在新科技革命和産業變革中，數據作為新的生産要素參與價值創造和分配，信息技術成為驅動經濟社會發展和變革的基礎動力。在這種背景下，全球競争格局重構趨勢增強，算力競争愈加白熱化，并成為衡量一個國家數字經濟發展水平，乃至在很大程度上實現經濟社會數字化轉型、适應新科技和産業變革的重要指标。

為此，以算力為核心的數字信息基礎設施建設被提到前所未有的高度。

以其中的AI算力為例，根據國際權威機構IDC的統計，中國AI算力已經占據全球市場40%左右的份額，處在領跑的位置，這之中，以浪潮信息為代表的中國科技企業功不可沒。尤其是浪潮信息，無論是在AI服務器，還是AI基礎設施方面的市占率均名列榜首。

而随着國家相繼出台一系列圍繞算力基礎設施的政策文件，并提出加快實施“新基建”、“東數西算”等工程，以及全球智能化發展大勢以及元宇宙産業化進程的加速到來，以算力為核心的科技競争勢必成為當前大國競争的戰略焦點，把握算力發展的重大戰略機遇期就是搶占發展的主動權和制高點，也是當前國家走向科技自立自強的内在要求之一。而在這一進程中，中國科技企業将發揮舉足輕重的作用。

經濟與基礎支撐作用明顯，算力已成國之重器

衆所周知，數字經濟時代的關鍵資源是數據、算力和算法，其中數據是新生産資料，算力是新生産力，算法是新生産關系，構成數字經濟時代最基本的生産基石。

如果說，工業時代，電力是評估GDP增長量的重要指标。那麼，在數字經濟時代，算力是ICT産業發展關鍵要素，對推動科技進步、促進行業數字化轉型以及支撐經濟社會發展發揮着重要的作用，成為新的核心指标。

以推動經濟社會的數字化轉型為例，一方面，龐大的互聯網用戶數量和巨大的市場規模為數字經濟發展提供了堅實的基礎，催生對算力資源的大量需求；另一方面，大數據、雲計算、人工智能等新一代信息技術的不斷湧現，對算力提出了更高的要求。

例如，根據人工智能研究組織Open AI統計，從2012—2019年，随着人工智能深度學習“大深多”模型的演進，模型計算所需計算量已增長30萬倍。斯坦福大學發布的《AI Index 2019》報告也顯示，2012年後，算力需求每三四個月就翻一番。可以說，算力是推動經濟社會數字化轉型的重要基礎條件，沒有足夠算力的支撐，數字化轉型将難以實現，反之亦然。

據中國信通院測算，2016—2020年期間，我國算力規模平均每增長一個百分點，帶動數字經濟增長0.4個百分點、GDP增長0.2個百分點。從投入産出看，2020年我國算力産業規模達2萬億元，直接帶動經濟産出1.7萬億元，間接帶動經濟産出6.3萬億元，尤其是對制造、交通、零售、能源、農業等領域的經濟産出帶動作用較為明顯。平均來看，算力每投入1元，将帶動3—4元GDP經濟增長，算力對經濟産出的帶動作用日益明顯。

另據IDC與浪潮信息今年最新聯合發布的《2020-2021全球計算力指數評估報告》顯示，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增長的推動力将增加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增長的推動力将提高到3.0倍，對經濟的拉動作用變得更加顯著。

由此可見，數字經濟的發展、經濟和社會數字化轉型的推進、數字信息技術應用場景的擴展，使算力正在從一個隐形的、潛在的競争力源泉逐步轉變為現實的競争力。算力既可以直接形成新的競争力，也可以促進傳統競争力蛻變和強化，成為決定未來國家或地區、企業等綜合競争力的基礎。

從通用到智能，AI計算漸成未來算力主角

如前述，算力在數字經濟背景下，對包括中國在内的各國的戰略價值已是不争的事實，但随着雲計算、大數據、AI、物聯網等技術應用的不斷深入，算力本身也在演化，而洞悉這種演化的趨勢和方向，無疑對于提升和充分發揮算力的價值相當重要。

衆所周知，随着雲計算、大數據、AI、物聯網等技術應用，數據在近幾年呈指數級增長。

IDC發布的《數據時代2025》報告顯示，2018年全球産生的數據量為33ZB (1ZB=1萬億GB)，到2025年将增長到175ZB。英特爾的研究也表明，AI模型的計算量每年增長10倍，這一趨勢随着未來人工智能與傳統産業的深度融合會進一步加快。

實際的情況是，自2012年後，驅動AI的底層機器學習技術計算量呈指數級增長，遠超摩爾定律帶來的算力提升速度，對以CPU為主的通用（基礎）算力提出嚴峻考驗，而衆所周知的事實是，目前CPU的物理工藝、核心數已接近極限，但數據量的增長卻不會停止，導緻算力必須要不斷提升的矛盾日益突出。

