人工智能是通過(guò)對(duì)算力、算法和數(shù)據(jù)等數(shù)字資源進(jìn)行創(chuàng)造、加工、整合，最終實(shí)現(xiàn)用機(jī)器替代人，為傳統(tǒng)行業(yè)智慧賦能的過(guò)程。

　　完整的人工智能產(chǎn)業(yè)鏈?zhǔn)窃谏嫌螐S商提供專(zhuān)有算力和開(kāi)發(fā)環(huán)境支持下，中游通過(guò)自研核心AI算法，搭載在硬件設(shè)備上，開(kāi)發(fā)出行業(yè)級(jí)解決方案，再銷(xiāo)售給下游各行業(yè)客戶。其涵蓋：1）上游基礎(chǔ)層，主要提供AI專(zhuān)有算力支持和開(kāi)發(fā)環(huán)境的設(shè)備和服務(wù)，包括AI芯片、系統(tǒng)開(kāi)發(fā)框架、AI服務(wù)器等基礎(chǔ)設(shè)施；2）中游技術(shù)層，在 AI算力的支持下，通過(guò)系統(tǒng)開(kāi)發(fā)框架進(jìn)行各場(chǎng)景數(shù)據(jù)的訓(xùn)練和學(xué)習(xí)，開(kāi)發(fā)出計(jì)算機(jī)視覺(jué)、語(yǔ)音語(yǔ)義、知識(shí)圖譜等AI算法，并將其搭載于硬件設(shè)備上形成行業(yè)級(jí)解決方案；3）下游應(yīng)用層，針對(duì)不同的行業(yè)和場(chǎng)景，進(jìn)行人工智能技術(shù)的商業(yè)化落地。

　　AI平臺(tái)化基礎(chǔ)設(shè)施算力需求旺盛

　　以AI芯片和開(kāi)發(fā)環(huán)境與框架為基礎(chǔ)的算力基礎(chǔ)平臺(tái)具有各場(chǎng)景通用的屬性，標(biāo)準(zhǔn)化程度較高，搭載在數(shù)據(jù)中心服務(wù)器、邊緣計(jì)算和終端設(shè)備中，當(dāng)前已實(shí)現(xiàn)規(guī)?；瘧?yīng)用。AI平臺(tái)化基礎(chǔ)設(shè)施市場(chǎng)呈現(xiàn)出以下特點(diǎn)。

　　市場(chǎng)快速增長(zhǎng)：隨著AI應(yīng)用在智慧城市、智慧金融、智能汽車(chē)等場(chǎng)景使用量和開(kāi)發(fā)量的提升，AI算力市場(chǎng)快速增長(zhǎng)。根據(jù)Stratview的數(shù)據(jù)，2020年，全球AI芯片市場(chǎng)規(guī)模為76億美元，預(yù)計(jì)到2026年將增長(zhǎng)到709億美元，復(fù)合年增長(zhǎng)率（CAGR）為45.1%。

　　行業(yè)集中度高：AI基礎(chǔ)平臺(tái)技術(shù)壁壘高，掌握關(guān)鍵技術(shù)的英偉達(dá)持續(xù)提升產(chǎn)品性能，培育軟件開(kāi)發(fā)生態(tài)，已有較高市占率。英特爾、AMD等海外芯片公司積極布局AI芯片產(chǎn)品；以華為海思、寒武紀(jì)為代表的國(guó)產(chǎn)廠商持續(xù)追趕，產(chǎn)品性能快速提升，與頭部廠商差距逐漸縮小。

　　生態(tài)建設(shè)是關(guān)鍵：AI基礎(chǔ)平臺(tái)不僅包含AI芯片，還包括系統(tǒng)級(jí)軟件。系統(tǒng)級(jí)軟件集成了開(kāi)發(fā)庫(kù)、運(yùn)行環(huán)境和工具鏈等，通過(guò)與AI芯片的優(yōu)化和適配，提升底層硬件資源使用效率。此外，下游行業(yè)在熟悉了特定軟件的開(kāi)發(fā)環(huán)境和開(kāi)發(fā)庫(kù)后，較難切換到其他陣營(yíng)的產(chǎn)品。系統(tǒng)級(jí)軟件有效提升了用戶粘性，有利于AI芯片公司打造生態(tài)壁壘。

