國內(nèi)超大型智能算力中心建設白皮書 2024

智算中心建設通過領先的體系架構(gòu)設計，以算力基建化為主體、以算法基建化為引領、以服務智件化為依托，以設施綠色化為支撐，從基建、硬件、軟件、算法、服務等全環(huán)節(jié)開展關鍵技術(shù)落地與應用。

一、體系架構(gòu)

（一）總體架構(gòu)

圖8 智算中心總體架構(gòu)

智能算力中心建設白皮書，重點圍繞基礎、支撐、功能和目標四大部分，創(chuàng)新性地提出了智算中心總體架構(gòu)。

其中，基礎部分是支撐智算中心建設與應用的先進人工智能理論和計算架構(gòu)；支撐部分圍繞智算中心算力生產(chǎn)、聚合、調(diào)度、釋放的作業(yè)邏輯展開；功能部分提供算力生產(chǎn)供應、數(shù)據(jù)開放共享、智能生態(tài)建設和產(chǎn)業(yè)創(chuàng)新聚集四大平臺，以及數(shù)據(jù)、算力和算法三大服務；整體目標是促進AI產(chǎn)業(yè)化、產(chǎn)業(yè)AI化及政府治理智能化。

（二）技術(shù)演進

智算中心的發(fā)展基于最新人工智能理論和領先的人工智能計算架構(gòu)，算力技術(shù)與算法模型是其中的關鍵核心技術(shù)，算力技術(shù)以AI芯片、AI服務器、AI集群為載體，而當前的算法模型發(fā)展趨勢以AI大模型為代表。

在此基礎上，通過智算中心操作系統(tǒng)作為智算中心的“神經(jīng)中樞”對算力資源池進行高效管理和智能調(diào)度，使智算中心更好地對外提供算力、數(shù)據(jù)和算法等服務，支撐各類智慧應用場景落地。而軟件生態(tài)則是智算中心“好用、用好”的關鍵支撐。

1．AI芯片

基于AI芯片的加速計算是當前AI計算的主流模式。AI芯片通過和AI算法的協(xié)同設計來滿足AI計算對算力的超高需求。當前主流的AI加速計算主要是采用CPU系統(tǒng)搭載GPU、FPGA、ASIC等異構(gòu)加速芯片。

AI計算加速芯片發(fā)端于GPU芯片，GPU芯片中原本為圖形計算設計的大量算術(shù)邏輯單元（ALU）可對以張量計算為主的深度學習計算提供很好的加速效果。隨著GPU芯片在AI計算加速中的應用逐步深入，GPU芯片本身也根據(jù)AI的計算特點，進行了針對性的創(chuàng)新設計，如張量計算單元、TF32/BF16數(shù)值精度、Transformer引擎（Transformer Engine）等。

近年來，國產(chǎn)AI加速芯片廠商持續(xù)發(fā)力，在該領域取得了快速進展，相關產(chǎn)品陸續(xù)發(fā)布，覆蓋了AI推理和AI訓練需求，其中既有基于通用GPU架構(gòu)的芯片，也有基于ASIC架構(gòu)的芯片，另外也出現(xiàn)了類腦架構(gòu)芯片，總體上呈現(xiàn)出多元化的發(fā)展趨勢。但是，當前國產(chǎn)AI芯片在產(chǎn)品性能和軟件生態(tài)等方面與國際領先水平還存在差距，亟待進一步完善加強?？傮w而言，國產(chǎn)AI芯片正在努力從“可用”走向“好用”。

2．AI服務器

AI服務器是智算中心的算力機組。當前AI服務器主要采用CPU+AI加速芯片的異構(gòu)架構(gòu)，通過集成多顆AI加速芯片實現(xiàn)超高計算性能。

為滿足各領域場景和復雜的AI模型的計算需求，AI服務器對計算芯片間互聯(lián)、擴展性有極高要求。AI服務器內(nèi)基于特定協(xié)議進行多加速器間高速互聯(lián)通信已成為高端AI訓練服務器的標準架構(gòu)。

目前業(yè)界以NVLink和OAM兩種高速互聯(lián)架構(gòu)為主，其中NVLink是NVIDIA開發(fā)并推出的一種私有通信協(xié)議，其采用點對點結(jié)構(gòu)、串列傳輸，可以達到數(shù)百GB/s的P2P互聯(lián)帶寬，極大地提升了模型并行訓練的效率和性能。

OAM是國際開放計算組織OCP定義的一種開放的、用于跨AI加速器間的高速通信互聯(lián)協(xié)議，卡間互聯(lián)聚合帶寬可高達896GB/s。

浪潮信息基于開放OAM架構(gòu)研發(fā)的AI服務器NF5498，率先完成與國際和國內(nèi)多家AI芯片產(chǎn)品的開發(fā)適配，并已在多個智算中心實現(xiàn)大規(guī)模落地部署。

3．AI集群

大模型參數(shù)量和訓練數(shù)據(jù)復雜性快速增長，對智算系統(tǒng)提出大規(guī)模算力擴展需求。通過充分考慮大模型分布式訓練對于計算、網(wǎng)絡和存儲的需求特點，可以設計構(gòu)建高性能可擴展、高速互聯(lián)、存算平衡的AI集群來滿足尖端的AI計算需求。

AI集群采用模塊化方法構(gòu)建，可以實現(xiàn)大規(guī)模的算力擴展。AI集群的基本算力單元是AI服務器。數(shù)十臺AI服務器可以組成單個POD計算模組，POD內(nèi)部通過多塊支持RDMA技術(shù)的高速網(wǎng)卡連接。在此基礎上以POD計算模組為單位實現(xiàn)橫向擴展，規(guī)?？啥噙_數(shù)千節(jié)點以上，從而實現(xiàn)更高性能的AI集群。

AI集群的構(gòu)建主要采用低延遲、高帶寬的網(wǎng)絡互連。為了滿足大模型訓練常用的數(shù)據(jù)并行、模型并行、流水線并行等混合并行策略的通信需求，需要為芯片間和節(jié)點間提供低延遲、高帶寬的互聯(lián)。另外，還要針對大模型的并行訓練算法通信模式做出相應的組網(wǎng)拓撲上的優(yōu)化，比如對于深度學習常用的全局梯度歸約通信操作，可以使用全局環(huán)狀網(wǎng)絡設計，配置多塊高速網(wǎng)卡，實現(xiàn)跨AI服務器節(jié)點的AI芯片間RDMA互聯(lián)，消除混合并行算法的計算瓶頸。

AI集群的構(gòu)建需要配置面向AI優(yōu)化的高速存儲。通過配置高性能、高擴展、多層級的智能存儲，為各種數(shù)據(jù)訪問需求提供優(yōu)化性能。智能存儲具備隨需擴展功能，實現(xiàn)高IOPS處理能力，支持RDMA技術(shù)，同時實現(xiàn)高聚合帶寬。

4．AI大模型

超大規(guī)模智能模型，簡稱大模型，是近年興起的一種新的人工智能計算范式。和傳統(tǒng)AI模型相比，大模型的訓練使用了更多的數(shù)據(jù)，具有更好的泛化性，可以應用到更廣泛的下游任務中。按照應用場景劃分，AI大模型主要包括語言大模型、視覺大模型和多模態(tài)大模型等。

自然語言處理是首個應用大模型的領域，BERT是大模型的早期代表。隨著大模型在自然語言的理解和生成領域成功應用，推動了語言大模型向更大的模型參數(shù)規(guī)模和更大訓練數(shù)據(jù)規(guī)模的方向發(fā)展。當前，語言大模型的單體模型參數(shù)已經(jīng)達到千億級別，訓練數(shù)據(jù)集規(guī)模也達到了TB級別，訓練所需計算資源超過1000PetaFlop/s-day（PD）。業(yè)界典型的自然語言大模型有GPT-4、源、悟道和文心等。自然語言大模型已經(jīng)廣泛應用于個人知識管理、輿情檢測、商業(yè)報告生成、金融反欺詐、智能客服、虛擬數(shù)字人等場景，同時也出現(xiàn)了一系列的創(chuàng)新應用場景，如劇本殺、反網(wǎng)絡詐騙、公文寫作等。

在語言大模型大獲成功之后，相關技術(shù)和方法也被引入計算機視覺領域，通過構(gòu)建更大的預訓練模型，使其可以適用于目標檢測、語義分割、異常檢測等廣泛的視覺任務。

在算法架構(gòu)上，視覺大模型采用以Transformer架構(gòu)為主體的神經(jīng)網(wǎng)絡架構(gòu)和自監(jiān)督的訓練方法以及十億級的無標注圖片數(shù)據(jù)進行訓練。當前業(yè)界已經(jīng)出現(xiàn)了越來越多的通用視覺大模型和面向特定領域的視覺大模型。視覺大模型也已廣泛應用于自動駕駛、智能安防、醫(yī)學影像等領域。

隨著大模型技術(shù)在語言、視覺等多個領域的應用，融合多個模態(tài)的多模態(tài)大模型也逐漸成為了業(yè)界關注的重點?；诙嗄B(tài)大模型的以文生圖，文生視頻技術(shù)也迅速發(fā)展，代表性模型有DALLE-2、Stable Diffusion 3 和Sora等。由于多模態(tài)大模型的快速發(fā)展，AI內(nèi)容生成（AI Generated Content，AIGC）已成為下一個AI發(fā)展的重點領域。

5．智算OS

智算OS，即智算中心操作系統(tǒng)，是以智算服務為對象，對智算中心基礎設施資源池進行高效管理和智能調(diào)度的產(chǎn)品方案，可以使智算中心更好地對外提供算力、數(shù)據(jù)、算法、智件等服務，有效降低算力使用門檻，提升資源調(diào)度效率，支撐各類智慧應用場景落地，是智算中心的“中樞神經(jīng)”。

