在如今“智算”屬性不足的大背景下，建設智算中心不單純是一項資金遊戲，更是一個思維觀念、企業架構轉化的新模型。
作者|思杭
編輯|皮爺
出品|產業家
過去12個月，英偉達市值飆升了238%。這已經算是商業史上的現象級事件。
成爲熱點的不止有英偉達，還有站在英偉達背後的“人物”黃仁勳。就像當年的馬斯克一樣，現在的黃仁勳幾乎每次發言都是科技界的“頭條”。
“AI工廠”便是黃仁勳近期頻繁提到的詞語。在2月的英偉達2024財年第四季度財報電話會上，黃仁勳將一種專注於AI生成的新型數據中心定義爲“AI工廠”。其中，爲AI工廠輸送“能源”的正是讓英偉達市值上漲萬億美元的GPU芯片。
而黃仁勳口中新型的數據中心“AI工廠”也正是國內近兩年異常火熱的智算中心。
那么，究竟什么是智算中心？以及，黃仁勳口中的AI工廠到底是什么？
簡單來理解，智算中心就是爲如今的AI大模型、AI應用，以及未來所有的人工智能項目提供計算力的新型“發電廠”。它是專爲AI而生的。
與傳統計算中心不同的是，智算中心所需要的算力是由GPU提供，而前者則是由CPU提供。在過去，GPU的用處則更多是在遊戲行業，而到了今天的AI時代，GPU芯片則變成了一種“必需品”。
2023年10月前，阿裏、騰訊、字節跳動、百度等國內大型科技公司都是從英偉達手裏獲取AI芯片。但伴隨着美國禁止英偉達等本土企業向中國出售A100/H100等AI芯片，這也一定程度上導致了國內的算力短缺。在過去的2023年，“缺卡”也更在成爲一衆大模型企業的普遍現狀。
但實際上，早在之前，國內的AI算力軍備競賽早已打響。從國家啓動“東數西算”工程开始，傳統IT企業、雲廠商和電信運營商就已經在緊鑼密鼓地布局智算中心。
早在2022年已有相關動作。1月，商湯科技智能計算中心在上海市臨港區啓動運營；8月，阿裏雲張北超級智算中心在張家口張北縣；9月，百度智能雲（鹽城）智算中心在江蘇省鹽城市落地，以及包括華爲晟騰系列、昆侖芯、寒武紀等越來越多中國廠商也都在2022年甚至之前已經在穩步布局。
在過去的一年中，智算中心的建設在中國大地上可謂如火如荼。
縱觀2023年的整個算力產業發展上，在智算中心之外，AI芯片、AI服務器、數據訓練中台等等，如今也更在成爲雲廠商、傳統IT企業和電信運營商的一塊兵家必爭之地。而在2024的今年，這些節奏更在進一步提速。智算中心，飛奔在路上。
一、2024，歡迎來到智算中心「元年」
國家隊的入場無疑是最引人注目的。
2023年，超30座城市搶建智算中心。這是國家信息中心與相關部門聯合發布的《智能計算中心創新發展指南》中給出的一組數據。
而2024年，智算中心則更是迎來它的“元年”。
在剛剛結束的兩會，一個產業界最關注的話題便是，政府工作報告提出开展“人工智能+”行動。而在這其中，據《證券日報》的記者了解到，不少企業界人士都認爲，“人工智能+算力基礎”會率先“動起來”。
事實也的確如此。從2024年初开始盤點：1月8日，中國移動智算中心（武漢）在武漢未來科技城开放運營，預計成爲華中地區規模最大的智算中心；1月22日，上海電信在上海點亮“大規模算力集群暨人工智能公共算力服務平台”，預計成爲國內首個超大規模國產算力液冷集群；1月30日，中國聯通人工智能創新中心成立儀式在京舉行。此外，北電數智承建的北京數字經濟算力中心達產後將實現1000P智能算力供給。
從中可以看到一個明顯的信號，包括互聯網廠商、通信廠商、電信運營商在內的一衆企業都正在加大力度建設智算中心。
判定算力資源的最直觀指標便是看服務器規模。後者規模越大，前者算力資源就更多。
