中科曙光，中国算力王者！人工智能是2023年出现的首个大题材-中科曙光先进计算中心

 

原标题：中科曙光，中国算力王者！人工智能是2023年出现的首个大题材

中科曙光，中国算力王者！人工智能是2023年出现的首个大题材，主要是微软旗下ChatGPT取得技术上的重大突破，打开了人工智能的想象空间。A股市场以360、浪潮信息、科大讯飞，拓尔思，拓息为代表的人工智能标的，几乎每天成交额都在20～50亿的量级，浪潮信息成交额甚至一度突破100亿，如此大体量的热点板块，基本上耗尽了A股的流动性。人工智能的前景很好。 会和英伟达一样从30元到300元的大牛股， ChatGPT之父、OpenAI公司CEO奥特曼(Sam Altman)周日在一条Twitter上写道：“新版摩尔定律很快就要来了，宇宙中的智能数量每18个月就会翻一倍。”

摩尔定律是英特尔联合创始人摩尔对半导体行业的预测，指芯片中的晶体管数量大约每两年翻一番，同时价格降一半。几年前，芯片巨头英伟达创始人CEO黄仁勋就曾表示：“摩尔定律已死。”

奥特曼的最新言论很快在社交媒体上发酵，但他没有具体解释所谓的“智能”(intelligence)到底是指什么，这也引发了业内的热烈讨论。

宇宙智能数量18个月翻番指什么？

“当(人脑之外的)另一个结构可以突破(神经元)总量限制时，智能的确会不断爆炸。”猎豹移动董事长傅盛在朋友圈中写道。他向第一财经记者解释称：“这里的智能应该指神经元参数。”

澜舟科技创始人CEO周明对第一财经记者表示，虽然神经元参数确实是可以数值化衡量的指标，但是过去几年里，神经元参数似乎并没有18个月就实现翻番。

“我认为Altman说的意思比较含糊，我个人的理解是，世界上的人工智能能力每18个月翻一倍，但怎么才算翻一倍，是增加新的能力的个数，还是已有能力的翻倍提升，他没有明确说明。”周明对第一财经记者表示。

第一财经记者就如何理解“智能”翻番向ChatGPT提问。首先问：“宇宙中智能数量每18个月翻一倍，这里的智能是指什么？”ChatGPT回答道：“声称宇宙中的智能数量每18个月翻番是没有科学依据的，因为智能不是一个可以用这种方式测量或量化的物理量，通常认为它是一个具有复杂特性的东西，不能简化为单个指标或者数值。”

当第一财经记者在提问中加入ChatGPT创始人奥特曼的名字，再问：“奥特曼所说的新版摩尔定律是指什么？”ChatGPT回答称：“新摩尔定律指的是奥特曼在2018年做出的关于人工智能快速发展及其能力呈指数级增长的预测。奥特曼表示，人工智能发展的速度目前正在超过摩尔定律。”

从ChatGPT的回答中可以看出，这一预测是奥特曼早在2018年就曾作出的，但当时OpenAI的能力远不如今天，这一表态自然也未受到关注。

如今，奥特曼重新将他的“新版摩尔定律”抛出，背后是深度学习和AI的崛起。但不管ChatGPT如何强大，背后也离不开算力的支撑。

随着人类对于算力的要求越来越高，要满足新的高性能运算需求，芯片就需要不断迭代，成本也会随之增加。目前支撑包括ChatGPT大模型在内的95%用于机器学习的芯片都是英伟达的A100，该芯片的单价超过1万美元。

在上周英伟达的财报会议上，黄仁勋称，英伟达的GPU在过去的十年里将AI的处理性能提高了100万倍。英伟达现在希望将AI的训练速度提高至少1万倍。

研究机构Gartner分析师盛陵海对第一财经记者表示：“过去十年是AI发展从0到100的阶段，但是要从100到10000，是完全不同的场景。过去十年芯片的发展还遵循摩尔定律，但随着摩尔定律接近极限，未来计算机的能力要进一步提升越来越困难，除非量子计算能有大的突破。”

谁能颠覆人工智能“主力”A100？

根据研究机构New Street Research发布的一份报告，英伟达的A100目前已成为人工智能领域的“主力”，占据了用于机器学习的图形处理器市场95%的份额。

训练大型语言模型需要大量GPU，这些GPU还能进行“推理”。拥有热门AI产品的公司通常需要购买更多GPU来处理峰值期间的数据或用于模型的改进。例如，人工智能公司Stability AI公司过去一年购买的A100芯片数量增加到目前的5400个。Stability AI的软件用于图像生成器Stable Diffusion，使用256个A100芯片训练模型，训练总时长达20万个小时。

除了单个的A100芯片之外，英伟达还出售一个包含8个A100的服务器系统DGX，售价接近20万美元。根据机构测算，微软基于ChatGPT的人工智能搜索必应(Bing AI)需要超过2万台DGX服务器系统，才能使Bing的模型支持每个人的搜索，这表明该功能可能需要微软投资40亿美元的基础设施支出。

