数实融合加速算力演化，智算中心持续进化使能数字经济

数字经济发展速度之快、辐射范围之广、影响程度之深前所未有，正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。而随着算力时代的到来，数字经济除了以信息产业这一独立的经济形态出现，更以算力的方式渗透到各行各业，算力在驱动传统经济转型升级和效能优化的同时，催生出新的产业体系，成为支撑数字经济向纵深发展的新基础设施。

那么随着大数据、AI、物联网等技术在传统产业中应用的不断扩大，算力将向何处去？日前国际权威机构IDC、清华大学全球产业研究院、浪潮信息联合发布的《2021-2022全球计算力指数评估报告》（以下统一简称《报告》）及相关行业专家给了我们答案和启示。

强者恒强，算力与经济倍增效应显现

智慧时代，生产力三要素发生了革命性变革。劳动者从原来的人变为人+人工智能，数据成为了新的劳动对象，由计算力驱动的信息设备成为新的劳动资料。计算力作为数字经济时代的关键生产力要素，已经成为推动数字经济发展的核心支撑力和驱动力。

《报告》显示，报告显示，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‰。当一个国家的计算力指数达到40分以上时，国家的计算力指数每提升1点，其对于GDP增长的推动力将增加1.5倍，而当计算力指数值达到60分以上时，国家的计算力指数每提升1点，其对于GDP增长的推动力将提高到3.0倍，对经济的拉动作用变得更加显著。

同时该《报告》认为，由于计算力指数的增加很大程度上得益于计算能力和新兴技术的应用水平，即当算力投入在底层为新兴技术应用发展提供基本保障的同时，也被新兴技术应用带来的需求进一步拉动，从而使整体经济的增长出现倍增效应。

值得注意的是，《报告》首先提出了人力资本的概念。《报告》认为，含有算力资本的内生增长模型验证，算力资本可与传统物质资本形成互补效应和协同效应；算力资本增长会产生正网络外部性效应和溢出效应，算力资本对经济发展具有倍增效应。

对此，清华大学全球产业研究院副院长李东红解释称，与传统的物质资本相比，算力资本或者说算力在促进经济发展方面至少有两个机制。首先互补机制，主要表现在，一方面传统的物质资本投入带来了产业的发展，推动经济增长；另一方面，人力资本投入本身会产生新的经济业态，带动经济增长。其次是协同机制，表现为人力资本可以推动传统的产业发展，和传统的物质资本相互融合，使得物质资本在经济发展中的作用更大，以此来推动经济和GDP的增长。

数实融合驱动算力演变，从通用走向智能和边缘

当我们仔细观察《报告》发现，与去年相比，在算力方面有两个明显的变化。

首先在包含有通用计算、智能计算、高性能计算、终端计算和边缘计算的计算能力指标中，AI计算能力表现抢眼。

《报告》显示，综合15个国家来看，AI算力支出占总算力支出从2016年的9%增加到了12%，预计到2025年将达到25%。而中国的拉动作用最为显著，15个国家AI算力支出的增长中，近60%来自中国。其中，AI服务器支出规模同比大幅增长44.5%，并首次超过美国位列全球第一。

其次是新增了边缘计算。那么问题来了，算力缘何会出现这两个方面的变化？背后的原因是什么？

众所周知，“数字经济”自2017年政府工作报告首次提及至今，已多次被写入政府工作报告。而诸多政策发布背后，都有一个不争的事实，就是大数据、、物联网及人工智能与传统行业的融合，推动传统行业的升级和创新发展。

以人工智能为例，在金融领域，智能客服和风险管控等领域，大大节省人工坐席成本、提高企业客户工作效率；在农业领域，通过分析加工地图来帮助农场确定作物的问题区域，优化产量；在制造业，实现智能制造，推动数字工厂建设，根据数字孪生建设实体工厂，大大缩短交付周期，实现高效运转；在医疗领域，AR辅助手术和远程成像诊断等，在遗传综合症、肺癌、乳腺瘤、创伤后应激障碍等多种疾病的治疗和诊断；在科研领域，AI计算辅助药物发现，用于蛋白质折叠体结构的研究、抗菌耐药性基因的检测和识别以及新药的开发，极大缩短新药研发上市时间。在疫情防控中，机器人在生产、危险工作环境操作、疫情防控中起到大范围协助作用。

需要说明的是，随着基于人工智能算法的智能业务从互联网行业向交通、工业、农业、医疗、金融、政务等传统行业的渗透不断加速，应用场景也从通用场景进一步拓展到行业场景，让数实融合越来越紧密的同时，正在加速通用算力向AI算力的演化。

提及人工智能算法，《报告》显示，全球各国AI企业都在大力布局大规模预训练模型技术开发及其商业化。在美国，OpenAI、谷歌、微软、脸书等机构形成了GPT-3、SwitchTransformer、MT-NLG等千亿或万亿参数量的大模型。在中国，浪潮、中科院、阿里达摩院等陆续推出源1.0、紫东太初、M6等。其中，浪潮“源巨量模型，参数量和数据集分别达到2457亿和50000GB，相比于美国GPT-3，源1.0参数集规模高40%，训练数据集规模领先近10倍。