而在2024年初中國移動發布的一份供應商信息核查公告中透露，2024年～2025年，中國移動將採購特定場景AI訓練服務器6000台。如果按照中國移動《2023年至2024年新型智算中心（試驗網）招標》中第12個標包——1250台（包括風冷和液冷）中標價24.7億元粗略估算，這筆投資將超過120億元。
實際上，與電信運營商相比，雲廠商和傳統IT企業的投入其實佔比更大。
國際數據公司IDC的一位中國分析師對《財經》記者表示，從服務器採購量佔比來看，互聯網雲廠商等科技公司佔比約40%，電信運營商佔比超過15%，數據中心服務商、地方大數據產業園以及其他IT服務公司佔比約10%。
實際上，再往前追溯，在這種強投入的背景下，互聯網雲廠商則在更早之前已經便开始投入到智能計算當中。從一組雲廠商的動態中即可窺見出這一趨勢：
2019年，百度智能雲提出ABC战略（AI，Big data，Cloud Computing），致力於智能計算、智能應用、智能生態的全面發展；
2021年7月，騰訊在合肥設立的騰訊智慧產業總部基地正式揭牌；
截至2021年上半年，華爲雲的“南貴北烏”智算中心已經全面建設完成，並於2022年進入年度國家綠色數據中心名單；
2023年9月，京東雲發布數智算力矩陣；
2023年，火山引擎與理想汽車合作，在山西省建設智算中心；
...
這種對於智能計算的強調對大模型廠商而言也更是自然趨勢。此外，在如今國外GPU芯片困難的背景下，互聯網廠商和傳統IT企業也都在加速“追趕”，力爭自研能應用於AI大模型及其他AI應用的芯片。比如華爲的昇騰、阿裏巴巴的含光和百度的昆侖等等。
而在AI服務器的供應上，這部分的市場份額目前主要還在傳統IT企業手中。據IDC數據，2022年中國AI服務器市場（按銷售額），浪潮以46.6%份額佔據首位，新華三、寧暢分別以11%和9%佔據第二、第三名。
在如此AI算力軍備競賽打響的背後，實際上隱藏起來的是如今國內巨大的算力缺口。
據不完全統計，過去一年單單是中國大模型創新企業就超過250家，而中國更是凝聚了1070萬名开發者，服務23.5萬家企事業單位。更不用說，伴隨着如今的產業落地，這種需求更將會加速湧現。
首次提出“智算中心”的浪潮認爲，未來人工智能計算需求佔比將在80%以上。而且未來對一個大模型訓練所需的算力，可能每3～4個月就翻一番，這意味着一年就要增加10倍。阿裏雲智能解決方案首席架構師鄭海超也曾公开提到，大模型帶來的算力需求爲每兩年275倍的增長。
在如此巨大的算力缺口下，智算中心在國內的大規模建設也成爲了一種必然。
而對於像“智算中心”這種基礎設施而言，政策的推動則起到了加速的作用。2017年，《新一代人工智能發展規劃》提出“建立人工智能超級計算中心”，自此智算中心也被提高到國家战略的高度。
從2020年开始至今，智算中心更是多次出現在“十四五”報告、新型數據中心發展三年行動計劃、數字中國建設整體布局規劃等等白皮書中。战略地位被一再提高，直到2024年3月的兩會上，“人工智能+”行動被寫入政府工作報告，相關產業都將得到高度重視。
根據IDC圈不完全統計，截至2023年底，全國帶有“智算中心”的項目有128個，其中83個項目有規模披露，超過7.7萬P。這也正是企業與國家隊共同努力得到的一份成績單。
然而，在傳統IT廠商、雲廠商和電信運營商“搶建”智算中心的當下，一些問題也正在被看見。
二、建一個智算中心，難在哪？
2024年哈爾濱平房區批復了4.6億元的哈投智算中心；2023年長春公布了4.8億元長春新區智算中心的建設計劃，青島市公布了17.7億元的元宇宙智慧算力中心建設計劃，南昌市公布了4.5億元的江西人工智能計算中心建設計劃。
地方城市正在市場和政策的驅動下積極響應，投入建設智算中心。