而谷歌每天进行近百亿次的搜索服务需要的服务器能力更大。根据New Street Research的技术分析师Antoine Chkaiban的预测，谷歌要满足所有人的搜索，需要在DGX上花费800亿美元。“这说明每个使用如此庞大的语言模型的用户都需要一台大型超级计算机。”Chkaiban在报告中写道。

但目前仅有大公司才有实力进行如此巨大的投资。为了让更多小公司能够使用英伟达AI的能力，英伟达正在拓展一种全新商业模式。黄仁勋在上周的财报电话会议中表示，未来将直接出售对DGX系统的云访问，从而降低小公司研究人员使用AI能力的入门成本。

在黄仁勋看来，英伟达提供的价值是将原来需要投入10亿美元运行CPU的数据中心缩减为仅用1亿美元就能搞定的数据中心，现在将该数据中心放在云端共享，意味着可以由100家公司来分担这一成本，因此每家公司支付的实际上是非常少的费用。“现在企业可以花一两千万来构建一个类似GPT的大型语言模型，这是可以支付得起的。”黄仁勋表示。

尽管英伟达并不是唯一一家生产用于人工智能GPU的公司，但根据研究机构State of AI的报告，截至去年12月，超过2万篇开源AI论文中都使用了英伟达的AI芯片，其中A100在2022年的使用量迅速增长，成为英伟达被使用第三多的芯片，仅次于其售价1500美元的游戏芯片。

目前能与A100的使用量竞争的仍然是英伟达去年量产的下一代人工智能芯片H100.这款芯片的售价更高，并且在截至今年1月的财季中，H100芯片的收入已经超过了A100.英伟达表示，H100是该公司推出的首款针对transformer架构进行优化的数据中心GPU，transformer正在越来越多地用于新的顶级人工智能应用程序，重要性日益凸显。

一：计算力是数字经济时代的核心生产力 计算力指数平均每提高1点，国家的数字经济和GDP将分别增长3.5‰和1.8‰。计算力指数模型由计算能力、计算效率、应用水平、基础设施支持四个维度构成。计算能力，反映了国家在算力投入的整体水平和侧重点；计算效率，反映了计算能力的利用水平；应用水平旨在考量国家的人工智能、物联网等新兴技术的应用对算力的拉动，体现未来算力发展的潜力；基础设施支持，旨在考量一个国家未来算力发展的可持续性。

二：投资算力将带来经济长期增长 当一个国家的计算力指数达到40分以上时，计算力指数每提升1点，对GDP增长的推动力将增加1.5倍，而当计算力指数值达到60分以上时，计算力指数每提升1点，对于GDP增长的推动力将提高到3.0倍，对经济的拉动作用变得更加显著。含有算力资本的内生增长模型验证，算力资本可与传统物质资本形成互补效应和协同效应；算力资本增长会产生正网络外部性效应和溢出效应，算力资本对经济发展具有倍增效应。加大对数据中心、智能计算中心等算力基础设施的投资，将进一步增强算力资本与传统物质资本之间的互补效应和协同效应，提高一国生产物品和服务的能力，提升数字经济在国民经济中的比重，最终促进潜在GDP增长并提升整体经济发展水平。

三：全球算力投入加速 中国计算力水平增幅最大达13.5% 计算力指数国家排名，美国第一，中国第二。过去一年，大部分国家计算力评分均有所提升，中国计算力水平增幅最大达到13.5%。中国大部分指标延续了高速增长，且增幅均高于美国。领跑者阵营与起步者阵营的差距进一步拉大，起步者阵营和追赶者阵营国家算力指数平均分的差值在缩小。

四：AI计算能力反映一国最前沿的计算能力 综合15个国家来看，AI算力支出占总算力支出从2016年的9%增加到12%，预计到2025年将达到25%。中国AI算力发展领跑全球，AI服务器支出规模同比大幅增长44.5%，并首次超过美国位列全球第一。在15个国家AI算力支出的增长中，近60%来自中国。各国加大对人工智能的布局力度，澳大利亚成立人工智能研究所；日本出台《第2期战略性创新推进计划（SIP）》；法国出台“人工智能国家战略”新计划；韩国发布“人工智能半导体产业发展战略”；中国面向AI应用对算力的庞大需求，政府层面推动智能计算中心有序发展，打造智能算力、通用算法和开发平台一体化的新型智能基础设施，主要面向政务服务、智慧城市、智能制造、自动驾驶、语言智能等重点新兴领域。

五：数字技术加速与垂直行业深度融合 优化创新应用场景 全球行业计算力水平排名TOP5：互联网、金融、制造、电信、政府。对于算力投入较大的行业同样在新技术的应用上投入靠前，其中互联网、金融和制造在算力投资和AI投资中均位前列。金融加速对智能化平台的建设，提升风险管控能力。对人工智能的使用主要集中在智能客服和风险管控两大方面。智能客服语音识别由平均55%的识别率提高到85%以上。制造积极推动数字工厂建设，是全球算力水平最高的传统行业之一，是物联网和机器人两项新兴技术投入占比最大的行业。在龙头企业带动下，中国制造业数字化进程加速，实现工厂数字化。2021年，中国制造业IT相关支出占全球市场占比的15%左右，未来五年增速将处于领先位置，年复合增长率将达到16.6%，显著高于全球其他地区，预计到2025年，中国制造业IT相关支出占全球市场将达到20%左右。电信利用算力投入对内优化BSS系统增加客户粘性，优化OSS系统提升运维效率；对外为智慧交通、智慧零售、车联网、游戏娱乐、AR/VR应用等增值业务提供支撑。

