大數據文摘授權轉載自AI數據派
作者：劉道全
自上世紀90年代互聯網技術誕生以來，移動互聯網、云計算、大數據、人工智能等新一代資訊技術的不斷發展和逐步成熟，并日益深入的滲透到經濟社會的各個領域，2020年全球范圍內爆發的covid19疫情又進一步加速了這一趨勢，數字經濟已經成為世界經濟發展的新階段，即世界經濟發展已經進入數字經濟時代。
黨中央、國務院和各級政府高度重視數字經濟的發展。從2015年《大陸制造2025》、《促進大數據發展行動綱要》等政策出臺以來，中央和各級地方陸續以推出系列數字經濟發展的措施，并支持雄安新區、浙江、福建等六個地區建設國家數字經濟創新發展試驗區，支持北京、上海、深圳、西安等地建設國家新一代人工智能創新發展試驗區，2020年國家進一步提出加強新型基礎設施建設，并明確將數據作為一種新型生產要素寫入政策文件，這些將為數字經濟的發展奠定更加堅實的基礎，
農業經濟時代，土地、水源和工具是關鍵資源，工業經濟時代，能源、原材料、機器設備和生產工藝等是關鍵資源，那數字經濟時代的關鍵資源是什么呢？數字經濟時代的關鍵資源是數據、算力和算法，數據是數字經濟時代的原材料，各種經濟活動中都在源源不斷的產生的數據，越來越多的組織也將數據當作一種資產，在政策層面數據已經成為一種新型生產要素，算力相當于數字經濟時代的機器設備和生產力，面向各種場景的數據產品或應用都離不開算力的加工和計算，而且對算力的需求和要求也越來越高。算法是數字經濟時代的生產工藝，面向圖像、語音、自然語言處理等不同的應用場景和領域的算法也層出不窮，算法的提升和改進可以提高算力的效率和更多的挖掘數據價值。
本文重點分析算力方面內容，介紹算力市場總體情況，當前算力發展的特點和趨勢，以及重點算力供應方式等。
算力需求快速增長，算力投資具有多重經濟價值
算力即計算能力，核心是CPU、GPU、NPU、MCU等各類芯片，具體由計算機、服務器、高性能計算集群和各類智能終端等承載。數字經濟時代，數據的爆炸式增長，算法的復雜程度不斷提高，對算力需求越來越高，算力是數字經濟發展的基礎設施和核心生產力，對經濟發展具有重要作用，根據IDC與浪潮聯合發布的《2020全球計算力指數評估報告》，計算力指數平均每提高1點，數字經濟和GDP將分別增長3.3‰和1.8‰，
隨著數字經濟的不斷發展，人工智能、物聯網、區塊鏈、AR/VR 等數字經濟的關鍵領域對算力的需求也將呈爆炸式增長。根據華為發布的《泛在算力：智能社會的基石》報告，預計到2030年人工智能、物聯網、區塊鏈、AR/VR 等總共對算力的需求將達到3.39萬EFLOPS，并且將共同對算力形成隨時、隨地、隨需、隨形 (Anytime、Anywhere、Any Capacity、Any Object) 的能力要求，其中人工智能算力將超過1.6萬EFLOPS，接近整體算力需求的一半。OpenAI開發的GPT-3模型涉及1750億個參數，對算力的需求達到3640PFLOPS，目前大陸也有研究團隊在跟進中文GPT-3模型的研究。
算力投資具有多重經濟價值，不僅直接帶動服務器行業及上游芯片、電子等行業的發展，而且算力價值的發揮將帶動各行業轉型升級和效率提升等，帶來更大的間接經濟價值，根據《泛在算力：智能社會的基石》報告，每投入1美元算力即可以帶動芯片、服務器、數據中心、智能終端、高速網路等領域約4.7美元的直接產業產值增長；在傳統工廠改造為智能化工廠的場景下，每1美元的算力投入，可以帶動10美元的相關產值提升。
算力發展的特點及趨勢
隨著數據規模的增加和算法復雜度的提升，以及應用多樣性的不斷豐富，對算力提出的要求也越來越高，當前算力發展呈現出三方面的特點，一是多種架構百花齊放的狀態，二是中心化的算力與邊緣終端算力快速發展，三是專用算力日漸成勢。
近年來多種算力架構并存并快速發展。曾經x86架構的算力占絕對優勢，英特爾和AMD基本壟斷了X86算力架構市場，海光資訊通過跟AMD合作獲得x86架構的授權；如今基于ARM架構的算力份額不斷擴大，特別是在移動端ARM架構算力成為主流，華為海思等主要產品是基于ARM架構，另外天津飛騰的產品也是基于ARM架構，隨著人工智能等算力需求的不斷增加，GPU算力的需求不斷增加，英偉達在GPU算力市場占有絕對優勢，AMD也分了一杯羹，疊加比特幣挖礦算力需求，導致市場上GPU卡供不應求，近幾年大陸也出現幾個GPU方面的創業團隊，如寒武紀、登臨科技、燧原科技等。此外，Risc-V、存算一體化架構、類腦架構等算力也不斷涌現，不過這些算力剛剛起步，在應用生態等方面還需要一定較長的培育過程，