因此，在AI時代下，僅由CPU作算力的提供者已經不能滿足需求，向包括GPU、GPU、FPGA、ASIC等加速芯片異構而成的AI算力（智能算力）的演化成為趨勢，并最終成為數字經濟時代下算力的主角。

據賽迪研究院測算，2020年我國通用算力規模為77 EFLOPS，AI算力為56.23 EFLOPS（AI算力尚未超越通用算力）。但到2025年，我國基礎算力和AI算力總量将分别超過300 EFLOPS和1800 EFLOPS（AI算力大幅超越通用算力）。

另據信通院去年發布的《中國算力發展指數白皮書》顯示，2020年中國智能計算的算力為算力總規模的41%，而到2023年，占比将迅速攀升到70%。

而在上述通用算力向AI算力演變的過程中，作為人工智能基礎設施核心（主要是AI算力的生産、聚合、調度和釋放）載體的AI服務器無疑将充當重要角色。

與傳統的服務器采用單一的CPU不同，AI服務器通常搭載GPU、FPGA、ASIC等加速芯片，利用CPU與加速芯片的異構組合可以滿足高吞吐量互聯的需求，為自然語言處理、計算機視覺、語音交互等人工智能應用場景提供強大的算力支持，成為人工智能發展的重要支撐力量。

據國際數據公司IDC最新發布的2021HI 《全球人工智能市場半年度追蹤報告》（《Worldwide Semiannual Artificial Intelligence Tracker》）顯示，AI服務器是AI整體市場增長的驅動力量，2021年上半年全球AI服務器市場同比增長28.9%，高于全球AI整體市場增長率；AI服務器市場規模達66.6億美元，占人工智能基礎設施市場的82%以上。而在未來五年，AI服務器市場将繼續高速增長，預計在2025年全球AI服務器市場規模将達到277億美元，五年複合增長率為20.3%，增長最快。

對此，IDC分析認為，在過去幾年中，機器學習和人工智能應用對算力的要求變得越來越嚴苛，這也使得搭載 GPU、FPGA 等面向人工智能場景的服務器市場增長迅速，成為拉動整體服務器市場的重要增長點。IDC預測，到2024年，人工智能将成為企業工作負載的核心組成部分，75%的企業及其20%的工作負載将基于人工智能或使能人工智能，15%的IT基礎設施将因應用了人工智能而加速。随着算法框架日益複雜及大規模預訓練模型爆發趨勢，計算能力将成為決定人工智能發展上限的重要因素。

需要特别說明的是，在AI服務器市場，中國科技企業表現出色。同樣是來自上述IDC的報告顯示，中國科技企業浪潮信息以20.2%的市占率穩居第一，聯想和華為也分别以6.1%和4.8%的占有率位居前5之列。

不知業内從上述看到了什麼？結合IDC此前報告所稱，中國AI算力占全球市場的40%左右，已經成為全球人工智能産業發展的中堅力量的事實，我們認為，AI服務器不僅在其中起到了不可或缺的作用，同時預示着中國在數字經濟發展過程中，作為智能算力基礎設施重要組成部分的AI服務器，無論是現在還是未來，均充當着重要的角色，并具有廣闊的市場應用前景。

更為重要的是，中國在AI算力方面的創新已經走在了前列。

以AI服務器位列榜首的中國科技企業浪潮信息為例，憑借創新，其打造了全球性能最強、布局最全的AI計算産品陣列，涵蓋訓練、推理、邊緣等全棧AI場景；其智能業務創新生産平台（例如AIStation）實現了對英偉達、寒武紀、昆侖芯、高通等6家國際國内廠商的12款AI和GPU芯片的多元算力支持，打通了多元AI芯片從接入、管理、調度、适配到應用的路徑，通過構建AI芯片算力接入規範實現多元算力的标準化管理，為産業AI化和智算中心建設提供高效便捷的AI算力調度，讓AI應用和AI服務更便捷，助力用戶充分使用多元算力實現AI技術創新和落地。

此外，其還推出了符合OAM标準的AI計算開放加速系統MX1, 通過多元開放的AI服務器架構為人工智能發展提供更高的性能和可擴展性的AI算力支撐等。

挑戰猶存，智算中心呼之已出

正是由于算力予國家或地區經濟與基礎支撐作用的國之重器屬性，當下，以數據中心代表的算力基礎設施建設在我國可謂是如火如荼，但相應的挑戰也随之而來。

例如在碳排放方面，2020年9月，我國在聯合國大會上提出，力争于2030年前實現碳達峰，2060年前實現碳中和。與此同時，“十四五”規劃也将加快推動綠色低碳發展列入其中。可以說，碳中和現已成為國家的一項國策。而具體到集中生産算力的數據中心，表現卻并不盡如人意。

