數實融合加速算力演化，智算中心持續進化使能數字經濟

數字經濟發展速度之快、輻射范圍之廣、影響程度之深前所未有，正在成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量。而隨著算力時代的到來，數字經濟除了以信息產業這一獨立的經濟形態出現，更以算力的方式滲透到各行各業，算力在驅動傳統經濟轉型升級和效能優化的同時，催生出新的產業體系，成為支撐數字經濟向縱深發展的新基礎設施。

那么隨著大數據、AI、物聯網等技術在傳統產業中應用的不斷擴大，算力將向何處去？日前國際權威機構IDC、清華大學全球產業研究院、浪潮信息聯合發布的《2021-2022全球計算力指數評估報告》（以下統一簡稱《報告》）及相關行業專家給了我們答案和啟示。

強者恒強，算力與經濟倍增效應顯現

智慧時代，生產力三要素發生了革命性變革。勞動者從原來的人變為人+人工智能，數據成為了新的勞動對象，由計算力驅動的信息設備成為新的勞動資料。計算力作為數字經濟時代的關鍵生產力要素，已經成為推動數字經濟發展的核心支撐力和驅動力。

《報告》顯示，報告顯示，計算力指數平均每提高1點，數字經濟和GDP將分別增長3.5‰和1.8‰。當一個國家的計算力指數達到40分以上時，國家的計算力指數每提升1點，其對于GDP增長的推動力將增加1.5倍，而當計算力指數值達到60分以上時，國家的計算力指數每提升1點，其對于GDP增長的推動力將提高到3.0倍，對經濟的拉動作用變得更加顯著。

同時該《報告》認為，由于計算力指數的增加很大程度上得益于計算能力和新興技術的應用水平，即當算力投入在底層為新興技術應用發展提供基本保障的同時，也被新興技術應用帶來的需求進一步拉動，從而使整體經濟的增長出現倍增效應。

值得注意的是，《報告》首先提出了人力資本的概念。《報告》認為，含有算力資本的內生增長模型驗證，算力資本可與傳統物質資本形成互補效應和協同效應；算力資本增長會產生正網絡外部性效應和溢出效應，算力資本對經濟發展具有倍增效應。

對此，清華大學全球產業研究院副院長李東紅解釋稱，與傳統的物質資本相比，算力資本或者說算力在促進經濟發展方面至少有兩個機制。首先互補機制，主要表現在，一方面傳統的物質資本投入帶來了產業的發展，推動經濟增長；另一方面，人力資本投入本身會產生新的經濟業態，帶動經濟增長。其次是協同機制，表現為人力資本可以推動傳統的產業發展，和傳統的物質資本相互融合，使得物質資本在經濟發展中的作用更大，以此來推動經濟和GDP的增長。

數實融合驅動算力演變，從通用走向智能和邊緣

當我們仔細觀察《報告》發現，與去年相比，在算力方面有兩個明顯的變化。

首先在包含有通用計算、智能計算、高性能計算、終端計算和邊緣計算的計算能力指標中，AI計算能力表現搶眼。

《報告》顯示，綜合15個國家來看，AI算力支出占總算力支出從2016年的9%增加到了12%，預計到2025年將達到25%。而中國的拉動作用最為顯著，15個國家AI算力支出的增長中，近60%來自中國。其中，AI服務器支出規模同比大幅增長44.5%，并首次超過美國位列全球第一。

其次是新增了邊緣計算。那么問題來了，算力緣何會出現這兩個方面的變化？背后的原因是什么？

眾所周知，“數字經濟”自2017年政府工作報告首次提及至今，已多次被寫入政府工作報告。而諸多政策發布背后，都有一個不爭的事實，就是大數據、、物聯網及人工智能與傳統行業的融合，推動傳統行業的升級和創新發展。

以人工智能為例，在金融領域，智能客服和風險管控等領域，大大節省人工坐席成本、提高企業客戶工作效率；在農業領域，通過分析加工地圖來幫助農場確定作物的問題區域，優化產量；在制造業，實現智能制造，推動數字工廠建設，根據數字孿生建設實體工廠，大大縮短交付周期，實現高效運轉；在醫療領域，AR輔助手術和遠程成像診斷等，在遺傳綜合癥、肺癌、乳腺瘤、創傷后應激障礙等多種疾病的治療和診斷；在科研領域，AI計算輔助藥物發現，用于蛋白質折疊體結構的研究、抗菌耐藥性基因的檢測和識別以及新藥的開發，極大縮短新藥研發上市時間。在疫情防控中，機器人在生產、危險工作環境操作、疫情防控中起到大范圍協助作用。

需要說明的是，隨著基于人工智能算法的智能業務從互聯網行業向交通、工業、農業、醫療、金融、政務等傳統行業的滲透不斷加速，應用場景也從通用場景進一步拓展到行業場景，讓數實融合越來越緊密的同時，正在加速通用算力向AI算力的演化。

提及人工智能算法，《報告》顯示，全球各國AI企業都在大力布局大規模預訓練模型技術開發及其商業化。在美國，OpenAI、谷歌、微軟、臉書等機構形成了GPT-3、SwitchTransformer、MT-NLG等千億或萬億參數量的大模型。在中國，浪潮、中科院、阿里達摩院等陸續推出源1.0、紫東太初、M6等。其中，浪潮“源巨量模型，參數量和數據集分別達到2457億和50000GB，相比于美國GPT-3，源1.0參數集規模高40%，訓練數據集規模領先近10倍。