然而，這種異常高漲的熱情背後，對應的並非是實際的算力需求。一方面，據《財經》了解，一些城市投資智算中心的邏輯是，希望以此擴大基建、招商引資、吸納人才，推動本地產業升級。很多地方政府還會爲企業發放算力券，進行市場補貼。
而在沒有合理規劃和試驗的情況下，盲目建設智算中心的行爲則會導致極大的資源浪費。
全國政協委員、中科院計算所研究員張雲泉也在《算力經濟發展趨勢分析與展望》中分析道，“有些地方只是爲了追求排名、追求規模效應，運營過程不透明、缺乏監管，建成之後發現需求不足，沒有大的應用，出現了很多智算中心直接空轉、關機的現象，造成很大浪費。”
實際上，建一個智算中心需要更爲合理的規劃和實驗驗證。對此，張雲泉給到的第一點建議便是，“對新增建設類算力網工程技術裝置進行實驗驗證，在驗證的基礎上再放大。”
尤其是大型算力網的構建則更需要通過原型實驗，進行嚴格論證。一個正常大型項目的邏輯是，在應用場景確定下來的基礎上，再衡量項目建設的投入產出比。但如今在算力的架構、調度、測量、交易、安全技術等方面都尚不成熟。
嚴格意義上講，目前國內的智算中心還並不能稱之爲真正的“智算”，在運營模式、服務等方面都還深受傳統IDC行業影響。
北電數智首席战略官楊震告訴產業家，AI時代，企業需要的，除了能夠精准匹配需求、極具性價比的智能算力服務，還要有端到端的人工智能全棧服務。
除了算力，企業應用人工智能還涉及數據、模型开發和調優、AI應用等多個環節。每個環節對於傳統企業都存在技術門檻高、人才缺失、开發周期長等難題。據了解，北電數智的做法是聯合生態夥伴提供底座大模型、豐富的行業垂直大模型、一棧式AI工具鏈，企業可以靈活調用各種能力，加工出所需要的AI應用；此外，其也圍繞數據要素打造賦能工具，幫助擁有豐富數據的企業挖掘數據價值。
楊震告訴產業家，事實上，具有全智算屬性的AIDC，是在提供從底層算力到頂層應用使能的全棧能力。在他看來，北電數智承建的北京數字經濟算力中心就是在打造新型的AIDC，也就是黃仁勳說的“AI工廠”。
實際上，智算中心與傳統數據中心的區別一方面在於能夠幫助AI企業提供AI算力；另一方面則在於改變運營方式。
而提供AI算力的前提除了需要AI芯片，更重要的則是如何發揮“平台”作用，爲企業提供配套的算力服務。尤其是在如今的大模型時代，一個參數規模達千億甚至萬億級的大模型， GPU卡的需求就高達數萬張。
因此，於企業而言，“算力服務除了提供算力外，還要有底座大模型、豐富的行業垂直大模型、一棧式AI工具鏈等。而這些都是智算中心應該做到的。”楊震表示。
但從目前的智算中心建設情況來看，整體的現狀是只注重“量”，而忽視“質”。在智算中心的華麗外殼下，卻裝着傳統數據中心的“裏子”。
此外，在如今智算中心佔領高地的當下，一個更新的問題也在被放到台面上：傳統IDC將如何轉型？
“過去，雲廠商和傳統IDC企業存在競爭關系，而未來將是互補，甚至是合作的關系。”在2月末的阿裏雲战略發布會上劉偉光曾公开表示。與此同時，AIDC企業北電數智也同樣認爲，傳統IDC實現轉型則要避免“單打獨鬥”，要和生態合作夥伴共同發揮各自優勢，聯合創新。
換言之，如果實現智算中心的“AI工廠”的平台價值，在算力之外，還需要關於數據的訓練、標注以及後期的微調等等。能夠預測的是，在2024年將會有越來越多圍繞智算中心的生態出現。這裏面不僅包括晟騰、寒武紀等芯片企業，更多的也恰是整個大模型生產鏈上的企業，比如標注企業、大模型isv开發者等等。
此外，從ChatGPT到Sora，大模型應用不僅僅帶動了算力需求的爆發，能耗也在急劇增長。比如最近ChatGPT爆出日消耗電力超50萬度，相當於美國家庭每天用電量的1.7萬多倍。而在此背景下，智算中心的綠色節能也被提上日程。
