当前人工智能技术和生态迭代加速，对智能算力提出了更强、更大的要求。作为关键环节和核心基地，以智能计算中心为代表的智能计算基础设施的发展趋势如何？
在19日开幕的“2024国际算力标准与应用研讨会”上，中国信息通信研究院云计算与大数据研究所所长何保红致辞表示，自算力标准诞生以来， 2022年底，人工智能基础设施及相关智能投资快速上升，全球对智能计算的关注度持续提升。
与传统算力相比，智能算力由基于GPU、FPGA、ASIC等AI芯片的加速计算平台提供，主要用于人工智能训练和推理计算。国家信息中心《智能计算中心创新发展指南》指出，“十四五”期间，智能计算中心实现80%应用水平时，城市对智能计算中心的投资可拉动增长核心人工智能产业增长2.9%至2.9%。 3.4倍，带动相关产业增长36至42倍。
金叶/照片
推广基础预训练大模型需要大规模智能计算集群的支撑，而智能计算中心一般由地方政府或电信运营商牵头，定位于服务区域层面的产业创新和科研创新。中国信息通信研究院近日发布的《智能计算基础设施发展研究报告(2024)》(以下简称《报告》)显示，据团队不完全统计，截至2024年7月，已纳入中国信息通信研究院产业与规划研究。监控智能计算中心（含已建和在建）87个。
报告称，国内智能计算中心单体算力规模分为三个等级，与布局区域特点高度协调。目前，智能算力主要分布在和林格、贵阳、芜湖等国家算力枢纽节点以及北京、上海、深圳等AI超一线城市。已部署多个单节点规模超过10万元的大型算力中心，支持通用基础大模型训练和高并发推理应用。人工智能发展基础良好的城市将部署300至300平方米的中型算力中心，可以满足大型行业模型对海量数据和复杂计算的需求。与此同时，各市区也在积极发展小型计算中心，规模达到40%至40%。
谈到智能计算资源的供需情况，何宝红认为，高端算力市场仍然短缺，而中低端算力市场则供过于求。
当他提到智能计算中心建设需要注意的问题时，他表示，在网络方面，计算能力的提升远远超过网络能力的提升。这带来了新的网络技术要求，需要改进现有以太网或开发新网络。网络连接技术。此外，能源消耗也是一个重要挑战。在大型模型的训练过程中，大约2/3的成本是电力。未来需要关注节能计算和混合计算的发展来应对能源消耗问题。 “我们正在形成人工智能算力中心的新生态系统，但仍然面临很多挑战，需要大家共同努力。”
报告还认为，从产业实践来看，我国智能计算基础设施发展仍面临不少问题。建议分类引导投资布局，联合创新要素资源。例如，基础通用大型模型的训练和推理需要大规模智能计算集群的支持。技术门槛高、投资规模大。基础通用大车型发展要由政策引导、有序建设，支持龙头厂商与先进地区联合投资。针对基础通用大型模型，建设并许可3至5个国家级超大规模智能计算中心。而大规模产业模型的研发和实施，技术门槛稍低，个性化程度较高，适合作为本地智能计算基础设施的主要方向。
（本文来自第一财经）
