一个AI小白的“大作文”：Sora全球爆火，我们的算力准备好了吗？
最近，作为一个生活在“中国最互联网城市”的深圳市民，我突然萌发要写这样一篇文章的想法。然而，作为一个人工智能领域的小白，我并不知道该从哪些方面下笔。
于是，我准备了一些问题，想要请教业内人士为我解答。经过一天的资料搜集，我终于将问题拟好，但是发给他们后，等待回复需要两天时间。
迫于时效性，我又十分想立刻知道这些问题的答案——
于是，我把其中一些问题分别发给了“WeTab AI pro”“文心一言”“讯飞星火”三个平台，很快我就得到了相应的答案。
（图为WeTab AI pro的回答）
（图为文心一言的回答）
（图为讯飞星火的回答）
在这三个不同的平台中，我得到回复的时间分别是“即刻”“3秒”“10秒”；面对专业回复，我即将等待的时间是“两天”，不同的回应时间便很好地解释了——什么是算力。算力的发展，意味着效率的提升与跃迁。
假如想让现在与我对话的模型变得更加聪明，就需要对模型进行不断的训练。训练大模型，不仅需要被灌入海量的数据，还需要复杂的数学计算、更是动辄千亿级别的参数；没有足够的算力，就无法快速地处理这些数据、无法快速更新这些参数，更别说让模型表现得足够聪明伶俐。
以ChatGPT为例，训练它所耗费的算力大概是3640PetaFLOPs/天，相当于用每秒运算1000万亿次的算力对模型进行训练，需要3640天才能完成。
数据被视为最宝贵的资源，是一座富矿，而算力则被视为是挖这座矿的工具。通过算力对数据进行处理，就能挖掘巨大的数据价值，创造财富。正因此，算力才会被视为人工智能时代下的核心竞争力。
制约与突围
在全球经济复苏面临较大不确定性的同时，数字经济依然保持强劲增长，算力已经成为经济增长的重要驱动引擎。
尽管2023年8月的数据显示，我国在用数据中心机架总规模超过760万标准机架，算力总规模达到每秒1.97万亿亿次浮点运算（197EFLOPS），位居全球第二，算力总规模近5年的年均增速近30%。
但有相关数据呈现，从人均角度来看，中国仅处于中等算力国家水平。
世界各国人均算力对比（2020）（图源：《泛在算力：智能社会的基石》）备注：原数据来自罗兰贝格咨询公司
业内人士介绍，我国和国外的算力发展主要存在三方面的差距：算力层面、芯片技术及算力商业模式。
算力层面主要体现在国内外大模型的差距。目前国内已经发布的大模型产品有百度文心一言、讯飞星火、Kimi等，但是从试用结果看，和ChatGPT、GPT4仍有一定差距。
一方面是因为算力基础设施规模小于微软的规模水平，因此训练精度水平并不深；
另一方面是国内做AI大模型的时间相对较短，还需后续的优化。在OpenAI做出产品之前，这个领域一直没有商机和盈利，因此很多互联网企业都没有实际落地该应用，ChatGPT火了之后，互联网大厂才加速推动大模型产品。
当然，大模型的正常运行，离不开最为核心的载体——芯片。如ChatGPT所耗费的算力（3640PF/天），若换算成英伟达A100芯片，理想情况下总共需要大概6000张，在考虑互联损耗的情况下，则需要一万张A100作为算力基础。
“2022年10月，美国限制英伟达和AMD向国内出售高性能计算芯片，国内能够买到的GPU芯片数量比较有限。然而，高性能GPU芯片代表着这个时代‘顶级聪明的算力’，这个水平的芯片面临缺货，正在成为我国发展高水平AI技术的主要限制因素。”业内人士表示。
另一位业界人士指出，“去年12月，有分析机构曾给出了详细的数据：H100的性能达到1979Tflops，而A100的性能为624Tflops。而就最强的国产AI芯片而言，其性能仅为512Tflops，与A100相比仅有四分之一的算力。此外，国产AI芯片在单位算力功耗和发热等方面也存在一些问题，落后于英伟达的A100和H100。考虑到AI训练和推理等任务对大量芯片的需求，国产AI芯片的高功耗成为企业难以承受的负担。”
