迈过AI算力鸿沟,人工智能计算中心的产业价值凸显

简介: “十四五”规划纲要将“加快数字化发展 建设数字中国”单独成篇,并首次提出数字经济核心产业增加值占GDP比重这一新经济指标,将数字经济提升到了国家战略高度,AI作为数字经济的重要驱动力之一,即将迎来重大发展机遇。

“十四五”规划纲要将“加快数字化发展 建设数字中国”单独成篇,并首次提出数字经济核心产业增加值占GDP比重这一新经济指标,将数字经济提升到了国家战略高度,AI作为数字经济的重要驱动力之一,即将迎来重大发展机遇。


同时,“十四五”规划中明确提出,要瞄准人工智能等前沿领域,强化国家战略科技力量。


顶层设计引导下,越来越多高校、科研院所及企业正加速入局,进行AI创新探索。繁荣景象下,原本就很紧张的算力供给正面临着更加严峻的挑战,甚至制约了AI的发展速度。


幸运的是,一种更符合当下实际的算力供给形态——基于昇腾的人工智能计算中心正在蓬勃发展,它不仅能够有效解决日益严峻的算力供给问题,还可以通过资源聚集效应对AI产业发展起到孵化和助推作用。



人工智能计算中心

助力突破AI发展算力瓶颈


数据显示,当前AI在全行业整体渗透率只有4%,AI初创企业的存活率不到10%,这与AI产业蓬勃发展的大众印象存在较大冲突。背后的重要原因之一,就是国内目前稀缺且昂贵的AI算力,抬高了AI研究和应用的门槛。


高校、科研院所和中小初创企业等组织普遍面临着一个尴尬状况:他们研究的课题和项目在技术深度和预期目标上并不输于大型龙头企业,但资源供给却远远不及。AI算法创新需要投入大量算力反复试错、迭代,很难一次性成功,这就使得算力资源不足的组织很容易陷入“畏手畏脚”的境地,直接影响创新效率和成果。


人工智能计算中心提供的高性价比的、安全、普惠的算力资源,可大幅缩减各类组织的算力成本,缓解甚至彻底解决算力瓶颈问题。


在各地政府与华为等领先科技企业的合作下,基于昇腾的人工智能计算中心已经在深圳、武汉、成都等多个城市相继落地。


在武汉,华为助力建设的人工智能计算中心AI峰值性能可达100PFLOPS;在深圳,华为助力建设和运营的“鹏城云脑Ⅱ”基于Atlas 900集群可提供E级算力。去年11月由多名国际专家联合发布的IO500榜单中,“鹏城云脑II”分别以7043.99和1129.75的得分,位居IO500总榜榜首和10节点榜单榜首。这是国内系统首次占据该榜单榜首位置,实现了零的历史性突破。

image.png

这些人工智能计算中心将给各地区的AI创新组织提供有力支撑,通过普惠且高效的AI算力资源推动科研创新和产业应用。


人工智能计算中心不仅为中小型组织解决了AI算力资源问题,也为许多大型组织提供了更加方便快捷的选项。企业自建AI算力需要配置软硬件系统、AI工程师、运维等众多要素,还要考虑散热、降噪等问题,工作量巨大。而有了人工智能计算中心,这些问题都不再需要考虑,企业只需要安心“享用”算力即可。



推动算力普惠之外,

人工智能计算中心的产业价值凸显


AI技术创新除了依赖于算力,也需要各方面配套资源的加持。因此,各地政府建设的人工智能计算中心还围绕产业互动进行了外延拓展:依托人工智能计算中心,协同打造公共算力服务平台、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,形成“一中心四平台”的人工智能产业布局,赋能区域产业集群。


这种联动式的做法,一方面能够直接促进AI技术与本地优势地位产业(如制造、医疗、交通、网联车等)相结合,让技术转化成产业价值。


以武汉为例,当地计划借人工智能计算中心等力量,到2023年孵化AI深度应用场景超过60个,形成AI应用示范项目超过100个。

image.png

目前已经能看到多个创新项目密集落地:


武汉企业库柏特的智能机器人补药系统,需要对机械臂每一次抓取药盒后进行“拍照”,在武汉人工智能计算中心的支持下,通过视觉处理算法创新,让过去200毫秒一次的拍照时间缩短到50毫秒,效率大大提升;微晟科技通过与武汉人工智能计算中心合作,创新落地的自助收银智能防损系统,让收银环节的商超盗损率下降85%。


另一方面,多个服务平台也能够有效汇聚各方资源,形成集群式的产业生态。以产业聚合发展平台为例,通过聚合人工智能链上的各类公司(包括算法公司、数据处理公司、行业集成公司等)形成完整产业闭环,其可以推动产业以整体姿态加速发展,避免因为“木桶效应”造成的发展障碍。


武汉人工智能计算中心就围绕武汉优势AI场景来服务当地的企业,在这之前,武汉已经获批国家新一代人工智能创新发展试验区,将重点打造和形成“一芯、两网(智能网联汽车、网络安全)、四大应用场景(数字设计、智能制造、智慧城市、基因测序)”的智能产业态势,人工智能计算中心推动着这样的产业聚集和发展更进一步。目前,武汉人工智能计算中心已经在20+企业、4家高校及科研院所提供算力和产业服务,引进了中科院自动化所等首批头部科研单位,带来了更多的行业技术专家,孵化更多的创新企业。


更进一步,从长期的人才建设角度看,人工智能计算中心原本就是人才最佳的聚集场所之一例如在深圳,依托“鹏城云脑Ⅱ”等优质资源,鹏城实验室聚集了31位院士、2000+科研人员,使得深圳快速成为了国内的AI人才高地。

image.png

可以说,随着人工智能计算中心的落地,地区的AI产业发展将被大大加速,且获得更好的长期发展环境。



让数字经济加速渗透的

人工智能计算中心,

还推动宏观产业竞争力提升?