中心化算力和邊緣終端算力快速發展。隨著7nm制程日漸成熟，基于7nm制程的CPU、GPU等算力性能得到極大提升，目前7nm制程算力主要是中心化算力，移動端智能行動電話的處理器算力部分也已經采用7nm制程，臺積電的7nm制程已經實現規模化，并開始攻關3nm工藝制程；中芯國際7nm工藝制程仍在技術攻關當中，隨著5G及物聯網應用的不斷增加，邊緣終端算力的需求日益增加，特別是自動駕駛、智慧安防、智慧城市等領域算力需求，地平線自動駕駛芯片已經量產，英偉達jetson產品在嵌入式終端產品應用廣泛，其他針對特定領域專用邊緣終端芯片創業公司層出不窮。
針對圖像、語音等特定領域的專用算力日漸成勢。一方面是芯片工藝制程越來越逼近摩爾定律的極限，另一方面是物聯網智能終端對功耗的要求等，針對特定領域的專用芯片層出不窮，并且越來越多的巨頭參與其中。谷歌的TPU專為機器學習定制的算力，阿里平頭哥的含光NPU專為神經網路定制的算力，賽靈思的FPGA算力，百度研發針對語音領域的鴻鵠芯片以及云知聲、思必馳、探境科技等也推出智能語音相關的芯片，北京君正、云天勵飛、依圖科技和芯原微電子等推出針對視覺和視訊處理相關的專用芯片。
算力供應以公有云和自建算力為主，多種方式相補充
當前的算力供給主要包括公有云、超算中心、自建算力、地方算力中心等方式。其中，公有云和自建算力中心是算力的主要來源方式，超算中心及地方算力中心等多種方式相互補充。
規模化的算力供應通常通過數據中來承載，新建數據中心的不斷增加，將帶動未來算力資源的供應不斷擴大。據大陸電子資訊產業發展研究院統計數據，2019年大陸數據中心數量大約為7.4萬個，大約能占全球數據中心總量的23%，其中大型數據中心占比12.7%；在用數據中心機架規模達到265.8萬架，同比增長28.7%；在建數據中心機架規模約185萬架，同比增加約43萬架。2020年國家大力支持“新基建”建設以來，數據中心作為“新基建”的重要內容，京津冀、長三角和珠三角等算力需求地區，以及中西部能源資源集中的區域，如內蒙、山西等，均在推進新的大中型數據中心的建設。
公有云以其穩定和易用等特點，成為許多企業特別是中小企業的算力首選方式，據不完全統計，阿里云服務器總數接近200萬臺，騰訊云服務器總數超過110萬臺，華為云、百度云、京東云、AWS等云廠商服務器總數未找到確切數據，保守估計各類云廠商服務器總數之和也超過500萬臺，而且在國家宣布大力支持“新基建”建設之后，騰訊宣布未來五年將投資5000億元用于云計算、數據中心等新基建項目的進一步布局，阿里云宣布未來三年阿里將投2000億元用于面向未來的數據中心建設及重大核心技術研發攻堅，百度宣布預計到2030年百度智能云服務器臺數將超過500萬臺，各大云廠商仍在繼續加大算力投入，公有云算力供應將會更加充裕，
自建算力以其安全性和自主性等特點，成為政府、大企業及其他關注安全的組織的算力首選方式。政府、銀行及高校和央企等，通常通過自建或租賃數據中心的方式自建算力，滿足自身各項業務的算力需求。許多互聯網公司在剛開始時選擇使用公有云服務，但規模發展到一定程度時通常都會開始自建或租賃數據中心的方式自建算力。其他有部分各種類型的企業，出于安全、商業機密和隱私等方面的考慮，不意愿把數據和業務等放到阿里云等公有云上，往往選擇托管服務器的方式自建算力，規模更小企業直接就在本地使用。2020年6月快手宣布投資100億元自建數據中心，計劃部署30萬臺服務器，字節跳動等大型互聯網公司都在不斷加大數據中心的建設。
超算中心和地方算力中心作為算力供應有效的補充方式，適合于大規模計算需求的應用領域，截至2020年，科技部批準建立的國家超級計算中心共有八所，分別是國家超級計算天津中心、廣州中心、深圳中心、長沙中心、濟南中心、無錫中心、鄭州中心和昆山中心。超算中心主要的算力資源以CPU為主，新建的超算中心及更新升級過程中超算中心逐步增加了異構GPU算力資源。超算中心較好的滿足和彌補了高校科研中算力資源的需求，特別是在工業仿真、生物資訊、新材料、氣象、海洋等科學計算領域。大陸主要省市地區基本都投資建設了當地算力中心，重點服務本地科研和產業發展的需求，如太原、蘇州、福建等地，目前通常地方算力中心的規模并不大，計算節點數在200-500之間居多，主要服務于當地氣象、工業仿真和生物資訊等領域計算需求。此外，2020年以來，武漢、南京、珠海、許昌等地區正在建設人工智能計算中心，將在一定程度上彌補當前規模化AI算力不足的情況。
結語
算力作為數字經濟的基礎設施，也是數字經濟時代的生產力和引擎，越來越成為數字經濟時代國家競爭力的體現。根據IDC與浪潮聯合發布的《2020全球計算力指數評估報告》，大陸和美國的算力建設在全球處于領先地位，美國的算力無論在規模、效率、應用水平等方面都領先于大陸，此外，從算力芯片供應角度看，美國的英特爾、AMD、英偉達等企業幾乎占了全球的絕大部分的市場份額，可見，大陸在算力建設和發展仍然需要加大投入和加強研發等，發揮優勢的同時彌補不足，從而為數字經濟長期發展奠定更加堅實的基礎，
點「在看」的人都變好看了哦！