　　在AI計(jì)算中，涉及較多的矩陣或向量的乘法和加法。通用型的CPU用于AI計(jì)算時(shí)，存在耗時(shí)長(zhǎng)、功耗高等問(wèn)題，性?xún)r(jià)比較低。具有并行計(jì)算、大規(guī)模數(shù)據(jù)訓(xùn)練能力的AI芯片是目前大規(guī)模商用的主要產(chǎn)品，其具體包括3種類(lèi)型：

　　• GPU（圖形處理器）：它是顯卡的核心單元，是單指令、多數(shù)據(jù)處理器。GPU采用數(shù)量眾多的計(jì)算單元和超長(zhǎng)的流水線，在圖像領(lǐng)域的運(yùn)算加速方面具有技術(shù)優(yōu)勢(shì)；

　　• FPGA（現(xiàn)場(chǎng)可編程門(mén)陣列）：其集成了大量的基本門(mén)電路以及存儲(chǔ)器，利用門(mén)電路直接運(yùn)算、速度較快。用戶可以自由定義這些門(mén)電路和存儲(chǔ)器之間的布線，改變執(zhí)行方案，從而調(diào)整到最佳運(yùn)行效果。與GPU 相比，F(xiàn)PGA靈活度更高，功耗更低；

　　• ASIC（專(zhuān)用集成電路）：是一種為特定目的、面向特定用戶需求設(shè)計(jì)的定制芯片，具備體積小、功耗低、可靠性更高等優(yōu)點(diǎn)。在大規(guī)模量產(chǎn)的情況下，還具備成本低的特點(diǎn)。

　　AI算力已成為數(shù)據(jù)中心算力的主要需求之一

　　1.數(shù)據(jù)中心算力結(jié)構(gòu)正在改變，AI算力快速滲透中國(guó)市場(chǎng)的AI服務(wù)器出貨量和滲透率都有提升。根據(jù)IDC的數(shù)據(jù)，2021年全年，全球人工智能服務(wù)器市場(chǎng)規(guī)模達(dá)156億美元，同比增長(zhǎng)39.1%。未來(lái)，隨著AI模型訓(xùn)練和應(yīng)用的興起，預(yù)計(jì)需要支持AI功能的服務(wù)器和芯片將持續(xù)增加。

　　以AI芯片制造商英偉達(dá)為例，2022年第一季度，其數(shù)據(jù)中心業(yè)務(wù)營(yíng)收37.5億美元，同比增長(zhǎng)83.1%，占營(yíng)收比重達(dá)到 45.2%，超過(guò)游戲業(yè)務(wù)營(yíng)收36.2億美元。2016-2021年，英偉達(dá)的數(shù)據(jù)中心業(yè)務(wù)營(yíng)收快速增長(zhǎng)，CAGR為66.5%，占營(yíng)收比重由12.0%提升至39.4%。英偉達(dá)的數(shù)據(jù)中心業(yè)務(wù)已成為驅(qū)動(dòng)公司快速成長(zhǎng)的主要?jiǎng)恿Α?/p>

　　在智能算力需求快速增長(zhǎng)的背景下，英特爾也加快在AI 芯片產(chǎn)品領(lǐng)域的布局。2015年，英特爾收購(gòu)Altera公司布局 FPGA芯片；2019年，英特爾收購(gòu)以色列AI芯片公司Habana布局ASIC芯片。目前，英特爾已開(kāi)發(fā)多款A(yù)I芯片，積極向智能化算力轉(zhuǎn)型。

　　2.各地政府正積極開(kāi)展智能計(jì)算中心（AIDC）的建設(shè) AIDC是以AI芯片提供模型訓(xùn)練和推理專(zhuān)用算力為主，配合少量的通用算力進(jìn)行數(shù)據(jù)預(yù)處理和其他任務(wù)的數(shù)據(jù)中心。在新基建等政策的鼓勵(lì)和支持下，各地方政府正在積極開(kāi)展 AIDC的建設(shè)。據(jù)智東西統(tǒng)計(jì)，2021年1月到2022年2月期間，全國(guó)規(guī)劃、在建和投入運(yùn)營(yíng)的人工智能計(jì)算中心超過(guò)20個(gè)，其中8個(gè)城市的AIDC已建成并投入運(yùn)營(yíng)。各地的AIDC可提供或規(guī)劃的算力規(guī)模一般為100PFLOPS，相當(dāng)于5萬(wàn)臺(tái)高性能電腦的算力。