智算OS主要由三層架構(gòu)構(gòu)成，分別為基礎設施層、平臺服務層、業(yè)務系統(tǒng)層。基礎設施層主要實現(xiàn)將異構(gòu)算力、數(shù)據(jù)存儲、框架模型等轉(zhuǎn)化為有效的算力與服務資源，算力資源池能夠聚合并進行標準化和細粒度切分，以滿足上層不同類型智能應用對算力的多元化需求，并通過異構(gòu)資源管理和調(diào)度技術(shù)，提升可同時支撐的智算業(yè)務規(guī)模。

平臺服務層主要提供AI訓練與推理服務、數(shù)據(jù)治理服務、運營運維服務等，并通過智算OS實現(xiàn)自動化、智能化，有效擺脫人力束縛，促進算力高效釋放并轉(zhuǎn)化為生產(chǎn)力。業(yè)務系統(tǒng)層是面向用戶端的統(tǒng)一服務入口，向下整合各層級核心功能，為用戶提供多元化、高質(zhì)量的智算服務，滿足生產(chǎn)中不同階段、不同場景的智算需求。

智算OS以智算中心為載體，通過建設多元、開放的智算平臺，融合國際、國內(nèi)先進人工智能技術(shù)，形成標準化、模塊化的模型、中間件及應用軟件，以開放接口、模型庫、算法包等方式向用戶提供如行業(yè)大模型、自動駕駛、元宇宙、智慧科研等人工智能服務，促進人工智能技術(shù)成果的開放與共享，構(gòu)建開放的智算生態(tài)。

6．軟件生態(tài)

基于業(yè)界主流、開源、開放的軟件生態(tài)建設智算中心，是智算中心能夠滿足前沿AI計算需求、提升AI創(chuàng)新和生產(chǎn)效率、豐富行業(yè)AI應用、促進AI產(chǎn)業(yè)快速發(fā)展的主要前提。深度學習的加速計算始于GPU，構(gòu)建于GPU之上的CUDA軟件棧為深度學習的算法開發(fā)提供了極大的便利。CUDA軟件棧為深度學習的應用開發(fā)和計算加速提供了豐富的底層支撐，如張量和卷積計算加速、芯片互聯(lián)通信加速、數(shù)據(jù)預處理加速、模型低精度推理加速等。在此基礎上，學術(shù)界和工業(yè)界已經(jīng)構(gòu)建龐大的開源、開放、共享的AI軟件生態(tài)，有力促進和加速全球AI技術(shù)與應用的蓬勃發(fā)展。

深度學習框架是當前主要的人工智能算法開發(fā)工具。其中TensorFlow和PyTorch的使用較為廣泛。TensorFlow因其豐富的模型開發(fā)和應用部署組件而在工業(yè)界廣泛應用，PyTorch則由于其易用性和靈活性在前沿算法開發(fā)和學術(shù)創(chuàng)新研究領域取得了領先地位。國內(nèi)的AI科技公司也在開發(fā)和推廣深度學習框架。其中百度開發(fā)的飛槳提供了兼具靈活和效率的開發(fā)機制，并聯(lián)合開源社區(qū)打造了一系列覆蓋主流產(chǎn)業(yè)應用需求的工業(yè)級模型，目前在國內(nèi)已得到較多的采用。

在深度學習框架之上，為了適應計算機視覺任務、自然語言大模型等特定場景的應用開發(fā)需求，業(yè)界構(gòu)建了一系列的開源開發(fā)庫，比如面向目標檢測任務的mmdetection、面向大模型訓練任務的Megatron-LM、DeepSpeed，以及面向自監(jiān)督學習的VISSL等。

這些軟件庫進一步簡化了模型訓練和應用開發(fā)的難度，已成為當前人工智能計算的重要軟件底座。業(yè)界前沿的知名AI算法，如ChatGPT、DALLE-2、StableDiffusion等都是在這樣的架構(gòu)下實現(xiàn)的。隨著國產(chǎn)AI計算產(chǎn)業(yè)的快速發(fā)展，各廠商也高度重視并投入軟件生態(tài)建設，力求實現(xiàn)好用、易用的軟件開發(fā)和應用生態(tài)。但總的來說，當前國產(chǎn)AI計算軟件生態(tài)起步較晚、基礎薄弱，還要持續(xù)不斷加大投入，在各個層面加強建設完善。

（三）建設架構(gòu)

圖9 智算中心建設架構(gòu)

在智算中心總體架構(gòu)的基礎上，聚焦智算中心建設與應用中涉及的關鍵技術(shù)，進一步提出智算中心建設架構(gòu)。智算中心建設架構(gòu)由四大關鍵環(huán)節(jié)組成，分別是算力基建化、算法基建化、服務智件化、設施綠色化，“四化”相互支撐、相互協(xié)調(diào)，共同構(gòu)建起智算中心高效運行體系。

同時，在總體架構(gòu)三項服務、三項目標的基礎上，進一步拓展豐富智算中心的功能和目標，實現(xiàn)對外提供數(shù)據(jù)服務、算力服務、算法服務、生態(tài)服務四大服務，支撐達成AI產(chǎn)業(yè)化、產(chǎn)業(yè)AI化、治理智能化、產(chǎn)業(yè)集群化四大目標。

二、技術(shù)路線

智算中心建設的關鍵技術(shù)涉及與其建設和應用相關的各類基建、硬件、軟件，體現(xiàn)在智算中心算力基建化、算法基建化、服務智件化、設施綠色化過程中。

（一）以算力基建化為主體

以智算中心為代表的算力基礎設施能夠有效促進AI產(chǎn)業(yè)化和產(chǎn)業(yè)AI化，是支撐數(shù)字經(jīng)濟發(fā)展的重要基礎底座。為了讓AI真正地賦能到千行百業(yè)，并推動產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型發(fā)展，智算中心要具備對外提供高性價比、普惠、安全算力資源的能力，使AI算力像水、電一樣成為城市的公共基礎資源，供政府、企業(yè)、公眾自主取用。算力基建化供給成為支撐產(chǎn)業(yè)轉(zhuǎn)型升級以及創(chuàng)新發(fā)展的剛性需求和必然選擇。

1．面向潛在算力需求，適度超前規(guī)?；渴鹚懔Y源數(shù)據(jù)量的爆炸式增長以及萬億參數(shù)大模型的出現(xiàn)，使智能算力需求呈現(xiàn)高速增長態(tài)勢，并為算力基礎設施帶來巨大挑戰(zhàn)。在數(shù)據(jù)量方面，IDC發(fā)布的《數(shù)據(jù)時代2025》預測，到2025年，全球數(shù)據(jù)量將達到175 ZB，而中國數(shù)據(jù)量的平均增速快于全球3%，預計到2025年將增至48.6 ZB，占全球數(shù)據(jù)圈的27.8%。在模型方面，當前1萬億參數(shù)的單體模型需要1EFLOPS級算力（FP16）計算約50天，10萬億參數(shù)的單體模型需要10 EFLOPS級算力（FP16）計算約50天。因此在智算中心的規(guī)劃建設中，需要聚焦當前算力應用需求，同時面向未來數(shù)據(jù)量和大模型大參數(shù)量增長空間，適度超前，部署滿足AI訓練、AI推理等大規(guī)模計算需求的強大AI算力機組，構(gòu)建算力集群，提供大規(guī)模彈性算力。

2．聚焦異構(gòu)加速技術(shù)，提升高性能人工智能計算能力自2012年以來，人工智能訓練任務所需求的算力每3.43個月就會翻倍，大大突破了傳統(tǒng)以每18個月為周期實現(xiàn)芯片性能翻番的摩爾定律，這對人工智能計算架構(gòu)的性能提出了更高的要求。AI芯片是生產(chǎn)算力環(huán)節(jié)的關鍵組件，為AI訓練和AI推理輸出強大、高效、易用的計算力。目前，AI芯片主要包括GPU、FPGA、ASIC、類腦芯片四大類，其中類腦芯片仍在探索階段，因此多元異構(gòu)芯片成為提升算力的關鍵手段。主流的人工智能計算架構(gòu)是以CPU+AI芯片為主體的異構(gòu)架構(gòu)，通過將CPU與多種計算單元（如GPU、FPGA、ASIC等）集成，充分融合了CPU等傳統(tǒng)的通用計算單元和高性能專用計算單元的優(yōu)點，可以同時兼顧AI模型的高效訓練和精準推理能力。異構(gòu)架構(gòu)具有高性能、高效率、低功耗等顯著優(yōu)點，使AI芯片在未來人工智能算法不斷迭代更新的情況下，依舊能保持較好的兼容性和可擴展性，在一定程度上延長了AI芯片的生命周期。

3．兼顧軟硬一體協(xié)同，構(gòu)建智算中心多元融合型架構(gòu)人工智能計算場景和計算架構(gòu)的多元化要求智算中心從硬件、軟件、軟硬協(xié)同等層面開展優(yōu)化，提供彈性、可伸縮擴展的算力聚合能力，依據(jù)不同類型智能應用對算力的不同需求，提供更高效、更便捷的算力調(diào)度能力。采用融合架構(gòu)進行整體設計是智算中心的發(fā)展方向。具體而言，在硬件層面，通過硬件重構(gòu)實現(xiàn)資源池化，結(jié)合新型超高速內(nèi)外部互連技術(shù)、池化融合、異構(gòu)存儲介質(zhì)等，推動多元異構(gòu)智能算力設施的高速互聯(lián)，形成高效池化的智算中心，實現(xiàn)多元計算資源高效協(xié)同；在軟件層面，通過軟件定義，將不同的資源池組成專業(yè)的服務器、存儲、網(wǎng)絡系統(tǒng)，實現(xiàn)重構(gòu)硬件資源池的高效化、智能化管理，使智算中心的業(yè)務資源調(diào)度更為靈活、運維管理能力更強。在安全方面，智算中心可以依托隱私安全計算等技術(shù)，提供完善的隱私和數(shù)據(jù)保護解決方案，實現(xiàn)計算、存儲、網(wǎng)絡等多層級、全方位的資源隔離與安全防護。

