证券时报记者 严翠

　　科学进步一小步，人类文明一大步。

　　1913年，福特流水线的诞生，使汽车的组装效率实现了指数级提升，由原来的748分钟缩短至90分钟，生产效率提高了8倍，实现了工业生产从蒸汽机驱动向电气化驱动的成功转型，进而开启了整个工业制造业电气化转型新时代。电力，为当时的经济插上了“转型翅膀”。

　　一百多年后的今天，数字经济风起云涌，人工智能（AI）技术蓬勃发展，算力需求激增。作为重要“底座”，算力的赋能作用日渐凸显，已成为社会经济向数字化、智能化转型的核心驱动力。这一次，算力将接棒电力，为经济社会发展插上新的“转型翅膀”。证券时报“中国智造面对面”系列推出“AI”篇，一窥中国人工智能产业发展现状。

　　支撑AI规模化应用

　　2023年，人工智能技术实现质的飞跃。通过生成式AI（AIGC）技术，人们可用自然语言与机器进行便捷交互，并将海量的数据经过训练、推理，快速转化为生产力，产生实际商业价值。

　　AI技术加速向各行各业渗透，需要运算大量的数据，这个过程所消耗的资源就是算力。2023年，随着以AIGC为代表的人工智能技术井喷式的发展，算力需求也迎来爆发式增长，部分高端算力产品价格不断上涨。

　　工业富联首席数据官刘宗长在接受证券时报记者采访时表示，三五年前，人工智能在生产、管理的环节只是试点，一些示范工厂或产线应用了AI技术，技术指标上可能已达到公司需求，但难以规模复制。如今，人工智能到了一个转折点，正在慢慢地规模化应用，比如工业富联开发的AI自动检测工站，已规模应用于公司的检测流程。此外，在先进分析、品质管理等场景下，AI技术也已被大范围使用。

　　像工业富联一样正在使用AI技术，或者其他云计算、边缘计算、5G、物联网等技术的企业大量存在，背后都涉及数据的计算、转换、存储等。因此，在数字经济、人工智能时代，算力已成为驱动产业转型、经济发展的核心驱动力。

　　算力基建蓬勃发展

　　实现数字经济高质量发展，需要筑牢算力基础设施。据了解，算力基础设施包括超算中心、智算中心、通用数据中心等形态，里面存放大量服务器，专门对数据进行集中管理（存储、计算、交换）。通用数据中心侧重大量数据的存储、管理，算力中心则侧重科学计算，超算中心则主要用来模拟核爆炸、气候预测等。

　　目前，我国数据中心或算力中心分布广泛，但超算中心仅有14个，分布在深圳、广州、无锡、昆山、济南、青岛、太原、郑州、西安、成都等地。

　　工信部数据显示，2018年以来，我国数据中心机架数量年复合增长率超过30%，截至今年6月底，我国算力总规模达到每秒1.97万亿亿次浮点运算，位居全球第二。

　　“算力基础建设成为了新基建的重要内容之一，国家统筹建立的‘东数西算’八大枢纽、国家超算中心等，就相当于高速公路的国道，各个地方建立的算力中心等则相当于省道，国家把算力新基建建好了，以后的产业才会有更大的发展机会。”拓维信息董事长李新宇对证券时报记者表示。

　　国家超算长沙中心主任李肯立告诉证券时报记者，尽管“东数西算”等可以部分解决东西部算力需求和资源不匹配的问题，但是还做不到像电力一样方便地输送，因为算力输入是硬件，目前标准等各方面还不统一，技术方面还存在难点。“在这个背景下，当下各城市根据自身算力需求，在本地建设算力中心，也是比较现实且可循的方式。”李肯立说。

　　国际数据机构IDC联合其他机构发布的《2021—2022全球计算力指数评估报告》显示，计算力指数平均每提高1个点，数字经济和地区生产总值将分别增长3.5‰和1.8‰。一个国家或地区增加对计算力的投资可以带来经济的增长，且这种增长具有长期性和倍增效应。