从宏观的视角来看,人工智能计算中心就是AI发展过程中的“精细化分工”,让高校、科研院所、中小型企业等组织,或者非专业从事AI研发的大型企业(例如大型制造企业)能够将精力专注于创意创新、场景效率提升,各自聚焦于自己擅长的工作。


而这,亦推动着AI开发能力的普惠。一旦这种普惠实现,也意味着数字经济可以实现群策群力,龙头企业之外人人参与,加速向各个场景渗透,推动全面数字经济时代的到来。


与此同时,人工智能计算中心的全面落地,也是一次基础技术发展的机遇。


众所周知,中美两国在AI领域的创新各有优势,中国凭借创业创新的热情和庞大的市场占据了AI应用端的优势,而美国则强于基础框架、算法等。从这个角度看,人工智能计算中心以集中化的方式建设依托于昇腾基础软硬件,结合区域行业特点优势应用,是AI全栈技术的集中探索和实践,对发挥AI“头雁”作用有十分积极的意义。


现在,这项“事业”又在加速前行了,下周的2021世界人工智能大会,华为将在7月9日举办昇腾人工智能高峰论坛,解析人工智能产业政策,探讨人工智能中心的建设与运营方案,分享人工智能计算中心的最新落地和应用进展。这次峰会值得那些关心AI技术进步、关心AI产业发展的群体密切关注,不妨期待一下人工智能计算中心又将有哪些新的进展。

相关文章
|
10月前
|
人工智能 并行计算 调度
AI创业公司的算力困境,远比你想象的更复杂
当前AI创业公司面临严峻“算力困局”:不仅受制于高昂成本,更受限于技术封锁、生态绑定与资源低效。算力获取难、用不起、用不好,正成为制约创新的关键瓶颈。
|
11月前
|
人工智能 自然语言处理 机器人
AI Compass前沿速览:Jetson Thor英伟达AI计算、Gemini 2.5 Flash Image、Youtu腾讯智能体框架、Wan2.2-S2V多模态视频生成、SpatialGen 3D场景生成模型
AI Compass前沿速览:Jetson Thor英伟达AI计算、Gemini 2.5 Flash Image、Youtu腾讯智能体框架、Wan2.2-S2V多模态视频生成、SpatialGen 3D场景生成模型
AI Compass前沿速览:Jetson Thor英伟达AI计算、Gemini 2.5 Flash Image、Youtu腾讯智能体框架、Wan2.2-S2V多模态视频生成、SpatialGen 3D场景生成模型
|
9月前
|
人工智能 并行计算 PyTorch
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
870 4
|
10月前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
11月前
|
存储 人工智能 编解码
阿里云GPU云服务器深度评测:算力怪兽如何重塑AI与图形处理的未来?
在AI与高性能计算需求激增的今天,传统CPU已难满足“暴力计算”需求。阿里云GPU云服务器依托NVIDIA顶级显卡算力,结合专为GPU优化的神行工具包(DeepGPU),为深度学习、科学计算、图形渲染等领域提供高效、弹性的算力支持。本文全面解析其产品优势、工具链及六大真实应用场景,助你掌握AI时代的算力利器。
阿里云GPU云服务器深度评测:算力怪兽如何重塑AI与图形处理的未来?
|
10月前
|
人工智能 监控 数据可视化
如何破解AI推理延迟难题:构建敏捷多云算力网络
本文探讨了AI企业在突破算力瓶颈后,如何构建高效、稳定的网络架构以支撑AI产品化落地。文章分析了典型AI IT架构的四个层次——流量接入层、调度决策层、推理服务层和训练算力层,并深入解析了AI架构对网络提出的三大核心挑战:跨云互联、逻辑隔离与业务识别、网络可视化与QoS控制。最终提出了一站式网络解决方案,助力AI企业实现多云调度、业务融合承载与精细化流量管理,推动AI服务高效、稳定交付。
|
10月前
|
人工智能 边缘计算 大数据
【C位面对面】被低估的“通用算力”:为什么 AI 时代CPU 的需求“不降反增”?
AI时代下,大数据、高频交易、AI预处理、边缘计算等核心负载持续推高CPU算力需求。阿里云联合AMD,基于Zen5架构Turin处理器,推出三款场景化云实例:普惠型u2a、高主频g9a及192核g9ae,满足多样算力需求。通过CIPU+Chiplet技术实现性能跃迁,释放CPU真正潜力,助力企业把握通用计算的“第二增长曲线”。
|
10月前
|
人工智能 监控 安全
AI创业公司如何突破算力瓶颈,实现高效发展?
AI创业公司如何在算力竞争中突围?本文揭示真正决定生死的关键在于“用好”算力,而非单纯依赖算力规模。通过混合云调度、GPU虚拟化、边缘推理、跨云高速通道等技术手段,提升算力利用率,降低成本,同时保障数据合规与高效传输。结合垂直场景的深刻理解与技术调度能力,创业公司也能构建坚实护城河,实现快速发展。
|
10月前
|
数据采集 传感器 人工智能
没有大数据,哪来人工智能?——聊聊“大数据喂养下的AI进化史”
没有大数据,哪来人工智能?——聊聊“大数据喂养下的AI进化史”
430 6