能
本章系统介绍了数据驱动、知识驱动及双驱动人工智能的理论与应用。数据驱动方法依赖大数据和深度学习,在图像识别、自然语言处理等领域取得突破,但面临标注成本高、可解释性差等问题。知识驱动方法通过知识表示与推理提升系统理解能力,却在泛化性和适应性上受限。为弥补单一范式的不足,数据与知识双驱动融合两者优势,致力于构建更智能、可解释且安全可靠的AI系统,兼顾伦理与隐私保护。文章还回顾了AI发展历程,从早期神经网络到当前大规模语言模型(如GPT、BERT)的技术演进,深入解析了各类机器学习与深度学习模型的核心原理与应用场景,展望未来AI发展的潜力与挑战。
735 0
|
数据采集 机器学习/深度学习 人工智能
数据驱动智能,智能优化数据——大数据与人工智能的双向赋能
数据驱动智能,智能优化数据——大数据与人工智能的双向赋能
781 4
|
机器学习/深度学习 人工智能 运维
人工智能在云计算中的运维优化:智能化的新时代
人工智能在云计算中的运维优化:智能化的新时代
1261 49
|
机器学习/深度学习 人工智能 算法
人工智能与机器人的结合:智能化世界的未来
人工智能与机器人的结合:智能化世界的未来
1818 32

热门文章

最新文章