随着AI算力技术的飞速发展，我们正迎来一个智能化的新时代。AI算力不仅是推动数字经济增长的关键因素，更是全球经济发展的重要驱动力。
根据IDC、浪潮信息、清华大学全球产业研究院联合发布的数据，计算力指数平均每提高1点，数字经济和GDP将分别增长3.5‰和1.8‰。全球各国的算力规模与经济发展水平，已经呈现出显著的正相关关系。一个国家的算力规模越大，经济发展水平就越高。
工信部数据显示，我国基础设施算力规模达到180EFlops，位居全球第二。
世界各国算力和GDP排名
什么是AI算力
算力(computing power)是计算机设备或计算/数据中心处理信息的能力，它代表了计算机硬件和软件配合共同执行某种计算需求的能力，是衡量计算机设备性能的重要指标之一，它的大小直接影响到计算机处理数据的速度和能力。
作为人工智能三要素之一，算力已成为人工智能产业化进一步发展的关键。工业和信息化部赛迪研究院数据显示，2023年，我国生成式人工智能的企业采用率已达15%，市场规模约为14.4万亿元，中国人工智能企业新增368家。
2022年，中国的人工智能计算力规模达到了268百亿亿次/秒（EFLOPS），超过了通用算力规模。这一数据表明，国产AI算力在性能上已经取得了重要突破，能够满足日益增长的人工智能应用需求。2023年我国人工智能算力市场规模将达到664亿元，同比增长82.5%。全球智能算力规模（换算为FP32）由2021年的232 Eflops增长至2022年的451Eflops。这一增长速度表明，AI算力市场需求快速增长，尤其是在中国，预计到2026年智算规模将进入每秒十万亿亿次浮点计算（zflops）级别，达到1,271.4eflops。
中国人工智能算力市场规模增长的主要驱动因素是什么？
其一，信息化和数字化的深入发展引发了整个社会的强烈算力需求。
其二，以AIGC为代表的人工智能大模型等新应用、新需求的崛起，推动算力规模快速增长、计算技术多元创新、产业格局加速重构。
目前市场上AI算力产品的性能比较如何？
目前市场上AI算力产品的性能比较显示出不同厂商之间的竞争和技术进步。从全球竞争力的角度来看，英伟达、AMD、英特尔是算力市场的主要厂商，它们在全球具有极高的话语权，并对中国市场进行供应。
英伟达（NVIDIA）作为AI算力领域的领先者，其产品在最新的MLperf™ AI基准评测中占据了显著的位置，获得了多项性能第一的成绩。此外，英伟达的RTX 4080 SUPER显卡以其836 AI TOPS的算力和两倍于RTX 3080 Ti的性能表现突出。英伟达还推出了Blackwell平台，提供高达20 petaflops的AI性能，相较于前代产品H100，大语言模型性能提升30倍，同时能耗大幅降低。
AMD推出的AI推理加速器AMD Alveo V70和AMD Instinct MI300分别在能效和AI训练算力上取得了显著的提升，其中Alveo V70的峰值AI算力达到400TOPS，而MI300的AI训练算力提升了8倍。
英特尔的酷睿Ultra处理器和新一代Gaudi 3芯片也展示了其在AI算力方面的进步，分别提供了34TOPS的整体AI算力和支持高达1835 TFLOPS的FP8吞吐量。
国产方面，华为的昇腾系列芯片与英伟达A100性能相当，展现出国产AI算力在国际上的竞争力。壁仞科技自研的高端通用GPU芯片BR104，与浪潮AI服务器NF5468M6结合，在全球权威AI基准评测MLPerf™ V2.1推理中取得了显著成绩，特别是在BERT和ResNet50两项重要任务中实现了历史性的突破。新华三AI服务器，在MLPerf测评中共斩获86项世界第一。联想问天WA5480 G3服务器，成功搭载国产AI算力芯片，展示出联想在国产创新方面的实力。海光信息的DCU（协处理器）系列在很多基本指标上达到了国际同类高端产品的水平。
此外，国产大模型的发展方兴未艾，大模型规模、数据量和数量的全面增长将持续拉动AI算力需求。这表明国产AI算力不仅在硬件上取得了进展，而且在软件和应用层面也展现出强大的发展潜力。国产芯片在单颗芯片峰值算力上已经满足大规模使用条件。随着国产芯片能力的提升，国内算力产业发展将进一步提速。
国产AI算力在某些方面已经能够达到或接近国际同类高端产品的水平，尤其是在特定的技术指标和应用场景下。但也面临一些挑战，如算力瓶颈、架构局限性、高质量训练数据集不足等问题。这些问题需要通过持续的技术创新和产业合作来解决。
哪些技术正在引领未来发展方向？
AI算力产业中的新技术主要包括高性能计算技术、稀疏计算、专用芯片的发展、智能计算等。
首先，高性能计算技术对人工智能的影响显著，它加速了人工智能算法的训练和推理，拓展了大规模数据处理能力，并推动了人工智能与其他学科的交叉融合。高性能计算技术在加速人工智能算法训练和推理方面的最新进展主要包括以下几个方面：
1、AI加速器的性能提升：Intel发布的Gaudi 3 AI加速器，采用了台积电5nm工艺，相比前代产品实现了2倍的FP8 AI算力和4倍的性能提升，能够无惧1800亿参数的大模型。此外，Meta推出的MTIA v2版本芯片，在性能上较上一代提高了3倍，专为AI训练和推理工作设计。