據國網能源研究院預測，到2030年，我國數據中心用電量将突破4000億千瓦時，占全社會用電量的比重為3.7%。另據綠色和平和工業和信息化部電子第五研究所計量檢測中心聯合發布的《中國數字基建的脫碳之路：數據中心與5G減碳潛力與挑戰(2020-2035)》報告預測，2035年，中國數據中心和5G的碳排放總量将達2.3億—3.1億噸，約占中國碳排放量的2%—4%。其中，數據中心的碳排放将比2020年最高增長103%。

針對于此，節能減耗成為日前正式啟動的“東數西算”工程中的關鍵詞。《實施方案》明确規定，到2025 年，全國新建大型、超大型數據中心平均電能利用效率（PUE）降到 1.3以下，國家樞紐節點進一步降到 1.25 以下，綠色低碳等級達到 4A 級以上。

除了能耗外，我國算力基礎設施建設（以數據中心建設為代表）還存在一定程度上的供需失衡、重建輕用、路線錯位等挑戰，具體表現在從算力配比結構上看，過高的算力供給與區域實際應用需求和産業情況不符，呈現一定的結構性過剩；從建設路線選擇上看，對于算力概念混淆，導緻建設方向和建設需求錯位，既不能拉動産業升級又造成資源浪費。

諸多事實表明，我國算力基礎設施的建設亟需加強統籌引導、因需而為，避免概念先行、搶占風口，才能實現可持續發展。

針對上述挑戰，以AI服務器作為生産算力“動力機組”的智算中心無疑是正解。原因何在？

與傳統數據中心不同，“智算中心”不僅通過AI服務器把算力高密度地集中在一起，而且解決了調度和有效利用計算資源、數據、算法等問題，更像是從計算器進化到了大腦。此外，其所具有的開放标準，集約高效、普适普惠的特征，不僅能夠涵蓋融合更多的軟硬件技術和産品，而且也極大降低了産業AI化的進入和應用門檻，直至普惠所有人。

其中，開放标準，集約高效、普适普慧的特征，很大程度上化解了前述算力基礎設施建設及使用中可能出現的挑戰。

另外，智算中心并非僅是輸出AI計算、應用AI技術和“以智生智”，而是基于全新技術的算力生産中心，還會撬動新一代ICT技術和産業的創新和發展。例如，針對前述的數據中心碳排放，其将直接推動液冷等系列技術的發展和應用，為技術創新和節能減排提供了巨大的想象空間。

需要說明的是，除了上述外，國家信息中心于2020年就發布了《智能計算中心規劃建設指南》引導智算中心建設；而去年7月舉辦的2021算力中心健康發展研讨會則明确了智算中心标準，引導智算中心明确應用場景和優先任務，保證算力資源建設合理、綠色。

那麼問題來了，按照《智能計算中心規劃建設指南》而建設的智算中心究竟表現如何？

這裡我們以按照《智能計算中心規劃建設指南》，由浪潮信息主導的南京智能計算中心為例來予以說明。

目前該智算中心已經開始投入運營，其采用浪潮AI服務器算力機組，搭載寒武紀思元270和思元290智能芯片及加速卡。目前已運營系統的AI計算能力達每秒80億億次（AI算力遠超傳統數據中心提供的基礎算力供給），1小時可完成100億張圖像識别、300萬小時語音翻譯或1萬公裡的自動駕駛AI數據處理任務。

此外，南京智能計算中心集算力生産供應、數據開放共享、智慧生态建設和産業創新聚集四大功能于一體，通過算力生産、聚合、調度與釋放，與基于AI技術生态鍊的 AI生态全面加速對接。作為構建未來智慧社會和智能經濟的關鍵性公共算力基礎設施，南京智能計算中心将有效推動南京市乃至長三角地區的智能産業創新集聚與經濟能級提升。另據業内的測算，該智能計算中心是目前已經投入運營的智算中心中，性價比（每100P算力需要建設成本最少）最高的。

究其原因，面向人工智能算力需求的發展趨勢，2020年浪潮信息在業内率先提出“智算中心”，并圍繞智算中心生産算力、聚合算力、調度算力、釋放算力這四大關鍵作業環節持續創新；去年，浪潮信息持續升級智算新基建，推出中文AI巨量模型源1.0，參數集規模高達2457億。

可以說，廠商對于産業趨勢的先知、先覺和先行，以及不斷因需而變的持續創新，讓智算中心未來更可期。

寫在最後：根據IDC最新發布數據，全球人工智能收入預計到2022年同比增長19.6%，達到4328億美元，包括軟件、硬件和服務，預計2023年将突破5000億美元大關。未來，全球和中國的數字經濟将進入以人工智能為核心驅動力的新階段。

在此階段中，作為支撐以人工智能為核心驅動力的數字經濟的算力，也正在從通用算力向智能算力演化和重構，并最終以智算中心作為國家發展數字經濟的重要基礎設施而得以體現。而未來，擁有較高算力基礎建設和應用能力的國家、地區及相關企業，将更有可能在人工智能帶來的數字經濟紅利中更多獲利。