中国AI城市格局突变：杭州反超深圳，南京上海平起平坐，济南首次跻身前十...

Posted 2021-11-24 QbitAl

明敏 发自 凹非寺
量子位 报道 | 公众号 QbitAI

中国哪个城市AI算力更强？

杭州反超深圳成第二，北京依旧坐稳头把交椅；

南京首次冲进前五就将上海挤下Top 4，共同位列第一梯队（Top 5）；

济南首次跻身前十、成都时隔3年重返榜单；

深圳、苏州、广州、合肥排名变化有升有降，但都死死捍卫Top10地位。

一年一度的中国AI计算力城市排行，又来了。

作为驱动数字时代发展的新动能，算力大小是一座城市AI实力的部分体现。

透过排名，已然能够感受到国内各大城市在AI算力上的角逐愈加激烈，国内AI产业欣欣向荣、百家争鸣的局面已初步形成。

在这个节点上，人工智能的潮水将向何方涌动，就变得至关重要。

AI算力产业发展趋势如何？市场规模有多大？区域算力怎样分布？

更重要的，未来AI的发展风向将会倾向哪些方面？

在刚刚落幕的人工智能计算大会 （AICC）上，或许都能窥到答案。

国内算力基建化脚步加快

相较去年，今年的AI城市算力排名变化依旧不小。

其中最吸睛的城市就是——南京。

此前几年，它的最高排名仅为第九，如今却能将上海多年第四的地位撼动，实力不可小觑。

要知道，北京（百度、字节跳动等）、杭州（阿里、网易等）和深圳（华为、腾讯等），基本上瓜分了中国的大型科技巨头和新兴AI独角兽公司。

上海凭借自身在经济发展上的优势，人工智能产业集聚效应非常明显，拥有千余家人工智能核心企业，多年来也保持在国内AI城市第一梯队。

北、杭、深、上、广还在吸引顶尖人才、构建创业生态上有着独特优势。

在这样的环境下，为什么南京能一次赶超6座城市？

AICC大会期间发布的《2021-2022中国人工智能计算力发展评估报告》对此作出了一定解释：

有政策上的支持，也有人才储备、创业生态上的加成。

其中最令人瞩目的，莫过于今年7月正式建成投运的南京智能计算中心。

作为长三角地区当前投运的最高算力智能计算中心，南京智能计算中心的算力可达800P OpS，也就是每秒能进行80亿亿次的运算。

它在1小时之内，可处理100亿张图像、300万小时语音翻译或1万公里的自动驾驶AI数据处理任务。

这无疑能为南京人工智能产业的发展注入新动力。

而且它面向政府、企业及科研机构等多主体，对于加速科技金融、智能制造、智慧零售、智慧医疗、智慧交通等场景落地也有着举足轻重的作用。

由此，南京能够直接杀进TOP5，也就不足为奇了。

事实上，瞄准智能计算中心这块AI发展高地的，并不只有南京。

本周，无锡宣布与浪潮达成战略签约，将建设无锡智能计算中心。

杭州、广州、大连、青岛、长沙、太原、南宁等地也早已把建设智能计算中心提上日程。

显然，国内各地区都在争相布局自己的人工智能计算中心，算力基建化已成为大势所趋。

算力要走向多元融合

透过各大城市在AI领域你追我赶、良性竞争的表象，我们不难感受到当下AI产业如日方升。

那么，除了已经看到的算力基建化趋势，AI产业发展还会表现出哪些特点？

《AI计算力发展评估报告》中也给出了一些参考。

首先要说的，就是AI场景多元化。

报告以起步期、发展期、成熟期对当下众多场景进行了划分：

其中，智能音箱、AI客服等智能语音产业已经走入成熟期。

智能制造、智慧医疗、智慧零售等领域在疫情的推动下方兴未艾。

自动驾驶虽然关注度高涨，但仍未完全进入发展期；智慧科研在AlphaFold2、中国天眼FAST等应用的突破下，已经看到起步的希望。

如此丰富的场景，背后往往需要各种各样的计算类型支撑。