這也恰是如今越來越多的智算中心开始選擇液冷配置的原因。但相較於傳統的水電模式，液冷需要的硬件配備以及對應的成本都將會更大，對不少算力規模較小的智算中心而言，這也更是一項難覆蓋的成本。
但在單點上，國內企業也有突破。比如在2023中國算力大會期間，聯想問天發布的AI大模型訓練服務器便實現了相比同級別服務器功耗降低約10%，恰是基於液冷對服務器的加持。
不難看出，在種種難題下，不論其算力規模大小，智算中心的建設實際上都並非容易，一方面是如何實現技術突破，這些包括和芯片的兼容、適配等等，另一方面是如何打通生態，开闢新的運營方式。
對智算中心而言，這不單純是一項資金的遊戲，更是一個思維觀念、企業架構轉化的新模型。
換句話說，這是一個基於AI時代的新IDC企業模型。如果要做好，在資金和技術之外，更要有兼容和共創。
三、算力，狂飆在大模型時代
在越發強烈的市場需求下，行業本身的問題也更在加速浮現。
過去一年，ChatGPT發生過多次宕機事件，最長宕機時間甚至達到16小時21分鐘。盡管OpenAI所用到的芯片都來自於全球生產GPU芯片最厲害的企業英偉達，但算力依然捉襟見肘。
從AI芯片的架構來分析，目前最爲核心的架構是GPU、FPGA、ASIC。其中，GPU通用性較強，適合大規模並行計算，且設計及制造工藝較成熟，目前佔據AI芯片市場的主要份額。
而FPGA則可以更好地解決當下AI時代所出現的暗硅效應，其中，暗硅效應（Dark Silicon）指由於芯片工藝和尺寸的限制，芯片上只有一小部分區域可以同時運行，其余的區域被闲置或關閉，這些闲置或關閉的區域被稱爲“暗硅”。
能看到的是，國內的大型科技企業都在嘗試FPGA架構，如阿裏、華爲等等。
從全球範圍來看，智算中心的軍備競賽早已拉響。首先是美國，斥資3000億美元重點投資數據中心和智算中心；接下來是出資50億歐元支持人工智能研究的德國。而在日本，NTT（日本電報電話公司）2023年宣布，未來5年內向人工智能、數據中心等領域投資590億美元。另外，Meta甚至叫停部分在建數據中心，轉而打造智算中心。
張雲泉在《算力經濟發展趨勢分析與展望》中寫道，“工業互聯網、自動駕駛、全息通信等業務對網絡時延、帶寬和確定性等條件的要求遠遠高於消費互聯網。如L3~L5級別的自動駕駛要求端到端的時延不超過3毫秒，而傳統的集中式的雲服務時延一般會超過50毫秒。在這樣的情況下，把海量數據上傳到雲計算中心進行集中處理的模式難以爲繼。”
這些都將是算力狂飆的最直接需求。面對這些更爲廣泛的需求，圈內更多的觀點是算力分布式理念。即從單一的CPU走向CPU、GPU、NPU、FPGA等多架構，進而滿足需求。
未來，“算力會像水、電一樣通用”。這是如今大模型時代裏一個美好的暢想。
那么，今天距離這樣的暢想還有多遠？
二十年前，“十五計劃”提出了電信網、互聯網、有线電視網三網融合的概念。此後的八年一直到2008年北京奧運會，中國已經完全實現讓居民接入高速寬帶傳輸網絡的愿景。
二十年後的今天，這樣的場景也在重新上演。在如今的算力時代，“算網融合”被提升到重要位置，其主要模式恰是讓居民和企業使用算力像使用網絡一樣方便、便捷。
想象一下在個人移動端，某天你可以在手機上辦理“算力套餐”，直接購买算力，像現在購买流量一樣；而在企業端也是如此，比如教育、能源、工業、交通等等領域都可以更廉價地購买算力。未來，隨着智算中心的規模擴大、技術提升，以及算力訂閱式、分布式的普及，有理由相信，這些都將會一一實現。
按照這樣的速度，“算力像水電一樣通用”這樣的暢想也許不需要第二個“八年”。
原文標題 : 智算中心元年：如何理解“AI工廠”
標題：智算中心元年：如何理解“AI工廠”
地址：https://www.utechfun.com/post/345724.html