（二）以算法基建化為引領

建設適度超前的算力基礎設施，不僅體現(xiàn)在算力層面，也體現(xiàn)在算法層面，這是釋放算力環(huán)節(jié)的關鍵。人工智能算法正面臨著豐富化、專業(yè)化和巨量化的挑戰(zhàn)，智算中心通過提供預置行業(yè)算法、構(gòu)建預訓練大模型、推進算法模型持續(xù)升級、提供專業(yè)化數(shù)據(jù)和算法服務，讓更多的用戶享受普適普惠的智能計算服務。

1．面向千行百業(yè)發(fā)展需求，提供多類型預置行業(yè)算法AI落地面臨開發(fā)成本、技術(shù)門檻高的難題，算法模型平均構(gòu)建時間為3個月，同時算法還需要快速的迭代，再加上AI新算法、新理論層出不窮，行業(yè)用戶的智慧轉(zhuǎn)型存在著巨大的技術(shù)壁壘。智算中心應圍繞政務服務、智慧城市、智能制造、自動駕駛、語言智能等重點領域，在AI平臺內(nèi)預置實例分割、目標檢測、邊緣檢測、圖像分類、人臉識別、視頻感知、自動問答、機器翻譯、輿情分析、情感分析、語音識別、協(xié)同過濾、交通路線規(guī)劃等常用行業(yè)算法模型，并從硬、軟件對行業(yè)算法做性能優(yōu)化，從而幫助各行各業(yè)智慧應用加速落地，推動行業(yè)智能化轉(zhuǎn)型加速。

2．面向模型即服務應用需求，構(gòu)建大規(guī)模預訓練AI模型在產(chǎn)業(yè)AI化和數(shù)實融合的背景下，當前的行業(yè)做法是針對每一個場景都做一個模型，即“有1萬個場景就有1萬個模型”。然而隨著以BERT、GPT-3、DALL·E、源1.0等為代表的高泛化能力和高通用性的大模型的出現(xiàn)，一個模型可以覆蓋眾多場景。“預訓練大模型+下游任務微調(diào)”的AI工程化模式已成為業(yè)內(nèi)共識，層數(shù)、隱向量長度、前饋網(wǎng)絡尺寸持續(xù)增長，參數(shù)規(guī)模迅速從億級增長到百萬億級。

在充足數(shù)據(jù)和算力的支持下，大模型可以充分學習文本、圖像等數(shù)據(jù)中的特征。智算中心應通過部署大模型所需要的訓練、推理和數(shù)據(jù)處理系統(tǒng)，構(gòu)建出不同功能、不同模態(tài)的大模型（如自然語言處理大模型、視覺大模型、多模態(tài)大模型等），從而更加快速地生產(chǎn)出專業(yè)的技能模型，并在更多專業(yè)場景中實現(xiàn)小型化、輕量化的落地運作。

3．面向可持續(xù)化發(fā)展需求，推進AI模型不斷演進升級從感知機到深度神經(jīng)網(wǎng)絡，從全連接網(wǎng)絡到模型剪枝、知識蒸餾、注意力機制，從有監(jiān)督學習、無監(jiān)督學習到強化學習、自監(jiān)督學習，人工智能理論算法模型在持續(xù)深化發(fā)展中。當前，人工智能算法正從單模態(tài)、有監(jiān)督學習向多模態(tài)、自監(jiān)督學習演進。自監(jiān)督學習無需標注數(shù)據(jù)，可以直接從無標簽數(shù)據(jù)中自行學習，極大降低了人工標注成本。

多模態(tài)學習更貼近人類對多感知模態(tài)的認知過程，通過學習多種模態(tài)的數(shù)據(jù)，可以突破自然語言處理和計算機視覺的界限，在圖文生成、看圖問答等視覺語言任務上具有更強表現(xiàn)。隨著人工智能相關技術(shù)和應用需求的不斷升級，智算中心所提供的算法模型也應持續(xù)迭代升級，與時俱進，保持算法模型的先進性。未來，人工智能算法將朝著多模態(tài)、交互式主動學習、規(guī)劃、實踐的方向發(fā)展，以期實現(xiàn)真正的認知智能。

4．面向算法高效調(diào)用需求，提供專業(yè)化開發(fā)部署支撐智算中心除了提供深度學習、強化學習等常見 A I算法模型外，還應提供專業(yè)化基礎支撐和開發(fā)部署服務能力，以支撐AI算法模型的便捷調(diào)用和部署。為了滿足算法模型對大規(guī)模高質(zhì)量海量數(shù)據(jù)集的需求，智算中心應搭載海量數(shù)據(jù)清洗系統(tǒng)，提供全流程自動化數(shù)據(jù)處理系統(tǒng)，實現(xiàn)智能高效的數(shù)據(jù)處理和過濾。為了滿足AI算法模型高效訓練和使用的需求，智算中心在基礎支撐層面應部署分布式訓練框架、高性能推理框架，在開發(fā)部署層面應提供數(shù)據(jù)管理、模型開發(fā)、模型訓練、模型管理等關鍵模塊，以模型API服務、領域模型、工具包、會話式開放框架、開發(fā)者社區(qū)等形式，形成強大的AI算法服務支撐能力。

（三）以服務智件化為依托

隨著人工智能應用場景持續(xù)拓展和開發(fā)用戶不斷普及，對智能計算需求大幅提升、算法模型功能不斷強化的同時，人工智能算法開發(fā)和模型訓練正在從專業(yè)化、高門檻向泛在化、易用型轉(zhuǎn)變，智算中心的發(fā)展將由傳統(tǒng)的硬件、軟件向“智件”升級拓展。“智件”是指智算中心提供人工智能推廣應用的中間件產(chǎn)品和服務。

傳統(tǒng)用戶進行人工智能應用時，除了需要提供業(yè)務數(shù)據(jù)，還需提供算法模型并進行代碼開發(fā)，“智件”的構(gòu)建可以改變這種服務模式，通過可視化操作界面，以及低代碼開發(fā)甚至無代碼開發(fā)的模式，為用戶提供功能豐富、使用便捷的人工智能算力調(diào)度、算法供給和個性化開發(fā)服務，實現(xiàn)“帶著數(shù)據(jù)來、拿著成果走”的效果。

1．提供多元算力調(diào)度服務，實現(xiàn)算力調(diào)度“智件化”算力是智算中心提供的核心產(chǎn)品和服務。面向不同用戶的不同算力需求，智算中心應提供“智件化”算力服務，讓用戶無需關注底層算力芯片和技術(shù)細節(jié)，通過用戶交互界面，選擇業(yè)務場景類別、算法模型大小等參數(shù)，獲得不同算力需求下的計算時間預估、服務費用測算等針對性算力服務方案。

一方面，算力服務虛擬化，弱化底層算力芯片供給的技術(shù)差異性，為用戶提供標準化的算力供給服務。

通過抽象芯片架構(gòu)并融合算力特性將提供底層計算能力的GPU、FPGA、ASIC等AI芯片進行統(tǒng)一管理和調(diào)度，以PFLOPS、EFLOPS作為計算能力單位向用戶提供算力服務，讓用戶可以更便捷地調(diào)度算力，進行AI應用部署。

另一方面，算力服務協(xié)同調(diào)度，要強化對外的算力調(diào)度與服務能力。在構(gòu)建全國一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系和“東數(shù)西算”工程的背景和要求下，智算中心可以作為算力基礎單元，通過云服務方式融入全國算力調(diào)度體系中，滿足更大范圍、更強算力調(diào)度需求。

2．提供簡便算法模型服務，實現(xiàn)算法供給“智件化”人工智能是一門極其復雜的學科，要求應用開發(fā)者不僅要有扎實的理論功底，還要有高超的編程技術(shù)，門檻極高。算法模型是人工智能應用的靈魂，也是智算中心提供服務的主要輸出物。從計算智能到感知智能，再到認知智能，人工智能的應用模型越來越復雜，從公共服務到社會治理再到產(chǎn)業(yè)發(fā)展，人工智能的應用需求越來越廣泛，對人工智能模型和算法的要求也越來越高。

為了緩解人工智能模型訓練成本高、技術(shù)門檻高的問題，智算中心應加強算法供給服務模式的創(chuàng)新，開發(fā)可視化操作界面，用戶通過API、模塊化代碼即可獲得所需的人工智能應用效果，減輕代碼開發(fā)壓力，使用戶無需關注算法和模型本身的復雜技術(shù)細節(jié)，只需聚焦相應業(yè)務領域的業(yè)務邏輯和數(shù)據(jù)就能實現(xiàn)人工智能應用。用戶可以基于“智件化”的算法模型進行探索和創(chuàng)新，開發(fā)出適用于各種場景的新型智能應用。