由此，对芯片多元化的需求也就日益明显，芯片厂商们也在尽可能满足这一需求。

如今市面上的专用级芯片，不仅会考虑芯片的工作用途、部署环境，还会考虑应用场景，从而做出优化、提升运行速度。

像AICC大会现场展出的英特尔SG1芯片，就是面向云游、视频和图像的处理卡。

燧原科技、地平线等国内厂商也在针对自动驾驶、AIoT等应用场景，不断推出专用芯片。

但随之而来也会产生一些问题，那就是多元算力如何融合？

应用场景在走向多元化的同时，也在走向复杂化。

一个AI应用场景中，往往计算量非常大，还需要完成多项任务，背后需要多种芯片协同工作。

因此，如何让不同芯片相互配合、在场景中释放真正算力，就成了一大挑战。

对此，浪潮信息副总裁刘军在AICC大会上提出：高效释放多元芯片算力的关键是平台。

芯片从造出来到大规模用起来，往往还隔着巨大的产业链鸿沟。

以一台AI服务器的研制为例，需要解决超过280个关键的过程控制点和设计难题，同时还需要实现与算法框架和AI应用的优化和适配等问题。

同时，大规模AI算力平台建设又面临高功耗、高电流密度、高总线速率、高系统复杂度的新问题。

所以说，打造集约高效、开放共享的智算系统，是让多元算力真正走向产业，实现算力普适普惠的关键。

生态协作创造更大价值

从以上内容不难看出，国内AI产业发展已呈现欣欣向荣之势。

而我们也能切实感受到AI已经离自己的生活并不遥远。

这往往不是某个企业单打独斗能够形成的局面，更多靠的是AI产业链内多方合作。

比如浪潮及其合作伙伴共同构成的“元脑生态”，就是一个很好的示范。

元脑生态通过技术共创、资源共享，实现伙伴间的能力融合，能够实现智慧转型的全生命周期的交付与服务，

例如，安德医智基于元脑生态平台的AI技术支持，在人工智能影像分析上已经推出心肌病变、颅内肿瘤、脑小血管病等多种疾病的AI辅助诊断系统。

再例如，卓视智通则以元脑生态平台为技术支撑，推出交通视频分析、交通大数据分析平台等智慧交通AI系统。

而除了在产业生态上的落地，今年我们还看到了这家算力基础设施供应商在算法上做出了尝试，并且同样拥抱开放生态。

9月，浪潮人工智能研究院发布全球最大中文AI巨量模型“源1.0”，参数规模达2457亿、由5000GB数据集训练，能够轻松理解和创作中文，可以和人类对话、根据命题作诗、写新闻、续写故事。

在AICC大会上，“源1.0”开放开源计划正式发布，面向群体为高校、元脑生态合作伙伴及智能计算中心。

现场，浪潮信息副总裁刘军介绍了本次开源计划的初衷：

将数据、API和代码开放给以上3个群体，浪潮是期望在开源的环境下，大家能够碰撞出更多火花。

同时他还透露，“源2.0”之后也会面世，将更加针对多模态、视觉等领域。而且“源2.0”将会更注重合作，更多是和业内顶尖企业的联合探索。

未来要怎么做？

AI的潮水将向何方涌动？

从以上几个方面已经能感受一二。

在报告最后，IDC也面向不同领域提出了自己的建议：

• 面向技术供应商：满足用户细化场景需求，构建开放、兼容的技术发展路径；从用户的应用需求出发，推进技术创新；关注绿色节能，赋能行业双碳转型。

• 面向产业：基建先行与政府引导“双管齐下”；打造开放的产业生态，促进多元技术创新落地。

• 面向行业用户：积极探索人工智能行业应用，优化投入产出比；选择技术先进、绿色节能的算力基础设施；稳妥推进AI算力能力建设，带来切实价值。

看完这场国内AI“风向标”大会，我们感受到各大城市围绕AI你追我赶已成为常态，AI也逐渐走出实验室、连接更多企业、形成了自己独有的生态，开放开源已成为业内谋求发展的独特法宝。

下一步AI将走向何方，就由我们一起拭目以待。

具体报告内容，可点击文末“阅读原文”。