　　另据浪潮人工智能研究院测算，预计到2025年全球计算力规模将比2020年提升30倍。

　　像用电一样使用算力

　　近些年，我国数字经济转型逐渐深入，智能化转型大力推进，算力发展政策东风频吹。

　　2022年2月，国家发改委等多部门印发通知，全面启动“东数西算”工程，同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏等8地启动建设国家算力枢纽节点，并规划了10个国家数据中心集群。

　　今年以来，从国家到地方的各种算力重磅措施、方案也频出。10月8日，工信部等发布《算力基础设施高质量发展行动计划》，提出要着力推动算力基础设施高质量发展，随后，上海、广东、深圳、成都等多地相继出台算力发展政策。

　　12月26日，国家算力政策再加码。国家发改委、国家数据局等五部门联合印发《深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》（下称《意见》），提出到2025年底综合算力基础设施体系初步成型等一系列目标。

　　《意见》旨在以算力高质量发展赋能经济高质量发展为主线，协同推进“东数西算”工程，形成跨地域、跨部门发展合力，助力网络强国、数字中国建设，提出到2025年，我国综合算力基础设施体系初步成型，用户使用各类算力的易用性明显提高、成本明显降低，国家枢纽节点间网络传输费用大幅降低；算力网关键核心技术基本实现安全可靠，以网络化、普惠化、绿色化为特征的算力网高质量发展格局逐步形成，同时强调，将从通用算力、智能算力、超级算力一体化布局等五个统筹出发，推动建设联网调度、普惠易用、绿色安全的全国一体化算力网。

　　显然，算力已成为经济高质量发展的重要动能，从过去“东数西算”的启动到现在“全国一体化算力网”的构建，国家更加注重算力基础设施建设的质量。

　　“未来的算力，可能像现在的电力一样，能够实现全国的统一调配管理、即取即用。”李新宇对证券时报记者表示。

　　价格将趋于合理

　　值得一提的是，激增的算力需求以及美国高端芯片供应受限等，已导致市场算力产品供不应求，价格暴涨，这在一定程度上增加了企业的算力成本。

　　vivo副总裁、AI全球研究院院长周围曾在接受证券时报记者采访时坦言，“手机调用云端大模型，目前大概一次1.5分，这个成本非常高，我们3亿用户每天用十次，一年下来要一百亿元左右的支出。”

　　国盛证券《ChatGPT需要多少算力》报告显示，大模型前期训练成本很高，一次超过百万美元，这个费用不仅涵盖了模型的架构、算法和训练数据的选择，还包括了模型训练所需要的大量计算资源和时间成本。而随着模型上线部署后使用量的增加，推理成本可能远超训练成本，尤其随着大语言模型不断升级迭代，参数量突破万亿、模型能力越来越强、用户使用量激增，推理成本也会呈几何式增长。

　　对此，刘宗长对证券时报记者表示，造成算力成本高的原因主要有两方面，一是因为需求大幅增长而产能不够，二是由于地缘政治、美国芯片禁令影响。

　　“目前公司正配合客户在布局新的产能，预计明年在供应端会有一个明显的提升，同时随着供应的恢复，产品价格也会有所下降，进而会带动更多新的需求。”刘宗长说，“当供应与需求开始平衡后，算力价格会逐渐趋于合理，回归理性。”

　　李新宇也认为，随着时间的推移，技术的进步、生态的成熟，未来算力成本会逐步降低。

　　算力成本较高另一原因，是我国算力产业仍与国际头部企业存在一定差距，未来若能把握产业生态的发展规律，供给格局也将发生变化。

　　中国科学院院士王怀民对证券时报记者表示，我国算力产业发展要抓住机遇快速迭代升级，不仅要从芯片、软件方面发力，更要注重生态的培育和打造，而中国在生态营造上具备独特的优势，中国具有庞大的消费市场、工程师群体等。