3．提供開放生態(tài)環(huán)境服務，實現(xiàn)供需對接“智件化”人工智能場景日趨豐富，應用需求和技術(shù)供給個性化特征明顯，為滿足部分用戶和場景對于人工智能算法優(yōu)化、系統(tǒng)優(yōu)化服務的個性化需求，智算中心應構(gòu)建開放合作生態(tài)，加大數(shù)據(jù)資源供給，聚焦先進的技術(shù)并適配典型場景應用。一方面，加大數(shù)據(jù)供給，數(shù)據(jù)是人工智能應用的基礎，智算中心應打造數(shù)據(jù)共享平臺，推動計算機視覺、自然語言處理、重點行業(yè)領域等高質(zhì)量公開數(shù)據(jù)集的匯聚，為用戶人工智能應用提供增值性數(shù)據(jù)服務。另一方面，開放發(fā)展生態(tài)，圍繞滿足不同用戶個性化人工智能應用需求，智算中心應將其計算平臺、資源平臺和算法平臺對外開放，聚集行業(yè)內(nèi)領先企業(yè)的力量，及時響應用戶個性化需求，提升智算中心技術(shù)能力的同時形成新的產(chǎn)業(yè)和生產(chǎn)力。

（四）以設施綠色化為支撐

能耗是衡量智算中心發(fā)展水平的重要維度之一。“碳達峰、碳中和”目標背景下，國家和地方持續(xù)出臺政策，進一步規(guī)范數(shù)據(jù)中心的能耗水平和平均電能利用效率（PUE）。為了進一步降低智算中心能耗，設施綠色化是智算中心建設的必然選擇。設施綠色化主要包括設備節(jié)能化、能源供給綠色化等方面。

1．采用先進節(jié)能技術(shù)，全面降低智算中心能耗制冷設備和IT設備是智算中心主要的能耗來源。液冷技術(shù)采用冷卻液和工作流體對發(fā)熱設備進行冷卻，利用高比熱容的液體代替空氣，提升了制冷效率，降低制冷能耗。液冷技術(shù)是智算中心制冷的主要發(fā)展趨勢。數(shù)據(jù)中心采用全棧布局液冷，冷板式液冷、熱管式液冷、浸沒式液冷等先進液冷技術(shù)，構(gòu)建包含一次側(cè)二次側(cè)液冷循環(huán)、CDU等的智算中心液冷整體解決方案，可以進一步降低能耗、降低PUE，實現(xiàn)綠色化。液冷智算中心采用余熱回收技術(shù)，可以為智算中心自身以及鄰近區(qū)域供暖，進一步提升能源利用效率。此外，智算中心采用高壓直流、集中供電等高效供配電系統(tǒng)、能效環(huán)境集成檢測等高效輔助系統(tǒng)、智能監(jiān)控運維系統(tǒng)等綠色管理系統(tǒng)可以進一步降低能耗。

2．采用綠色清潔能源，從源頭上實現(xiàn)綠色低碳

一方面，智算中心的大部分業(yè)務負載，特別是企業(yè)負載，在時間上主要集中于白天工作時段，與光伏、風電的主要發(fā)電時段匹配性較高，無需過多儲能與調(diào)峰，使得智算中心在運用光伏、風電等綠色電力方面具有天然優(yōu)勢。采用綠色電力供給的智算中心綜合運用線性規(guī)劃、混合整數(shù)規(guī)劃、啟發(fā)式算法等多種能耗管理方法，可以在降低碳排放的同時也節(jié)約電價成本。智算中心采用優(yōu)化調(diào)度與需求響應控制策略，還可作為需求側(cè)可調(diào)載荷參與電力需求側(cè)響應，不僅提升智算中心自身能源利用效率，而且提升新型電力系統(tǒng)需求側(cè)資源優(yōu)化配置效率。

另一方面，智算中心所在的建筑物、園區(qū)空間大，可以充分利用，發(fā)展屋頂光伏、園區(qū)風電等可再生能源發(fā)電設施，優(yōu)化能源綠色供給格局。應用分布式光伏發(fā)電、分布式燃氣供能等技術(shù)可以提升智算中心園區(qū)綠色化水平。小型智算中心還可以利用模塊化氫燃料電池、太陽能板房等技術(shù)優(yōu)化能源供給格局。

應用篇

在識別檢測、語音交互、智能客服等智能應用在各行業(yè)領域得到了廣泛使用，以自動駕駛為代表的高算力需求場景從實驗環(huán)境逐步走向試點應用階段，而以元宇宙、智慧科研（AI for Science）為代表的新興場景也逐漸走進大眾視野，并帶來無限發(fā)展可能。

作為支撐人工智能應用的關鍵基礎設施，智算中心匯聚數(shù)據(jù)、算力、算法等要素，通過生產(chǎn)算力、聚合算力、調(diào)度算力、釋放算力等關鍵環(huán)節(jié)，實現(xiàn)“以數(shù)據(jù)輸入，讓智能輸出”，助力AI產(chǎn)業(yè)化和產(chǎn)業(yè)AI化，讓智能計算真正惠及經(jīng)濟社會發(fā)展。

一、智算中心激發(fā)AI產(chǎn)業(yè)化創(chuàng)新活力

（一）自動駕駛

自動駕駛是汽車智能化和自動化的高級形態(tài)，作為AI技術(shù)備受關注的重要落腳點，被公認是汽車出行產(chǎn)業(yè)的未來方向之一。自動駕駛場景的實現(xiàn)，需要通過感知融合、虛擬路測（模擬仿真）、高精地圖、車路協(xié)同等核心技術(shù)將數(shù)字世界與實體路況進行深度融合，基于人工智能技術(shù)，讓車輛能夠像人類駕駛員一樣準確地識別車道、行人、障礙物等駕駛環(huán)境中的關鍵信息，并及時對周圍運動單元的潛在軌跡做出預判。

自動駕駛落地需要超大AI算力支持自動駕駛需要通過對車身多個傳感器的數(shù)據(jù)進行感知和融合，并在此基礎上對自動駕駛車輛的行為進行決策和控制，其中涉及大量AI算法、機器視覺與傳感器數(shù)據(jù)整合分析、面向各類算力平臺及傳感器配置方案的適配能力等。

為了提升自動駕駛系統(tǒng)的感知和決策性能，當前通行的做法是在數(shù)據(jù)中心端基于海量的道路采集數(shù)據(jù)來進行感知模型訓練和仿真測試。隨著AI技術(shù)的發(fā)展，通過AI算法對多傳感器的數(shù)據(jù)以及多模態(tài)的數(shù)據(jù)進行融合感知，已經(jīng)成為了當前主流的發(fā)展趨勢。另外自監(jiān)督大模型的技術(shù)也在逐步地引入到自動駕駛場景中。

這都使得自動駕駛感知模型的訓練算力消耗遠大于一般的計算機視覺感知模型。比如，Tesla構(gòu)建的L2級別的FSD自動駕駛?cè)诤细兄Ｐ偷挠柧毷褂昧税偃f量級的道路采集視頻片段，算力投入約為500PD。隨著自動駕駛級別從L2到L4的提升，對算力的需求將進一步提高。

算力供給是自動駕駛系統(tǒng)得以大規(guī)模落地和進一步商業(yè)化的前提條件。自動駕駛產(chǎn)業(yè)的集成化、規(guī)?；l(fā)展需要由智算中心提供超大算力、先進AI算法等支撐。智算中心提供的普惠算力可以極大降低自動駕駛所需算力的成本，同時加速自動駕駛新技術(shù)與新產(chǎn)品的研發(fā)、測試和應用。

（二）機器人

機器人是人工智能技術(shù)多領域應用的重要載體，主要分為工業(yè)機器人、服務機器人和特種機器人。作為一種重要的智能硬件，隨著計算機視覺、機器學習、智能語音等多種智能算法技術(shù)的進步，機器人產(chǎn)業(yè)也將實現(xiàn)飛速的發(fā)展。

《中國機器人產(chǎn)業(yè)發(fā)展報告（2022年）》數(shù)據(jù)顯示，2022年中國機器人市場規(guī)模約為174億美元，五年年均增長率達到22%，其中工業(yè)機器人和服務機器人市場規(guī)模均保持增長，二者呈現(xiàn)出齊頭并進、快速發(fā)展的態(tài)勢。

“AI算法+AI算力”支撐機器人從量變到質(zhì)變機器人與新一代信息技術(shù)的融合逐漸深入，機器人的感知、計算、執(zhí)行能力都得到了大幅提升，處理實際問題的穩(wěn)定性和可靠性也進一步提高，這背后離不開人工智能技術(shù)和強大算力的支撐。機器人需要和環(huán)境進行交互感知以及決策控制，和環(huán)境的交互感知不僅涉及到視覺、聽覺等多個模態(tài)，也會涉及到不同模態(tài)的感知融合，這都需要AI算法作為底層支撐。為了實現(xiàn)相應的感知和決策算法，一般會在數(shù)據(jù)中心端構(gòu)建真實世界數(shù)據(jù)采集→AI模型構(gòu)建→孿生世界的決策控制模型訓練→真實世界驗證測試的閉環(huán)，來逐步地提升機器人在真實世界的感知和決策能力。

用于學習和訓練的數(shù)據(jù)越多，算法迭代得越完善，機器人的決策準確度將越高。智算中心的算力服務可以為機器人的大規(guī)模模型訓練和預測提供強大算力支撐，智算中心的算法服務可以實現(xiàn)機器人智能化應用算法模型的敏捷開發(fā)和快速訓練上線，為機器人產(chǎn)業(yè)的高質(zhì)量發(fā)展提供全方位支撐。