而众所周知的事实是，大模型是通过大算力和大数据相结合，将收集到的海量信息，通过强大的算力支撑与训练，而得出的基础的、具有通用性的、综合的大模型。这类模型将赋能各行各业，加快传统行业的智能化转型。而这背后是对于AI算力的巨大需求。

未来对一个大模型训练所需的算力，可能每3.4个月就翻一番，这意味着一年就要增加10倍。浪潮信息副总裁张东如此形容大模型对于大算力的需求。

接下来再看边缘计算，我们现在看到边缘最主要的一个实现方向是智能化越来越明显，很多的边缘是做人工智能的处理，边缘OT或者说IoT设备将收集到的数据做初步分析和整理结构化再传到核心数据中心，这个是我们看到的边缘计算快速增长的主要动力。IDC中国助理副总裁周震刚如此解释将边缘计算新增到计算能力指标中的原因。

事实是，在人工智能等技术的应用下，设备端产生大量实时数据，若直接上传到云端处理，会对云端的带宽、算力、存储空间等造成巨大压力，同时也存在时延、数据传输安全性等问题。因此，为缓解云端的工作负载，云计算在云与脑端之间新增了若干个边缘计算节点，从而让边缘计算快速增长。

尽管边缘计算快速增长，但在张东看来，边缘端的算力严格来讲还是不够的，如果只是做一些简单的处理可能还好一点，如果要做很复杂的计算，比如说做智能的判断、车路协同、自动驾驶，包括路边对车的状态做一个很好的实时反应，边缘端需要的算力还是非常大的。

由此来看，边缘计算未来可期。而这通过IDC的报告也得以体现。

IDC预计未来5年，对边缘算力的投资增长速度将远快于核心位置，到2025年，全球边缘计算服务器支出金额占总体服务器比重将从14.4%提升到24.9%，如果加上软件和基于边缘计算的相关解决方案，市场规模将达到2000多亿美元。

需要说明的是，在边缘计算方面，中国依然是领跑全球。

至此我们发现，正是由于数实融合不断紧密和深化，在使得算力由通用计算向智算和边缘计算演化的同时，作为数字经济基础设施、集算力之大成者的数据中心也将迎来形态、创新的变化，持续赋能数字经济的发展。

智算中心是数据中心未来，进化中加速数实融合

数据中心是算力承载的物理实体，反映的是人类社会信息化、智能化的持续趋势。只要有层出不穷的应用、持续渗透的数字化以及算法对算力的持续需求，就有数据中心的需要。

为此，《报告》认为，数据中心是国家各产业进行数字化转型的基本保障，一国数据中心规模及能效水平将会影响未来算力水平的发展进程。

提及规模和能效，《报告》进一步指出，数字化、绿色化、集约化是关键。其中数字化是指充分利用AI等算力技术加速数字化转型，提升资源使用效率，实现节能减排；绿色化则是计算设备的绿色化，通过模块化数据中心、液冷技术，降低数据中心PUE值，引入风电、光伏等新能源技术；得益于成本效益和基于现有冷却系统和数据中心基础设施的可升级性，直接液体冷却解决方案将在数据中心市场得到更广泛的应用，特别是企业用户。集约化是提高计算资源的密度，从而达到更高的效率，通过将离散的企业数据中心的计算资源聚集到更大规模的数据中心，可以更有效地管理电力容量、优化冷却设施、并提高服务器利用率，从而使IT资源的利用能效比达到最高，达到减少排放的目标。而这些与智算中心的特点可谓异曲同工。

对此，张东表示，数据中心未来的演进形态是智算中心，而智算中心必须具备三个特点，即开放标准、集约高效、普适普惠。其中，“开放标准”要求数据中心从硬件到软件、从芯片到架构、从建设模式到应用服务都应该是开放的、标准的；“集约高效”要求数据中心的建设要有超大规模，要采用领先的技术，保证自身的先进性；“普适普惠”则要求数据中心发挥基础设施的社会价值，服务大众。

另外，针对前述大模型“比大更大”的趋势，张东还提出了算法基建化的建议，算力与算法基建化惟有齐头并进，才能让更多的企业享受普适普惠的智算服务，加速数实融合的创新发展。

正基于此，《报告》建议国家应加强算力网络构建的顶层设计和战略部署，鼓励各国加大对算力基础设施的投资，引导多元资本投入算力基建和运营等，以提升在全球的竞争力。

从国家竞争的角度，我们的算力还处在第二位，而排在后面的国家都在大力推动算力的投资，所以算力的建设不进则退，唯有继续加大政府投入的同时，吸引、推动各个方面的投资，算力才会有一个更好的发展。李东红针对算力的投资表达了与《报告》相同的观点。

写在最后：所谓知微见著，由表及里。通过《报告》，我们看到算力增长的同时，由于数实融合的发展，尤其是人工智能的深度应用，算力正在从通用计算向AI和边缘计算、数据中心向智算中心演化。与此同时，作为智算中心本身也在因需而变，不断进化（例如算法基建化、液冷技术的采用等），而这些势必会在未来加速数实融合向更高层次迈进，加倍助力中国数字经济的发展。