2、大模型推理性能的显著提升：Colossal-AI团队开源的SwiftInfer基于TensorRT实现了StreamingLLM，可以进一步提升大模型推理性能46%，为多轮对话推理提供了高效可靠的落地方案。
3、FPGA在AI训练中的应用：FPGA因其高度定制化的特性，在某些特定类型的训练任务上展现出优势，尤其是在需要高度定制化的训练算法中，FPGA可以提供更高的能效比。
4、AI基础设施的创新：Meta公布了其为AI构建下一代基础设施的最新进展，包括首款用于运行AI模型的定制芯片、一个全新的AI优化数据中心设计等，这些进展旨在加速AI训练并提高推理效率。
稀疏计算作为一种新兴技术，正在重塑AI算力技术的新边界，特别是在ChatGPT引领的人工智能革命中，大模型的迅猛崛起需要更高效的计算方式。稀疏计算在大模型训练中通过减少需要更新的参数量，从而降低计算和存储消耗，提高训练效率。具体应用案例包括：
1、阿里云MoE大模型：采用基于Megatron-Core的稀疏大模型训练工具，实现了模型稀疏化，大幅降低了计算量和提升了推理速度，模型效果甚至超过了同规模稠密模型。
2、PST算法：这是一种大模型参数高效的稀疏训练算法，通过减少模型稀疏训练过程中需要更新的参数量，减少了大模型稀疏训练的时间及资源开销。
3、MoE-Tuning策略：在多模态大模型中应用，构建了参数数量惊人但计算成本恒定的稀疏模型，有效解决了通常与多模态学习和模型稀疏性相关的性能下降问题。
4、DeepRec引擎：英特尔助力构建的开源大规模稀疏模型训练/预测引擎，主要用于稀疏模型训练和预测，支撑千亿特征、万亿样本的超大规模稀疏训练，在训练性能和效果方面均有明显优势。已广泛应用于淘宝搜索、推荐、广告等场景。
专用芯片的发展也是AI算力产业中的一项重要新技术，它结合GPU等应用，可能会出现新的解决算力不足问题的计算形式。专用芯片在AI算力产业中的最新发展趋势主要体现在以下几个方面：
1、市场规模的快速增长：专用芯片市场规模预计将从2022年的近零增长到2024年的500亿美元以上，占芯片总销量的11%。这表明专用芯片在AI领域的需求正在迅速增加。
2、技术进步和创新：ASIC专用芯片的设计、HBM存储技术的进步以及AI服务器市场的增长，都是推动行业发展的关键因素。此外，存算一体技术、Chiplet技术、CPO技术等也是重点技术梳理的一部分，这些技术的发展有助于提升AI算力的效率和性能。
3、与通用芯片的协同工作：尽管专用芯片将成为市场增长的热点，但通用芯片（如GPU和FPGA）与专用芯片之间并不是互相替代的关系，二者须协同工作才能发挥出最大的价值。这种协同工作模式有助于更高效地利用计算资源，满足不同AI应用的需求。
4、商业化和IP授权：AI专用芯片被视为未来的核心，而IP授权是当前实现商业化的最佳选择。这意味着通过知识产权的授权和转让，可以加速AI专用芯片的商业化进程，促进其在市场上的广泛应用。
5、对算力需求的推动：随着AI大模型向小型化、高效化方向发展，对算力的需求趋势从单模型所需高性能芯片价值转变为应用端规模增长带来的用量提升。这表明专用芯片需要不断优化其性能和功耗，以适应日益增长的算力需求。
智能计算有望打破算力瓶颈，AI模型所需的算力每100天就要翻一倍，远超摩尔定律的18～24个月的增长速度，智能计算的发展对于满足这种快速增长的需求至关重要。
智能计算通过多种方式解决了AI模型快速增长所需的算力问题。首先，硬件优化是解决算力需求的一个重要途径。通过设计专门的AI加速芯片，如GPU、FPGA、ASIC等，针对AI算法的特点进行优化，可以显著提高计算效率。此外，智能计算还涉及到学习生物和人脑的计算方法，设计新的计算硬件和软件可以极大地提高计算效率并减少能源消耗。
在软件层面，阿里云发布的飞天智算平台通过体系化的技术创新，改变了智能计算的损耗难题，将千卡并行计算效率提升至90%以上，这表明通过软件优化也能有效提升AI训练的效率。同时，新的计算节点能够无缝接入现有网络，存储系统也能根据需求横向扩展，整体解决方案可随业务增长而平滑升级，始终保持对AI大模型训练的强有力支撑。
如今，中国在AI算力领域取得的成就十分突出，不仅在硬件设备上与国际先进水平接轨，更在软件和应用层面展现出强大的创新潜力。同时，随着AI技术的深入发展，我们也需关注伦理、隐私和安全等问题，确保技术进步与社会责任并重。
作为网络安全上游龙头企业，安博通不断探索“人工智能+安全”领域，推动技术和产品创新。2023年与百度安全开展战略合作，共同开发基于文心大模型的AI SEC Agent，推动ABT SPOS平台跨越式升级。此外还布局了AIGC+网络&数据安全，开展基于AIGC+安全策略产品的升级研究，将大幅提升在策略解析、网络建模方面的精度与效率；同时，布局AIGC+数字物联，面向数字化底座建设蓝海市场。
展望未来，安博通将持续关注并助力算力网络的安全发展，致力推进数字化加速转型。我们期待在各界的共同努力下，AI算力能够不断突破限制，为构建更加智能、高效的世界贡献力量。 | 