（三）元宇宙

元宇宙是基于數(shù)字技術(shù)進行創(chuàng)造和連接，與現(xiàn)實空間映射交互形成的虛擬空間，是整合多種新技術(shù)而產(chǎn)生的下一代互聯(lián)網(wǎng)應用和數(shù)字形態(tài)的新型社會體系。元宇宙在5G、人工智能、物聯(lián)網(wǎng)、AR/VR、云計算、區(qū)塊鏈等技術(shù)及產(chǎn)品的支持下，為現(xiàn)實世界構(gòu)建數(shù)字化虛擬平行世界，為用戶提供沉浸式交互體驗，大幅提升各行業(yè)生產(chǎn)效率。

智算中心是支撐元宇宙實現(xiàn)的關鍵基礎設施元宇宙的沉浸式體驗離不開擴展現(xiàn)實、人工智能、區(qū)塊鏈等元宇宙核心技術(shù)的支持，對系統(tǒng)的計算、存儲、帶寬、功耗等都提出了極高的要求，其所需消耗的算力資源也是巨量的。

元宇宙的協(xié)同創(chuàng)建、高精仿真、實時渲染、智能交互等環(huán)節(jié)都需要大量算力做支撐，想要真正邁入虛擬和現(xiàn)實融合的3D互聯(lián)網(wǎng)時代，元宇宙對算力的需求將呈指數(shù)級增長，這遠遠超過了通用CPU的發(fā)展速度。傳統(tǒng)以提升CPU時鐘頻率和內(nèi)核數(shù)量來提高計算性能的方式遇到了瓶頸，形成了巨大的算力缺口。元宇宙從本質(zhì)上看是對算力的重構(gòu)，這部分算力缺口需要由智算中心來彌補，從而不斷提升元宇宙場景的性能和能效。

1．虛擬數(shù)字人

虛擬數(shù)字人是可以感知、規(guī)劃、行動的虛擬形象，由計算機圖形學、圖形渲染、動作捕捉、深度學習、語音合成等技術(shù)生成，具備類人外貌、交互能力等高度擬人化特征，是元宇宙的重要組成部分。虛擬數(shù)字人正逐步“闖入”現(xiàn)實虛擬數(shù)字人的應用領域非常廣泛，按照應用場景或行業(yè)的不同，已經(jīng)出現(xiàn)了虛擬主播、虛擬偶像等娛樂型數(shù)字人，虛擬教師等教育型數(shù)字人，虛擬客服、虛擬導游等助手型數(shù)字人，替身演員、虛擬演員等影視數(shù)字人應用。據(jù)《虛擬數(shù)字人深度產(chǎn)業(yè)報告》預測，2030年我國虛擬數(shù)字人整體市場規(guī)模將達到2,700億元。

智算中心助力虛擬數(shù)字人應對AI算力和算法挑戰(zhàn)虛擬數(shù)字人相關的建模、驅(qū)動、渲染和感知交互均需要巨量的算力支撐。當前，虛擬數(shù)字人的建模以基于3D建模軟件的手工建模+真人驅(qū)動為主。

隨著AIGC等AI技術(shù)的應用，基于AI算法的自動建模將逐步替代手工建模，成為數(shù)字人建模的主要方式。與此同時，基于AI算法的數(shù)字人驅(qū)動也將逐步替代當前以“中之人”驅(qū)動為主的真人驅(qū)動方式。與此同時，視覺感知、語音識別和語音合成以及自然語言處理等多種AI算法在數(shù)字人中的應用，將推動數(shù)字人向“數(shù)智人”轉(zhuǎn)變，也是虛擬數(shù)字人應用普及的關鍵。智算中心可以為虛擬數(shù)字人制作、感知交互提供強大的算力和算法支撐，加速虛擬數(shù)字人產(chǎn)業(yè)的商業(yè)化落地。

2．數(shù)字孿生

數(shù)字孿生是指充分利用物理模型、傳感器、運行歷史等數(shù)據(jù)，集成多學科、多尺度的仿真過程，以數(shù)字化方式創(chuàng)建物理實體的虛擬鏡像，通過模擬、驗證、預測和控制物理實體全生命周期行為，實現(xiàn)在物理空間的最優(yōu)決策。數(shù)字孿生是構(gòu)建元宇宙數(shù)字空間的基礎數(shù)字孿生在元宇宙的發(fā)展進程中扮演著重要角色，是元宇宙耦合物理世界的基石。

元宇宙的目標是構(gòu)建一個與現(xiàn)實物理世界高度貼合的甚至是超越現(xiàn)實世界的虛擬世界，因此需要通過海量數(shù)據(jù)模擬和強大算力來實現(xiàn)1:1的數(shù)字空間創(chuàng)造，這個過程中的核心關鍵就是數(shù)字孿生。數(shù)字孿生技術(shù)能夠以極致細節(jié)的方式將現(xiàn)實世界映射到虛擬世界中。因此，數(shù)字孿生技術(shù)的成熟度在一定程度上決定了元宇宙在虛實映射與虛實交互上的發(fā)展?jié)摿Α?/span>

強大算力是數(shù)字孿生高效穩(wěn)定運行的重要支撐數(shù)字孿生的應用十分廣泛。例如，數(shù)字孿生城市可以在虛擬世界模擬仿真城市管理、產(chǎn)業(yè)發(fā)展、消防應急、環(huán)境變化等情況，為現(xiàn)實中關鍵問題的決策提供技術(shù)支撐，提升城市規(guī)劃和城市治理的效率和精準度。

在元宇宙中，大規(guī)模、高度復雜的數(shù)字孿生空間的構(gòu)建，以及現(xiàn)實世界和數(shù)字世界的實時交互，需要有強大且物理準確的高精度仿真算力和實時高清3D渲染算力作為支撐。隨著AI技術(shù)的發(fā)展，基于AI算法的高精仿真逐步替代了傳統(tǒng)基于數(shù)值求解算法的仿真系統(tǒng)，成為了數(shù)字孿生系統(tǒng)的核心底層支撐技術(shù)。智算中心可以為大規(guī)模數(shù)字孿生提供專業(yè)化的算力和應用支持，支撐數(shù)字孿生空間的實時創(chuàng)建、復雜模型的高效運行，以及逼真仿真環(huán)境的快速生成。

二、智算中心助力產(chǎn)業(yè)AI化走深向?qū)?/span>

（一）智慧醫(yī)療

國家統(tǒng)計局《2021年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》顯示，2021年全年總診療人次85.3億人次，基本醫(yī)療保險覆蓋13.6億人。然而，各個地區(qū)醫(yī)療服務水平參差不齊，醫(yī)療服務資源不均等現(xiàn)象普遍存在，基層患者尤其是偏遠地區(qū)的患者難以獲得高質(zhì)量的醫(yī)療救治。

AI輔助診斷助力解決診療“三大難題”當前，醫(yī)療診斷主要面臨三大挑戰(zhàn)：

一是數(shù)據(jù)量巨大。粗略估算診療人次所對應的就醫(yī)環(huán)節(jié)及相應的醫(yī)療數(shù)據(jù)質(zhì)量，加上血壓、心率、體重、心電圖等醫(yī)療監(jiān)測數(shù)據(jù)，規(guī)模早已突破TB級，并且以“秒”為單位持續(xù)更新疊加，需要強有力的算力支撐平臺。

二是數(shù)據(jù)結(jié)構(gòu)多元。不僅包含大量醫(yī)學術(shù)語、專業(yè)名稱，還包括文檔、影像、視頻等非結(jié)構(gòu)化數(shù)據(jù)，對AI服務器等新型智能計算硬件要求較高。

三是數(shù)據(jù)實時處理要求高。醫(yī)療服務中存在大量時間性強和決策周期短的應用場景，如臨床中的診療和用藥建議、健康指標預警等，對在線計算、實時處理的需求顯著，亟需構(gòu)建強大的算力平臺支撐基于醫(yī)療健康領域數(shù)據(jù)規(guī)模化知識圖譜。

醫(yī)療機構(gòu)通過引入AI輔助診療，可實現(xiàn)診斷、治療工作的智能化。從算力需求看，人工智能輔助診療應用涉及海量圖形數(shù)據(jù)的處理，所需的算力要求較高。智算中心具備的強大算力可以支持大規(guī)模、高難度的模型訓練，全方位支撐海量醫(yī)療影像數(shù)據(jù)的分析挖掘和精準診斷，能夠有效縮短診斷時間，提高診療效率。

（二）文娛創(chuàng)作

近年來，AI在文娛創(chuàng)作方面有諸多突破，通過融合人工智能、認知心理學、哲學和藝術(shù)等多個學科，可完成詩詞、繪畫、音樂、影視、小說等創(chuàng)作。

人工智能正在逐漸改變文娛創(chuàng)作的發(fā)展范式對藝術(shù)家來說，靈感極為可貴并難以捕捉，當文娛創(chuàng)作遇上人工智能，整個行業(yè)迸發(fā)出了全新的生機和活力。AI技術(shù)將是未來數(shù)字化創(chuàng)作的重要生產(chǎn)工具。當前出現(xiàn)的創(chuàng)作生態(tài)可分為專業(yè)生成內(nèi)容（Professionally Generated Content，簡稱PGC）、用戶生成內(nèi)容（User Generated Content，簡稱UGC）、AI輔助生產(chǎn)內(nèi)容和AIGC。

其中，PGC和UGC都是以人為主體的創(chuàng)作模式，PGC是由專業(yè)人士進行內(nèi)容創(chuàng)作，成本較高且產(chǎn)能有限；UGC降低了生產(chǎn)成本，滿足了個性化需求，但存在不可控因素。從長期來看，數(shù)字內(nèi)容生成的需求會愈發(fā)強烈，但是人腦處理信息的能力有限，當以人力為主的內(nèi)容生產(chǎn)潛力逐漸消耗殆盡，以AI為主的內(nèi)容生產(chǎn)模式將彌補數(shù)字世界內(nèi)容供需的缺口。Gartner數(shù)據(jù)顯示，到2023年將有20%的內(nèi)容由AI創(chuàng)作生成，預計到2025年生成式AI產(chǎn)生的數(shù)據(jù)將占所有數(shù)據(jù)的10%。