而眾所周知的事實是，大模型是通過大算力和大數據相結合，將收集到的海量信息，通過強大的算力支撐與訓練，而得出的基礎的、具有通用性的、綜合的大模型。這類模型將賦能各行各業，加快傳統行業的智能化轉型。而這背后是對于AI算力的巨大需求。

未來對一個大模型訓練所需的算力，可能每3.4個月就翻一番，這意味著一年就要增加10倍。浪潮信息副總裁張東如此形容大模型對于大算力的需求。

接下來再看邊緣計算，我們現在看到邊緣最主要的一個實現方向是智能化越來越明顯，很多的邊緣是做人工智能的處理，邊緣OT或者說IoT設備將收集到的數據做初步分析和整理結構化再傳到核心數據中心，這個是我們看到的邊緣計算快速增長的主要動力。IDC中國助理副總裁周震剛如此解釋將邊緣計算新增到計算能力指標中的原因。

事實是，在人工智能等技術的應用下，設備端產生大量實時數據，若直接上傳到云端處理，會對云端的帶寬、算力、存儲空間等造成巨大壓力，同時也存在時延、數據傳輸安全性等問題。因此，為緩解云端的工作負載，云計算在云與腦端之間新增了若干個邊緣計算節點，從而讓邊緣計算快速增長。

盡管邊緣計算快速增長，但在張東看來，邊緣端的算力嚴格來講還是不夠的，如果只是做一些簡單的處理可能還好一點，如果要做很復雜的計算，比如說做智能的判斷、車路協同、自動駕駛，包括路邊對車的狀態做一個很好的實時反應，邊緣端需要的算力還是非常大的。

由此來看，邊緣計算未來可期。而這通過IDC的報告也得以體現。

IDC預計未來5年，對邊緣算力的投資增長速度將遠快于核心位置，到2025年，全球邊緣計算服務器支出金額占總體服務器比重將從14.4%提升到24.9%，如果加上軟件和基于邊緣計算的相關解決方案，市場規模將達到2000多億美元。

需要說明的是，在邊緣計算方面，中國依然是領跑全球。

至此我們發現，正是由于數實融合不斷緊密和深化，在使得算力由通用計算向智算和邊緣計算演化的同時，作為數字經濟基礎設施、集算力之大成者的數據中心也將迎來形態、創新的變化，持續賦能數字經濟的發展。

智算中心是數據中心未來，進化中加速數實融合

數據中心是算力承載的物理實體，反映的是人類社會信息化、智能化的持續趨勢。只要有層出不窮的應用、持續滲透的數字化以及算法對算力的持續需求，就有數據中心的需要。

為此，《報告》認為，數據中心是國家各產業進行數字化轉型的基本保障，一國數據中心規模及能效水平將會影響未來算力水平的發展進程。

提及規模和能效，《報告》進一步指出，數字化、綠色化、集約化是關鍵。其中數字化是指充分利用AI等算力技術加速數字化轉型，提升資源使用效率，實現節能減排；綠色化則是計算設備的綠色化，通過模塊化數據中心、液冷技術，降低數據中心PUE值，引入風電、光伏等新能源技術；得益于成本效益和基于現有冷卻系統和數據中心基礎設施的可升級性，直接液體冷卻解決方案將在數據中心市場得到更廣泛的應用，特別是企業用戶。集約化是提高計算資源的密度，從而達到更高的效率，通過將離散的企業數據中心的計算資源聚集到更大規模的數據中心，可以更有效地管理電力容量、優化冷卻設施、并提高服務器利用率，從而使IT資源的利用能效比達到最高，達到減少排放的目標。而這些與智算中心的特點可謂異曲同工。

對此，張東表示，數據中心未來的演進形態是智算中心，而智算中心必須具備三個特點，即開放標準、集約高效、普適普惠。其中，“開放標準”要求數據中心從硬件到軟件、從芯片到架構、從建設模式到應用服務都應該是開放的、標準的；“集約高效”要求數據中心的建設要有超大規模，要采用領先的技術，保證自身的先進性；“普適普惠”則要求數據中心發揮基礎設施的社會價值，服務大眾。

另外，針對前述大模型“比大更大”的趨勢，張東還提出了算法基建化的建議，算力與算法基建化惟有齊頭并進，才能讓更多的企業享受普適普惠的智算服務，加速數實融合的創新發展。

正基于此，《報告》建議國家應加強算力網絡構建的頂層設計和戰略部署，鼓勵各國加大對算力基礎設施的投資，引導多元資本投入算力基建和運營等，以提升在全球的競爭力。

從國家競爭的角度，我們的算力還處在第二位，而排在后面的國家都在大力推動算力的投資，所以算力的建設不進則退，唯有繼續加大政府投入的同時，吸引、推動各個方面的投資，算力才會有一個更好的發展。李東紅針對算力的投資表達了與《報告》相同的觀點。

寫在最后：所謂知微見著，由表及里。通過《報告》，我們看到算力增長的同時，由于數實融合的發展，尤其是人工智能的深度應用，算力正在從通用計算向AI和邊緣計算、數據中心向智算中心演化。與此同時，作為智算中心本身也在因需而變，不斷進化（例如算法基建化、液冷技術的采用等），而這些勢必會在未來加速數實融合向更高層次邁進，加倍助力中國數字經濟的發展。