　　各場(chǎng)景AI應(yīng)用推動(dòng)智能算力需求快速增長(zhǎng)

　　AI芯片作為算力基礎(chǔ)平臺(tái)不受限于場(chǎng)景，具有廣泛應(yīng)用的屬性。相較于下游碎片化的特點(diǎn)，產(chǎn)業(yè)的上游AI芯片標(biāo)準(zhǔn)化程度較高，已實(shí)現(xiàn)規(guī)?；瘧?yīng)用。以AI芯片為代表的基礎(chǔ)算力具有各場(chǎng)景通用的特性。在云、邊、端各場(chǎng)景下，AI技術(shù)的大規(guī)模應(yīng)用帶來(lái)算力需求快速增長(zhǎng)，其應(yīng)用的具體場(chǎng)景包括：

　　1.云端AI模型正向著大型化的方向發(fā)展

　　AI預(yù)訓(xùn)練大模型的規(guī)模在持續(xù)增加，算力基礎(chǔ)設(shè)施建設(shè)是競(jìng)爭(zhēng)的關(guān)鍵要素。2019年谷歌推出的BERT大模型擁有3.4億個(gè)參數(shù)，使用了64個(gè)TPU，訓(xùn)練到目標(biāo)精度的花費(fèi)為1.5萬(wàn)美元。2020年，OpenAI推出的GPT-3大模型擁有1750億參數(shù)，訓(xùn)練成本達(dá)到了1200萬(wàn)美元。2021年，微軟和英偉達(dá)使用了 4480個(gè)GPU訓(xùn)練出的擁有5300億參數(shù)的MT-NLG大模型，其訓(xùn)練成本更是高達(dá)8500萬(wàn)美元。

　　2.邊緣端對(duì)AI算力需求快速增加

　　新應(yīng)用帶來(lái)通信架構(gòu)的改變，邊緣端是AI芯片新的增長(zhǎng)點(diǎn)。云游戲、自動(dòng)駕駛等新興應(yīng)用場(chǎng)景對(duì)于數(shù)據(jù)傳輸?shù)乃俣群土考?jí)都提出了更高要求，傳統(tǒng)的云端直連模式已較難滿足大數(shù)據(jù)量的實(shí)時(shí)通信的要求。在終端和云端間布設(shè)邊緣端，形成“云-邊-端”的通信架構(gòu)已經(jīng)成為未來(lái)技術(shù)發(fā)展的主要方向。在靠近用戶側(cè)的邊緣端布設(shè)服務(wù)器提供中等算力的服務(wù)，一方面數(shù)據(jù)分析在邊緣端完成并傳輸給終端用戶，提高分析傳輸速度，滿足AI應(yīng)用場(chǎng)景實(shí)時(shí)性的要求；另一方面邊緣端僅將精簡(jiǎn)的數(shù)據(jù)流傳向云端，緩解帶寬壓力，減少運(yùn)維成本。邊緣計(jì)算的需求增長(zhǎng)將有效帶動(dòng)邊緣端AI芯片的出貨量。

　　3.AI算力為智能網(wǎng)聯(lián)汽車(chē)賦能感知、交互、決策等功能

　　汽車(chē)智能化趨勢(shì)清晰，智能駕駛AI模型需要算力支持。自動(dòng)駕駛汽車(chē)滲透率不斷提升，汽車(chē)駕駛控制系統(tǒng)正向“感知-識(shí)別-交互”等智能功能發(fā)展。汽車(chē)智能化需要對(duì)行駛過(guò)程中各種信息正確理解。因此，汽車(chē)廠商需要通過(guò)數(shù)據(jù)中心訓(xùn)練前端搜集的各種數(shù)據(jù)，不斷優(yōu)化智能駕駛仿真模型。智能駕駛AI模型對(duì)于汽車(chē)從L1/L2輔助駕駛階段走向L3/L4自動(dòng)駕駛階段，并最終實(shí)現(xiàn)“智能決策、實(shí)時(shí)控制”的功能具有重要作用。未來(lái)，隨著需要訓(xùn)練的各類(lèi)行駛數(shù)據(jù)量的增加，以及開(kāi)發(fā)智能駕駛AI模型需求的增加，汽車(chē)廠商對(duì)于AI算力的需求將有望提升。

關(guān)注讀覽天下微信， 100萬(wàn)篇深度好文， 等你來(lái)看……