AIGC將成為數(shù)字內(nèi)容生產(chǎn)的長期發(fā)展方向AIGC是一種通過生成對抗網(wǎng)絡、深度學習、大型預訓練模型等人工智能技術(shù)挖掘數(shù)據(jù)中的規(guī)律，并通過適當?shù)姆夯芰ι上嚓P內(nèi)容的技術(shù)。深度學習技術(shù)（如深度學習模型CLIP等）的突破為AIGC商業(yè)落地提供了可能，而數(shù)字內(nèi)容、數(shù)字資產(chǎn)等的快速發(fā)展又進一步加速了AIGC的應用與優(yōu)化。

利用AIGC技術(shù)可以生成多種模態(tài)的數(shù)字作品，如AI寫作（文本）、AI繪畫（圖像）、AI作曲（音頻）、AI換臉（視頻）等。同時，AIGC技術(shù)也可以實現(xiàn)由文字生成圖像、文字生成視頻、圖像/視頻生成文字等跨模態(tài)創(chuàng)作，以及Game AI等各類綜合型場景創(chuàng)作。AIGC的出現(xiàn)使數(shù)字內(nèi)容創(chuàng)作的生產(chǎn)效率和互動性得到了進一步提升。隨著人工智能技術(shù)的不斷升級以及算力、數(shù)據(jù)、算法等要素的持續(xù)迭代，未來AIGC技術(shù)將持續(xù)賦

能各類文化創(chuàng)意、生產(chǎn)生活，為數(shù)字內(nèi)容生產(chǎn)帶來巨大變革。AI大模型和開放平臺為文娛創(chuàng)作提供技術(shù)支撐隨著各類AI大模型及支持開發(fā)者創(chuàng)作的各類AI開源平臺的陸續(xù)上線，用戶可以獲取涵蓋開源模型API、高質(zhì)量中文數(shù)據(jù)集、模型訓練代碼、推理代碼、應用代碼、面向AI芯片的模型移植開發(fā)等內(nèi)容的多場景服務。

大模型開放平臺的出現(xiàn)極大地降低了文娛類AI應用的開發(fā)門檻，即使是幾乎沒有任何編程經(jīng)驗的文娛創(chuàng)作者，通過在平臺上進行簡單學習，也可以快速實現(xiàn)文娛類AI應用的開發(fā)。AI大模型和AI開源平臺作為智算中心算法基建化的重要構(gòu)成，配合其強大的算力資源，將為創(chuàng)作者打造一片創(chuàng)作的樂土。

（三）智慧科研

AI技術(shù)成為繼計算機之后，科學家新的生產(chǎn)工具，并催生出了新的科研范式AI for Science。科學家們用AI技術(shù)去學習科學原理，根據(jù)實驗或者計算產(chǎn)生的數(shù)據(jù)對所求解的科學問題進行建模，從而使復雜問題得到有效解決。近年來，AI也被證明能用來做規(guī)律發(fā)現(xiàn)，幫助人類從大量的復雜數(shù)據(jù)中，抽取一些人類觀察不到的高維信息和高價值規(guī)律，不僅在應用科學領域，也能在自然科學領域發(fā)揮作用。AI for Science 不僅帶來了科研效率的顯著提升，還能降低科研成本，讓更多人都能參與到科學研究中來。

1．生命科學

隨著大數(shù)據(jù)和人工智能的發(fā)展、普及和成熟，越來越多的科學研究從假設推動的范式向數(shù)據(jù)驅(qū)動的范式轉(zhuǎn)變，利用大數(shù)據(jù)和計算機技術(shù)挖掘科學洞見。在生命科學領域，通過采用深度學習方法處理海量數(shù)據(jù)，已經(jīng)在蛋白質(zhì)結(jié)構(gòu)預測等領域?qū)崿F(xiàn)了落地應用。

蛋白質(zhì)作為生命活動的主要承擔者，長期以來都是生命科學工作者研究的重點，其中確定蛋白質(zhì)的三維空間結(jié)構(gòu)尤為重要。受困于計算量龐大、計算準確度有限，蛋白質(zhì)三維結(jié)構(gòu)預測領域近年來進展較為緩慢。

采用傳統(tǒng)的冷凍電鏡三維重構(gòu)方法，實驗儀器昂貴，且圖像重構(gòu)需要耗費大量計算力，而采用傳統(tǒng)的分子動力學結(jié)構(gòu)預測計算方案，在平均10300的搜索空間枚舉蛋白質(zhì)的可能構(gòu)型，需要極高的算力和漫長的計算時間，因此在過去50年的時間，僅有17%的人類蛋白質(zhì)組得到結(jié)構(gòu)解析。

在智能算力的支持下，DeepMind開發(fā)了基于注意力機制深度神經(jīng)網(wǎng)絡的AlphaFold2模型，通過對當前已經(jīng)測序的數(shù)十萬蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)和數(shù)百萬蛋白質(zhì)序列數(shù)據(jù)進行學習，實現(xiàn)了端到端直接預測蛋白質(zhì)的三維結(jié)構(gòu)，并取得了突破性進展，預測結(jié)果準確率達到了92.4%。相較于使用費用高昂的實驗儀器，單個蛋白結(jié)構(gòu)的預測時間縮短到了分鐘級。AlphaFold2的開發(fā)是以巨量算力為支撐，具體來說，其訓練數(shù)據(jù)準備消耗了約2億核時的CPU算力，訓練過程消耗了約300PD的AI算力。

2．大規(guī)模分子模擬

分子動力學模擬通過求解原子運動的經(jīng)典力學牛頓方程對相空間進行采樣，可以研究體系在相空間的演化過程，還可以通過統(tǒng)計方法得到體系在非零溫度下的各種性質(zhì)，是當前材料和生物化學領域最常用的計算研究方法之一。

近年來，借助神經(jīng)網(wǎng)絡從大量數(shù)據(jù)中獲得規(guī)律的優(yōu)勢，將第一性原理計算結(jié)果作為訓練數(shù)據(jù)，利用神經(jīng)網(wǎng)絡訓練構(gòu)建勢函數(shù)的方法引起了廣泛的關注。該系列方法從上世紀90年代開始，經(jīng)過二十多年的發(fā)展，在準確性、可擴展性等方面得到了提升，比較常用的方法有DeePMD、SchNet、GAP、MTP等。

2020年深度勢能（DP）團隊因“結(jié)合分子建模、機器學習和高性能計算相關方法，將具有從頭算精度的分子動力學模擬的極限提升至1億個原子規(guī)?！?，斬獲了當年的戈登·貝爾獎（Gordon Bell Prize）。原子間機器學習勢函數(shù)已經(jīng)應用于許多實際研究中，可以用于模擬復雜的、多元素的晶體、非晶、液晶、界面、缺陷和摻雜等實驗體系，計算精度接近從頭算，計算速度卻可以比從頭算快數(shù)百到上千倍。

3．數(shù)值計算

矩陣乘法是許多計算任務的核心，其中包括神經(jīng)網(wǎng)絡、3D圖形和數(shù)據(jù)壓縮等。因此，提高矩陣乘法效率將直接作用于許多應用。幾個世紀以來，數(shù)學家認為標準矩陣乘法算法是效率最高的算法，但在1969年，德國數(shù)學家Volken Strassen通過研究非常小的矩陣（大小為2x2）證明確實存在更好的算法。然而，更大矩陣相乘的高效算法仍屬于尚未攻克的難題。

DeepMind的最新研究探討了現(xiàn)代AI技術(shù)——強化學習如何推動新矩陣乘法算法的自動發(fā)現(xiàn)?；舅悸肥菍l(fā)現(xiàn)矩陣乘法高效算法的問題轉(zhuǎn)換為單人游戲，然后訓練一個基于強化學習的智能體 AlphaTensor 來玩這個游戲，通過對 AlphaTensor進行調(diào)整，專門用以發(fā)現(xiàn)在給定硬件（如 NVIDIA V100 GPU、Google TPU v2）上運行速度快的算法。實驗結(jié)果發(fā)現(xiàn)，這些算法在相同硬件上進行大矩陣相乘的速度比常用算法快了10-20%，表明AlphaTensor在優(yōu)化任意目標方面具備了不錯的靈活性。因此，強化學習成為加速新矩陣乘法算法自動發(fā)現(xiàn)的一種新思路。

從算力需求看，蛋白質(zhì)結(jié)構(gòu)分析、大規(guī)模分子模擬、數(shù)值計算相關應用主要涉及海量數(shù)據(jù)并行計算和大規(guī)模模擬實驗，對算力和存力需求較高，屬于計算密集型和數(shù)據(jù)密集型任務。智算中心所具備的算力服務能力極度契合AI for Science相關場景的算力需求，將成為支撐科研高質(zhì)量、突破式發(fā)展的重要基礎設施。

建設篇

從建設用途來看，智算中心除充分考慮其普惠性、開放性和集約性外，核心是以高質(zhì)量、低成本、高性能的AI算力來支撐產(chǎn)業(yè)創(chuàng)新、城市發(fā)展中的各項智能服務。智算中心建設以總體規(guī)劃、政企協(xié)同、需求牽引為宗旨，聚焦先進的技術(shù)和適配典型場景。同時，以智算中心建設和應用帶動人工智能產(chǎn)業(yè)集群的匯聚，吸引數(shù)字化人才，激發(fā)人工智能產(chǎn)業(yè)的創(chuàng)新活力，推動人工智能產(chǎn)業(yè)和區(qū)域經(jīng)濟的可持續(xù)發(fā)展。