虽然我国在算力产业链后端（半导体产业）需要作出长期努力，但在算力产业链前端（提供算力服务或服务器）是具备较强竞争力的。全球市场只有美国和中国拥有规模化的云厂商，国内各行业也呈现云化转型的发展趋势。
但仍需注意的是，我国的云计算厂商整体上并不赚钱。据统计，中国七大云计算厂商加起来，全球份额低于20%，年营业亏损总和超百亿元。国外主要云计算厂商（微软、亚马逊）已经有了成熟的商业模式和稳定的利润回报。本土企业面临的最大压力，是长期在全球算力产业链的价值分配中处于劣势，使之难以进入商业可持续的良性循环。
当然，真正的算力竞争，并不是各个企业、科研院所单纯比拼谁每秒计算多少次，而是如何让算力流动起来，更大程度释放算力的利用率。
IDC（国际数据公司）数据显示，（全球主要经济体）企业分散的小算力利用率，目前仅为10%～15%，存在很大浪费。激活现有的算力资源，精准服务需求，要比单纯堆砌算力、死磕芯片更有价值。
构建更大范围的算力网络就是正在探索中的可行思路，我国推动的“东数西算”工程，就是算力网络理念的一次落地实践。东部地区明显对算力需求更高，西部地区因为制冷成本低（气温低），能源便宜（运输成本低），算力成本自然更低。借助成熟可靠的通信网络基础设施，将低时延要求的算力迁往西部地区，全国统一资源调配，可以实现更好的算力性价比。
去年12月底，国家发展改革委等部门联合印发了《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》，相对“东数西算”工程启动之初的最大不同是，其提出了更清晰的解决方案，并给出了截至2025年底前的一系列明确建设目标。
谈及如何拉长板补短板，业内人士表示：“一方面，我国在基础设施建设方面具有速度快、成本低的优势，这有助于快速部署算力基础设施，如数据中心和通信网络；另一方面，我国拥有庞大的国内外市场和用户基数，这也为算力应用提供了广阔的市场空间和需求潜力。相信随着有关政策的出台和更多资金的投入，我们将不断发挥现有的优势，在算力领域实现快速发展，逐步缩小与国际先进水平的差距，并在某些领域实现领先。”
深圳：算力先锋城市的崛起与展望
国际数据公司（IDC）在《2022全球计算力指数评估报告》中指出，中国的算力产业规模和多样性目前正持续高速增长，2018年—2022年，北京、杭州、深圳的算力规模位居全国前三。
我所处的城市——深圳，作为中国改革开放的前沿城市，正在积极打造算力先锋城市，以推动数字经济和人工智能产业的高质量发展。
根据《深圳市算力基础设施高质量发展行动计划（2024-2025）》，深圳计划到2025年，通用算力达到14EFLOPS（FP32），智能算力达到25EFLOPS（FP16），超算算力达到2EFLOPS（FP64），存储总量达到90EB。先进存储容量占比达到30%以上，重点行业核心数据、重要数据灾备覆盖率达到100%。
在算力基础设施方面，深圳以政府、电信运营商、大型互联网企业、独立第三方为主力，位于深圳的国家超级计算深圳中心、鹏城云脑等算力基础设施，为人工智能产业的发展提供了坚实的算力保障。
据了解，去年11月举行的全球超级计算大会期间，鹏城云脑II存储系统凭借在全节点测试中超过21万分的表现，连续第七次夺得超算存储500强（IO500）榜单全球第一。此前，2022年6月，鹏城实验室牵头联合国内十多家计算领域的领军企业、科研机构启动的“中国算力网”研究计划取得突破，一期工程“智算网络”正式上线，跨域纳管了20余个异构算力中心。
以鹏程云脑为代表的深圳算力基础设施，是如何成为引领深圳发展的 “风向标”“梧桐树”的？它的建设，又有哪些可供参考的深圳智慧与经验？
对此熟知的业内朋友做了更加具体的分享：
一是使命担当定位高。鹏城实验室联合华为和国家新一代人工智能产业技术创新战略联盟AITISA等，规划建设——“鹏城云脑”。目前，鹏程云脑与鹏城实验室的“鹏城云网”“鹏城靶场”“鹏城生态” 等科学基础设施相互配合、相互促进，形成了独具特色的生动高效科研发展态势。