六：智算加速从数据中发现&创新 1、农业领域，利用人工智能技术分析加工地图来确定作物的问题区域，从而优化产量。2、医疗领域，人工智能技术应用于遗传综合症、肺癌、乳腺瘤、创伤后应激障碍等多种疾病的治疗和诊断；借助AI技术准确解读医学影像，协助医师从海量的X光照片中准确诊断乳癌和肺结核，并利用组织切片的影像认识、译码疾病。3、科研领域，AI计算辅助疫苗和药物研发，用于靶点选择和验证、先导化合物筛选和优化等研发环节，从传统“手工试错”向计算辅助模式转变，最大化缩短研发周期，加速有效药物投入使用；利用人工智能进行蛋白质折叠体结构的研究、抗菌耐药性基因的检测和识别也成为热点。4、防疫抗疫中，AI计算在人群筛查、舆情分析、传染防控、疫情监测分析发挥重要作用；AI计算加速对疑似病例的基因测序分析，显著缩短溯源时间。

七：新兴技术的应用是未来IT支出的核心驱动力 大数据、人工智能、物联网、区块链、机器人等新兴技术的应用是未来IT支出的核心驱动力。中国在机器人应用方面支出位列全球第一，在人工智能应用、大数据应用增速均高于美国。2020年，中国和美国人工智能应用总支出处在最前列，分别达到34.7%和27.9%的高速增长，并有望在未来5年维持这样的增长水平。

八：大模型加快传统行业的智能化转型 通过微调大规模预训练模型来服务于特定下游AI任务，已经成为业内共识，赋能各行各业，在法律、医疗、教育等领域带来积极影响。全球各国AI企业都在大力布局大规模预训练模型技术开发及其商业化。在美国，OpenAI、谷歌、微软、脸书等机构形成了GPT-3、Switch Transformer、MT-NLG等千亿或万亿参数量的大模型。

九：边缘计算成为驱动全球企业级基础架构市场增长的重要力量 IDC预计未来5年，对边缘算力的投资增长速度将远快于核心位置，到2025年，全球边缘计算服务器支出金额占总体服务器比重将从14.4%提升到24.9%。边缘计算从产品形态到底层架构都在走向多样化，定制服务器产品或成为边缘计算基础架构的主力军。电网利用边缘计算和物联网技术控制电力输配，在不增加碳足迹的情况下提高输电效率，通过传感器和智能电表收集各环节数据，借助人工智能、大数据分析给出优化用电建议。

十：计算力向绿色化演进 业内正在实践多种降低数据中心碳排放的举措，包括使用液冷等技术来提升散热效率，引入风电、光伏等新能源技术，通过AI/ML技术升级运维管理流程，采用全新芯片架构实现更高的单位功耗算力输出等。IDC认为，液体冷却解决方案将在数据中心市场得到更广泛的采用，到2023年数据中心中至少有约40%将配备液冷技术解决方案。液冷技术可分为直接液体冷却和浸入式冷却两大类，冷板式液冷是直接液体冷却方案的主要形式。得益于成本效益和基于现有冷却系统和数据中心基础设施的可升级性，直接液体冷却解决方案将在数据中心市场得到更广泛的应用，特别是企业用户。

中科曙光背靠中科院，公司技术生态不断完善，在服务各行业的过程与生态伙伴开展合作，积累了丰富的行业解决方案，针对不同客户的差异化要求，可提供算力、算法、数据和软件支撑，以及适合于行业应用的完整的计算、存储、通讯和网络安全系统。公司高端计算机产品全面适配国产操作系统、数据库、中间件等基础软件。公司是中科院推动相关科技成果产业化的重要平台，以“中科院先进计算技术创新与产业化联盟”、“中科院智慧城市产业联盟”两个产业联盟为基础，联合中科院内各研究所、各院属企业，进行协同创新，基于中科院体系的交叉学科积累，公司积累了大量底层计算硬件与上层行业专用软件的适配经验，并积极适配国产化行业应用软件。公司一直以来重视围绕绿色、节能数据中心的技术创新和技术突破。控股子公司（占70%）曙光数创在国内率先实现将相变浸没式液冷技术大规模应用到大型数据中心中，突破了能耗效率PUE的纪录，PUE最够降至1.04，推动了传统高耗能数据中心建设模式升级，实现了节能、高效、安全、稳定的数据中心运行服务。曙光已经形成了较为全面的GPU产品线，涵盖刀片式、机架式、塔式等多种服务器类型，可以满足用户对高性能计算提出的多种需求。这些都为高性能AI服务器算力提供强大的支撑，2030年目标价300元。（作者：潜力大牛股研究）返回搜狐，查看更多

责任编辑：