一、建設類型與策略

智算中心建設并非簡單做好基建即可，還需結(jié)合建設基礎、當?shù)鼗騾^(qū)域產(chǎn)業(yè)特色，以差異化算力需求為導向，分類引導施策，優(yōu)化建設方式，改建并行，發(fā)展與數(shù)字經(jīng)濟相適應的智算中心。

（一）建設原則

政府引導，需求牽引。以政府側(cè)和市場側(cè)實際需求為牽引，以高標準建設、可持續(xù)發(fā)展為路徑，改造存量與優(yōu)化增量協(xié)同推進，引導龍頭企業(yè)建設高附加值、產(chǎn)業(yè)鏈帶動效應明顯的重點項目。

開放多元、培育生態(tài)。以開放計算為核心，以多元算力融合為方向，推進智算產(chǎn)業(yè)核心關鍵技術(shù)的研發(fā)標準化、產(chǎn)業(yè)化和應用迭代。加強對智算中心關鍵軟硬件產(chǎn)品的研發(fā)支持和大規(guī)模應用推廣，突破關鍵核心技術(shù)，提升智能算力全產(chǎn)業(yè)鏈自主創(chuàng)新能力。

普適普惠、創(chuàng)新發(fā)展。以融合架構(gòu)計算系統(tǒng)為平臺，以數(shù)據(jù)為資源，以強大的計算力驅(qū)動AI模型對數(shù)據(jù)進行深度加工，使智能算力可以像水電一樣,成為社會基本公共服務,面向城市各領域應用提供高品質(zhì)智算服務。

集約高效、節(jié)能降碳。堅持集約化、規(guī)?；ㄔO方向，加快節(jié)能低碳技術(shù)研發(fā)應用，提升可再生能源利用率，應用節(jié)能新技術(shù)，減少碳排放，推進智算中心綠色、高質(zhì)量發(fā)展。

（二）依據(jù)建設方式分類建設

1.新建智算中心

（1）建設條件

面向京津冀、長三角、粵港澳大灣區(qū)、成渝，以及貴州、內(nèi)蒙古、甘肅、寧夏等全國一體化算力網(wǎng)絡國家樞紐節(jié)點和數(shù)據(jù)中心集群，以及人工智能產(chǎn)業(yè)領域應用場景多元和科教資源豐富的優(yōu)勢地區(qū)，建設智算中心，以智算中心為牽引推動人工智能領域創(chuàng)新要素集聚，打造人工智能產(chǎn)業(yè)生態(tài)圈。新建智算中心作為新型公共算力基礎設施和賦能平臺，應支撐國家和區(qū)域內(nèi)重要需求、科研創(chuàng)新和戰(zhàn)略任務落地，為AI大模型訓練、自動駕駛、生物工程、智能制造、數(shù)字孿生、空間地理等人工智能探索應用提供強大的智能算力服務，通過智能算力服務賦能產(chǎn)業(yè)升級，帶動區(qū)域經(jīng)濟發(fā)展。

（2）建設方式與策略

加快梯次布局，打造一批城市級智算中心。對于產(chǎn)業(yè)智能化發(fā)展需求迫切、人工智能產(chǎn)業(yè)集聚的地區(qū)，可新建圍繞人工智能產(chǎn)業(yè)需求設計、為人工智能提供專門服務的智算中心，按照適度超前原則配置優(yōu)質(zhì)算力資源，提供兼具公有、專用、彈性計算的服務能力，滿足不同應用場景和多類型用戶的需求，面向當?shù)仄髽I(yè)、科研院所等提供科研創(chuàng)新、人才培養(yǎng)、應用孵化、產(chǎn)業(yè)發(fā)展等服務，打造“易用”“好用”的智算中心。

強化普惠智能算力高質(zhì)量供給，降低算力使用門檻，推動智能算力服務與物聯(lián)網(wǎng)和區(qū)塊鏈等技術(shù)融合創(chuàng)新，打造具有地方特色服務本地輻射周邊的智算中心。加強場景賦能，按需建設專業(yè)型智算中心。開展面向性能、價格、效益等多方面的測算，形成應用需求供給和可持續(xù)的長效動力機制，加快重點行業(yè)的智算中心建設，圍繞智能經(jīng)濟、智能社會、科研活動、國家重大活動和重大工程等領域的人工智能創(chuàng)新應用場景，加強供需對接，打造特色場景智算中心，發(fā)揮倍增效應，做大做強形成規(guī)模化應用，帶動人工智能和相關產(chǎn)業(yè)發(fā)展。

2.已建數(shù)據(jù)中心升級

（1）建設條件

面向北京、上海、廣州以及東部經(jīng)濟發(fā)達、人口密度大，對數(shù)據(jù)要素的產(chǎn)生、存儲和處理需求高，但面臨地區(qū)能耗指標緊張、電力成本高、大規(guī)模數(shù)據(jù)中心開發(fā)空間受限等問題的地區(qū)，對已建數(shù)據(jù)中心進行智能化改造，推動傳統(tǒng)數(shù)據(jù)中心向綠色高效、智能集約轉(zhuǎn)型升級。改造升級后的智算中心應優(yōu)先滿足國家及當?shù)卣辗?、重大項目及重點實驗室的熱數(shù)據(jù)處理和匯聚需求，保障城市基本運行和高效治理需求，保障金融、通信、互聯(lián)網(wǎng)等戰(zhàn)略性行業(yè)數(shù)據(jù)匯集和實時響應計算需求，保障科技賦能和產(chǎn)業(yè)創(chuàng)新高性能算力需求。

（2）建設方式與策略

以“以舊換新、增減替代”為原則，對已建存量數(shù)據(jù)中心進行改造升級，加強AI和傳統(tǒng)計算的融合。重點將一些冷數(shù)據(jù)、靜態(tài)備份數(shù)據(jù)為主的存儲類數(shù)據(jù)中心，替換為支撐數(shù)字經(jīng)濟、人工智能、區(qū)塊鏈、工業(yè)互聯(lián)網(wǎng)等前沿產(chǎn)業(yè)發(fā)展的智算中心。適度利用關閉及騰退的其他老舊落后的自用型數(shù)據(jù)中心、存儲型數(shù)據(jù)中心、容災備份中心資源和空間，升級改造為支撐低時延業(yè)務應用，服務智慧城市、車聯(lián)網(wǎng)等重點應用場景落地。

加快傳統(tǒng)數(shù)據(jù)中心節(jié)能低碳技術(shù)研發(fā)推廣，提升資源能源利用效率。智算中心具備高功率密度屬性，在制冷方面具有更高的要求。目前大多數(shù)AI服務器采用的仍是常規(guī)風冷模式，部分超過30kW的數(shù)據(jù)中心采用液冷模式。隨著AI服務器功率密度的提升和使用場景的增多，需要在推動已建老舊小散數(shù)據(jù)中心向規(guī)模化數(shù)據(jù)中心集群或智能化計算中心轉(zhuǎn)型升級基礎上，逐步推廣液冷技術(shù)的應用，促進全產(chǎn)業(yè)鏈綠色低碳有序發(fā)展，助力國民經(jīng)濟各行業(yè)整體實現(xiàn)“碳達峰、碳中和”的輻射帶動作用。

（三）依據(jù)功能定位分類建設

1．產(chǎn)業(yè)合作平臺

（1）建設條件

面向絕大多數(shù)無法承擔自建智算中心和獨立運營費用的企業(yè)，由政府主導，通過統(tǒng)一建設高性能、大規(guī)模的智算中心，并以租賃形式為有需求的企業(yè)提供算力支撐，省去企業(yè)投資建設和運營費用。通過平臺開放接口的方式，鼓勵行業(yè)領軍企業(yè)將開源的算法、開放的數(shù)據(jù)資源及運營服務等創(chuàng)新要素輸送給IT基礎相對薄弱的企業(yè)，進一步降低人工智能使用門檻，助力各行業(yè)智慧化轉(zhuǎn)型升級。

（2）建設方式與策略

借助ICT基礎設施企業(yè)物理設施建設優(yōu)勢，通過承建智算中心，搭建產(chǎn)業(yè)合作平臺，集成最新的人工智能加速芯片和存儲介質(zhì)等，使其成為各新興計算單元進行大規(guī)模融合的重要載體，從需求側(cè)刺激硬件重構(gòu)和軟件定義等融合架構(gòu)技術(shù)創(chuàng)新發(fā)展。通過推進平臺、框架和算法的協(xié)同優(yōu)化，打通人工智能軟硬件產(chǎn)業(yè)鏈，打造人工智能算力技術(shù)和產(chǎn)業(yè)生態(tài)。依托人工智能行業(yè)領域企業(yè)的專精優(yōu)勢，通過成立合資公司等形式參與智算中心建設和運營，借助智算中心平臺擴大自有生態(tài)優(yōu)勢。

2．產(chǎn)業(yè)園區(qū)

