【儀表網 儀表下游】深圳、武漢、成都、西安……越來越多的城市在以政府為主導的形式構建“人工智能計算中心”，全國范圍內，作為數字時代新基建的人工智能計算中心正在多點開花。
在AI產業快速發展、算力需求呈現幾何式迸發的當下，一邊是有關算力的技術創新不斷涌現，另一邊是在算力供給模式上人工智能計算中心已經成為從政府到關聯產業、組織的普遍共識。
只不過，盡管這個AI熱詞已經廣泛出現在各種產業輿論中，但對于人工智能計算中心究竟是什么，業界和大眾可能還是有著諸多誤解。
誤解一：人工智能計算中心是一大堆算力硬件的堆疊
基于過去對數據中心這類事物的樸素認知，很多人對人工智能計算中心的直接看法，是把一大堆算力硬件堆疊在一起，以硬件集群化的共享算力模式向各企業、機構輸送算力，后者不再需要自己建設硬件基礎設施，只需要購買服務即可。
這種認知看到了硬件集約化在人工智能計算中心的作用(把算力當做服務)，但如果人工智能計算中心只是簡單的硬件堆疊，可能也不用地方政府主導大力推進，只需要砸錢購置一大堆能夠提供算力的硬件像搭設服務器機房一樣找個場所聯好網，組裝到一起就可以了。
事實上，從已經落地運營的人工智能計算中心來看，要正確認識這個AI新事物，有三個維度的特點值得注意：
一是算力的效能實現了大幅度的提升。
如同中國科學技術信息研究所發布的《人工智能計算中心發展白皮書》所言，人工智能計算中心呈現超級計算與人工智能融合、云與人工智能融合的趨勢，這意味著它絕不只是算力硬件的簡單堆疊，還有如同超算一樣的，將有計算能力的大批量硬件高效協同起來的能力，以及以云端服務的方式最優化響應需求和輸出結果的能力。
以深圳的 “鵬城云腦Ⅱ”為例，其采用的是Atlas 900 AI集群方案，由數千顆昇騰910 AI處理器構成，這些硬件必須要有統籌規劃的能力才能更好地輸出，而實現方式則是華為集群通信庫和作業調度平臺，以系統級調優整合三種硬件高速接口，最終實現E級(每秒10^18次方次浮點計算能力)的總算力。
相對于傳統本地部署的做法，人工智能計算中心的“效能”大大提升，每單位算力的成本會比企業、機構自建算力設施要低很多，意味著人工智能計算中心不僅提供算力，而且提供的還是高性價比的、安全、普惠的算力資源，各類組織的算力成本被大大降低，算力瓶頸問題得以緩解。
二是算力輸出做到了全棧化。
當下的人工智能計算中心已經做到了從芯片到應用層的基礎軟硬件的全棧融合，而不僅僅只有以服務器、存儲、網絡、能源、制冷設備等形態出現的硬件。
當前，地方政府主導建設的人工智能計算中心主要是基于昇騰AI全棧基礎軟硬件平臺，這些基礎硬件被異構計算架構CANN所“管理和運營”，往上支撐包括昇思MindSpore AI框架，也兼容TensorFlow等AI框架滿足不同企業開發需求。
而除此之外，昇騰AI還提供MindX等應用使能套件，最終面向具體行業應用，幫助企業、機構在充沛算力的基礎上更好地完成AI開發工作。
借助昇騰AI的全棧優勢，人工智能計算中心推進AI應用的開發過程能夠與場景無縫融合。以電力巡檢場景為例，AI解決方案企業納思系統通過武漢人工智能計算中心完成的5種算法訓練被利用到了輸電線路巡檢當中，在實際應用的邊緣端場景中，基于昇騰AI的Atlas 200 AI加速模塊與特殊影像終端協作，解決了夜間監控難、算法能力不足造成大量誤報/漏報等痛點問題。可以看到，人工智能計算中心與場景應用是完全打通的，解決方案可以“一體成型”而非只是找人工智能計算中心要了訓練過程中的計算服務。
三是算力之外還有對應的產業支持和服務。
當下算力并非人工智能計算中心的唯一“產出”，如何幫助企業、機構更好地利用這些算力并實現組織發展、加速行業應用落地也是其重要的“配套任務”，與算力伴生的還有一系列產業支撐和服務。
最典型的是武漢人工智能計算中心所落地探索的“一中心四平臺”標桿模式，其中“一中心”指的是主體人工智能計算中心，而“四平臺”則包括公共算力服務平臺、應用創新孵化平臺、產業聚合發展平臺、科研創新和人才培養平臺，這四個平臺在統籌化算力服務、場景化AI技術應用、智能化產業鏈條、長期人才發展四個閉環維度幫助產業進步、企業發展，而這一模式未來將在多地推行。
從成果來看，“一中心四平臺”模式下，截至2021年11月底，武漢人工智能計算中心已入駐100+企業，孵化超過50類+解決方案，月平均算力使用率92%，中科院自動化所等頭部科研單位、大量行業技術專家被引進，大量創新企業被孵化出來。
不僅給到普惠的算力，還幫助用好算力、發展好產業，這才是人工智能計算中心兩個相互協同的任務。
誤解二：人工智能計算中心只是在被動地滿足行業已有的AI計算需求