二是用人机制新、聚集人才快。鹏城实验室采用国内人才“双聘制”和国际人才“合同制” 的方式，实行“固定+流动”人才管理机制，多方合力，打破了“部门”和“行业”的界限。鹏城实验室灵活的人才流动聚合模式，也快速集聚了一批海内外高层次科技人才。
三是深化应用覆盖领域，赋能作用强。鹏程实验室为反哺深圳市投资，专门推出鹏程云脑100P的算力，免费供全市中小企业申请使用。运作机制上，由于中小企业算力需求频繁多样，鹏程云脑不直接面向中小企业，而是将算力划拨给市工信局下属的创新中心，由创新中心负责算力调配。支撑赋能上，除了算力供给，鹏程云脑还开发了许多基础软件、基础算法供中小企业使用。
“深圳充分发挥算力基础设施对数字经济‘聚合器’、‘孵化器’的作用，有效促进了人才、资金、技术、数据等要素的联动，从而优化数字经济发展生态，带动新能源、电子信息、高端装备等相关产业快速发展，这是我们应当从中汲取的‘深圳经验’。”他表示。
另一位业内人士则从“算力生态构建”的宏观角度出发，介绍了深圳有望成为算力先锋城市的内在基因：
从产业链协同发展上看，深圳集聚了华为、腾讯、平安等领军企业，以及晶泰科技、云天励飞等一批“领头羊”和“独角兽”企业，形成了覆盖基础层、技术层和应用层的完整人工智能产业链。这种产业链的完整性为算力建设提供了强有力的支撑。
从算力资源整合上看，深圳不仅构建全市“算力一网化、统筹一体化、调度一站式”城市级智能算力平台；还与周边城市合作，建设企业级智能算力平台；联合香港企业、科研机构、高校，打造深港人工智能算力中心等。这种规划与区域合作，有效整合了社会多元算力资源，提升了算力供给的效率和水平。
从市场供需导向上看，深圳出台《深圳市极速宽带先锋城市2024年行动计划》等系列政策，有助于明确市场预期，促进供需平衡；此外，在工业、先进制造业等优势重点行业，深圳围绕交通、能源、园区等企业场景，积极开展算力应用创新，提供算法公共服务，从而更好地满足市场需求。
“如今，深圳在算力发展上已经取得了一定的成就。然而，在芯片设计、高性能计算、人工智能算法等关键领域，深圳还需利用现有的人才、资金、技术优势，持续加大在算力核心技术上的研发投入，从而推动算力的进一步提升和拓展应用。”他说。
迎接算力浪潮，我们不必妄自菲薄
在我们审视产业发展时，一个重要的问题是：需要多少资源？
Sora的兴起让我们见证了OpenAI在从文本到视频领域的突破，然而，我们不能忽视的是背后所投入的巨大成本，包括数据训练和算力支持。ChatGPT依赖着约3万块GPU芯片提供算力支持，而Sora对算力的需求更是巨大。
据外媒报道，OpenAI的创始人正力图筹集高达7万亿美元的资金，用于支持公司的半导体计划。这一融资规模相当于2023年英国GDP的两倍多，对于多数国家而言，这样的资金投入都是不现实的。
如果我们希望创造比Sora更智能的AI模型，我们所需的数据和算力是无法预知的。然而问题在于，如果人们不断投入巨额资金用于争夺算力，最终研发出智能认知模型，又将为人类带来什么？也许AI能创作出更优秀的文章、漫画、视频，可人类却被迫在工作中与AI竞争。人工智能的发展旨在更好地为人类提供服务，而并非取代人类。
因此，除了不断发展通用大模型的算力和硬件，我们也在努力在特定领域进行开发，例如智能驾驶等专用大模型的应用，因为这需要的资金更少，而且可以直接应用于产业领域。总而言之，这就是我们国家在人工智能领域发展的逻辑。今年两会期间，与人工智能相关的新闻报道数量创下了历史新高，其中大部分与人工智能赋能产业有关。
与需要大量资金和算力的通用大模型相比，选择先确保AI为实体产业赋能，实现降本增效，这样才能更有效地利用资金。我们今天能够便捷地购物、能够尝试AR、VR等虚拟现实、能够体验更智能的家居与出行，都要感谢不断进步的“智能工厂”“互联网络”。
因此，没有必要过分夸大Sora的神话，也没有必要贬低自身。确实，长期以来，我们的科技发展一直在不断摸索前行，而现在在人工智能领域，我们也需要更多的开拓精神。
然而更重要的是，不是看别人在做什么，而是要清楚自己要做什么。
来源：圳经事