（1）建設條件

面向各地方政府以云計算、大數(shù)據(jù)、智慧城市、虛擬現(xiàn)實、人工智能、區(qū)塊鏈等技術(shù)應用為核心發(fā)展方向的頂層規(guī)劃布局，圍繞利用新一代信息技術(shù)對農(nóng)業(yè)、工業(yè)、服務業(yè)進行全方位、全角度、全鏈條的數(shù)字化改造升級需求，通過合力打造面向未來的智算中心、智算產(chǎn)業(yè)促進中心等產(chǎn)業(yè)配套載體，構(gòu)建“產(chǎn)業(yè)+配套、平臺+生態(tài)、數(shù)字+賦能”數(shù)字產(chǎn)業(yè)生態(tài)，吸引相關技術(shù)企業(yè)落戶本地，逐步促進產(chǎn)業(yè)集群規(guī)?；l(fā)展，立足本地，輻射帶動周邊，推動數(shù)字經(jīng)濟高質(zhì)量發(fā)展。

（2）建設方式與策略

根據(jù)城市規(guī)模和產(chǎn)業(yè)發(fā)展定位的需求，以及經(jīng)濟社會發(fā)展等因素，由政府為主導，與企業(yè)開展合作，以智算中心項目為依托，建設配套產(chǎn)業(yè)園區(qū)和人才培養(yǎng)平臺等，分類給予針對性的優(yōu)惠政策，吸引人工智能及其相關領域企業(yè)和人才向智算產(chǎn)業(yè)園區(qū)聚集。針對重點行業(yè)的特色應用開展試點示范，形成一批可推廣的典型應用創(chuàng)新模式。引導有智算需求的企業(yè)積極接入智算中心，使用智算中心服務，加速企業(yè)集聚和數(shù)據(jù)共享。

政府根據(jù)智算中心運營的特點進行規(guī)劃與開發(fā)，并在此基礎上為園區(qū)提供政策支持、稅收優(yōu)惠等，加快應用落地，引領塑造產(chǎn)業(yè)生態(tài)。

二、建設運營模式

為保證智算中心所釋放的經(jīng)濟社會效益最大化，需要選擇合理的建設和運營模式，保證智算中心的公共屬性，實現(xiàn)長效運營，促進有序布局。

（一）主流建設模式

在全國一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系構(gòu)建背景下，地方政府、產(chǎn)業(yè)園區(qū)、企業(yè)等紛紛將智算中心作為培育人工智能產(chǎn)業(yè)生態(tài)、提升數(shù)字經(jīng)濟能級的有力工具，常見的建設模式包括三種。

1．獨立投資建設模式

一是政府獨立投資建設。政府對建設項目進行直接投資和管理，建設資金主要來自地方政府財政資金、專項債券發(fā)行等，建設完成后智算中心所有權(quán)歸政府所有。出于促進產(chǎn)業(yè)發(fā)展、優(yōu)化產(chǎn)業(yè)服務的考慮，不同規(guī)模的產(chǎn)業(yè)園區(qū)日益成為智算中心的投資主體，由園區(qū)管委會出資建設智算中心。

二是企業(yè)獨立投資建設。主要由企業(yè)聯(lián)盟、少數(shù)企業(yè)聯(lián)合、單獨企業(yè)等形式進行投資，旨在服務于特定產(chǎn)業(yè)發(fā)展和特定場景應用。部分負責投資的企業(yè)可以同時作為智算中心的建設方，部分負責投資的企業(yè)需要聯(lián)合專業(yè)化建設企業(yè)進行施工。該模式雖然由企業(yè)出資，但是考慮到智算中心的高投入、對于地方經(jīng)濟發(fā)展的高影響等因素，應緊密配合國家“東數(shù)西算”工程、全國一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系等建設指引。

三是高?；蚩蒲袡C構(gòu)獨立投資建設。主要由高校、科研院所、國家實驗室等進行投資，建設一般以智能計算平臺為主，服務場景相對單一，建設成本比智算中心小。平臺可以向師生、研究人員提供免費的算力支撐，服務于科研教育場景，高校和各類科研機構(gòu)的科研資源疊加智能算力，為基礎研究、前沿科學技術(shù)研究提供支持。

2．由第三方出資的建設模式智算中心建設的第三方一般為國有控股企業(yè)。該模式下，既實現(xiàn)了政府對項目的建設全過程把控和需求的充分對接，還能有效利用相關國有控股公司已有的科技、人力資本、平臺資源、市場等優(yōu)勢。智算中心建成后歸第三方公司所有，可以由政府承諾用其他項目進行補貼或者置換。具體細分為兩類。一種是由地方政府成立新的國有控股公司，專門負責智算中心的建設投資，另一種由地方政府委托或者授權(quán)已有的國有控股公司負責出資。

3．基于特殊項目公司的建設運營（SPV）模式

政府與企業(yè)共同出資成立智算中心建設運營項目公司，雙方在合作框架協(xié)議下按比例出資建設智算中心。政府既可以直接投資參與項目建設，也可以通過國有控股公司、下屬事業(yè)單位等參與項目建設。項目公司需要由政府授權(quán)，按照公司化方式獨立運作，負責設計、融資、建造和運營等，向政府、企業(yè)提供服務或產(chǎn)品并收取費用。該模式優(yōu)勢在于能夠節(jié)約政府部門的項目建設成本，實現(xiàn)建設資金籌集，同時啟用了專業(yè)化建設團隊，項目管理方式靈活多樣，在項目設計、建設和運營中效率較高。

（二）主流運營服務模式

智算中心出現(xiàn)時間尚短，其運營模式極具探索性，可按照運營方、服務類型、服務內(nèi)容三方面分析。

1．運營方選擇

運營主體指具體負責智算中心投入建設使用后的運營服務機構(gòu)。與投資主體相比，智算中心運營主體類型應更加多元，運營模式也更為靈活，各類主體通過積極探索差異化個性化運營服務模式保障智算中心高效穩(wěn)定運行。

一種方式為“投-運”一體化，即由項目投資方出資成立實體運營公司，負責管理算力服務和生態(tài)服務。團隊成員一般包括運營公司自身管理職能部門，算力服務營銷人員、技術(shù)支持工程師等算力建設方人員等組成。

一種方式是“投-建”合作模式，即由投資方和承建方共同成立新公司，專職負責算力的運營和對外服務等。該模式下，可以形成投資方和建設方的運營聯(lián)合，實現(xiàn)運營風險共擔，特別是考慮到智算中心后期維護存在一定的技術(shù)門檻，在此種方式下，可以保證運營的專業(yè)性和高產(chǎn)出。

另一種方式是“建-運”一體化，以承建方主要負責運營。具體由承建方成立運營公司，專職負責算力運營和對外服務。考慮到這種模式下由承建方單獨承擔運營風險，可以由政府給予運營費用補貼，為了約束運營公司經(jīng)營行為，可由政府對運營公司進行算力利用率等指標的考核。運營收入收益可以由運營方和政府部門共享。

2．運營服務類型

隨著人工智能產(chǎn)業(yè)不斷壯大，應用場景的持續(xù)創(chuàng)新，智算中心逐漸走向市場化，服務對象日益多元。一是綜合型。以地方政府建設為主，服務于產(chǎn)業(yè)發(fā)展、科學研究、公共服務等多元場景。該類型一般由地方政府主導建設，有效發(fā)揮了智算中心的公共屬性。

二是服務于產(chǎn)業(yè)發(fā)展。多由產(chǎn)業(yè)園區(qū)或龍頭企業(yè)、企業(yè)聯(lián)盟主導建設，主要服務于園區(qū)及企業(yè)的發(fā)展，為人工智能產(chǎn)業(yè)向更深更廣行業(yè)應用發(fā)展提供算力保障。

三是服務于科學研究。該類型多由高校、科研院所、國家實驗室等承擔建設，以投資較低的智能計算平臺為主，主要是為高校師生、科研人員的科研工作提供算力、算法等支撐。

3．運營服務內(nèi)容

提供數(shù)據(jù)服務。

智算中心作為專門服務于人工智能的數(shù)據(jù)中心，可以為服務購買方提供多元化的數(shù)據(jù)服務，例如數(shù)據(jù)存儲、數(shù)據(jù)清洗、數(shù)據(jù)分析、數(shù)據(jù)查詢、數(shù)據(jù)可視化等。該服務屬于智算中心的基礎性服務。提供算力服務。服務購買方無需關注底層算力芯片和技術(shù)細節(jié)，只需要把計算過程看作“黑箱”，通過選擇業(yè)務場景、算法模型等，獲取服務方案。政府部門、企業(yè)、研究機構(gòu)可以依托智算中心提供的強大算力，驅(qū)動AI模型進行數(shù)據(jù)深度加工，實現(xiàn)AI應用創(chuàng)新。提供算法服務。人工智能以算法作為靈魂，算法同樣是

智算中心的主要服務產(chǎn)品。

隨著技術(shù)的持續(xù)精進和場景的持續(xù)拓展，人工智能的算法日趨復雜，面臨模型訓練成本和技術(shù)門檻“雙高”的問題。在算法服務模式下，有利于購買服務方專注于自身領域的業(yè)務邏輯和數(shù)據(jù)，依托智算中心提供的語音、圖像、自然語言處理、決策等領域的算法能力，創(chuàng)新智慧應用。

提供生態(tài)服務。

通過智算中心對外提供算力、數(shù)據(jù)和算法服務，實現(xiàn)了不同主體的線上匯聚，有利于打造開放、共享的生態(tài)，實現(xiàn)多方融合性、深度化合作探索。同時圍繞購買服務方的共性需求，智算中心的運營主體和技術(shù)團隊可以發(fā)掘研判行業(yè)動態(tài)和用戶需求，提升智算中心的共性支撐能力，引領探索新的業(yè)務場景，構(gòu)筑新的產(chǎn)業(yè)和生產(chǎn)力。

本站僅提供存儲服務，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請點擊舉報。

开心六月综合激情婷婷|欧美精品成人动漫二区|国产中文字幕综合色|亚洲人在线成视频