由前文可知，市場有著龐大的需求而算力供給跟不上，所以人工智能計算中心才會出現，這是直接原因。由此，有人就自然而然地認為人工智能計算中心是在市場供求層面“被動”地承接行業企業出現的AI計算需求缺口，對現有的、已經出現的AI計算需求進行滿足。
而這個認知無疑是片面的。
首先，人工智能計算中心當然在滿足大量已有的AI計算需求，例如在制造業里，人工智能質檢一直是熱門方向，通過武漢人工智能計算中心的算力支持，AI創新企業智目智能實現了的業界第一的棉花異纖檢出率，提升了產品的品質。
但是，更應該看到的是，新算力形態的廣泛落地帶來的更有面向未來的創新驅動力，這就如同從來沒有人認為5G的產生只是用來“被動”地讓4G時代的移動互聯網應用有更好的網絡速度一樣，5G另一重更重要的任務是以更高的速率和低延時的特點來驅動一個新的時代，例如工業4.0等。
所以可以看到，人工智能計算中心的出現還伴隨著AI領域的一些前沿概念，與過去全然不同的AI創新被驅動，例如把NLP、CV、語音三大AI方向融匯到一起的多模態大模型，不同任務之間的交叉讓AI打開著全新的產業空間。
在這之前，中科院自動化所聯合武漢東湖高新區及華為昇騰AI就共同探索了全球首個圖、文、音三模態大模型“紫東.太初”，這個千億級參數的超大模型能夠實現視覺、文本、語音三個模態間的高效協同，在跨模態理解與生成能力上性能全球領先。以接近通用人工智能的方式，紫東.太初能夠更好地支持工業質檢、影視創作、智慧醫療、互聯網推薦、智能駕駛等國計民生需求場景，完成更多過去AI應用無法完成(在單模態下無法實施)的復雜任務，讓交互體驗、工作效率實現質的改變，大大提升了AI產業發展的價值空間。
通信的技術升級中，5G絕不只是為了讓4G時代的應用需求更好地滿足，同樣地，算力形態的升級中，人工智能計算中心也絕不只是在滿足過去那種算力條件下的AI創新應用。可以料想的是，未來還將有更多超越當下AI技術與應用形態思維框架的創新被人工智能計算中心所驅動，“原生”于人工智能計算中心時代的技術和產業創新將不斷涌現。
誤解三：人工智能計算中心只能支持AI產業發展
在武漢，人工智能計算中心在5月31日正式竣工并投入運營，上線即算力資源滿負荷使用，現在已經開始二期擴容工作，計劃AI峰值性能從100P FLOP擴充到200P FLOPS。
這背后，是人工智能計算中心與AI產業發展的高度協同。
目前，武漢人工智能計算中心已經成功引入中科院自動化所多模態大模型紫東.太初、清華大學蛋白質折疊預測方案AscendProNet、全球首個遙感影像智能解譯深度學習專用框架“武漢.LuojiaNet”等科研成果，加上來自智能制造、數字農業、自動駕駛等數十個應用場景的100+企業合作，孵化超50類+解決方案……可以很明顯看到，人工智能計算中心的高效率運作顯示出其推動AI從模型創新到產業落地的底層驅動價值和潛力。
但是，這不意味著人工智能計算中心像人們直觀印象中那樣只是在推動AI產業的繁榮。
事實上，當下的人工智能已經從局部探索走向了千行百業，通過人工智能計算中心的驅動，智慧物流、智慧政務、智慧能源、智慧交通、智能制造、智慧醫療……數字經濟正在各個具體賽道上快速落地，最終在宏觀層面加速產業升級、國家競爭力提升的進程。
在這個過程中，尤為值得注意的是作為人工智能計算中心解決方案提供商的華為，也以多種方式參與到AI發展環境的構建中。
例如，在人才方面，武漢人工智能計算中心已聯合華為形成“產學研用”一體化的人才培養體系，共同建立起了一個面向政府、企業高層和開發者、高校領導層以及科研機構學者的社會實用型人才培養體系。2021年武漢人工智能計算中心全年累計服務2000+的人工智能人才培養，數量和質量也將隨著運營的成熟不斷提升。
又例如，華為將其在AI產業鏈條上下游的生態資源對接到人工智能計算中心的建設當中，通過聚合、打通人工智能鏈上的各類公司(包括算法公司、數據處理公司、行業集成公司等)形成完整產業閉環，推動產業以整體姿態加速發展，避免因為“木桶效應”造成的發展障礙。
最終可以看到，武漢人工智能計算中心在智能制造、智慧園區等場景下取得了豐富的應用成果落地。例如在長江計算，依托人工智能計算中心提供的算力被孵化出來的智能制造解決方案可以實現質檢準確率達到99.9%，2小時即完成了產線算法更換與迭代。在這里，人工智能計算中心推動的是中國前沿制造奔向國際領先的進程。
一個人工智能計算中心驅動AI產業、AI產業驅動全社會數字化變革的鏈式反應正在形成，人工智能計算中心配合國家宏觀戰略，推動著整個數字經濟浪潮的演變，帶動上下游、多領域的整體進步，打通了數字經濟發展全局的一個底層癥結。
而這，才是人工智能計算中心的長遠意義所在。
所有評論僅代表網友意見，與本站立場無關。