人工智能公司当然是有“硬科技”的(2)

01算力的黄金时代才刚刚开始

我们常说当今世界正经历百年未有之大变局，体现在数字经济上，就是以数字技术核心驱动力的新一轮科技革命和产业变革正深刻影响着经济增长路径和生产力发展方向。这是一个值得重视的现象和深入研究的命题，前些日子任正非就曾指出：大算力时代已经到来，我们正在转弯，我们要理解并参与到这个时代的改变。

过去这些年，国内的算力产业发展速度非常快，且与当前的数字化发展基本保持一致。根据中国信通院院长余晓辉给出的一组数据，近5年中国算力产业规模平均增速超过30%；无独有偶，根据此前OpenAI发布的一项研究表明，AI训练中使用的计算能力每3到4个月就会翻一番。只不过，人们没有料到的是，芯片的算力会有到达极限的一天，也没有想到芯片算力极限会来得这么快。

此前麻省理工学院的研究人员就曾发出过算力警告——深度学习正在逼近计算极限，这也是当下算力产业的痛点所在，即产业下游对AI算法和应用场景的需求愈发多样，给上游软件设计和芯片硬件架构的协同提出了挑战。通俗的讲，算力是智能时代的新生产力，这点毋庸置疑，但问题出现在对“生产力”的利用率维度上，因为大家不知道的是，算力有多重要，它就有多昂贵。

早在1961年，算力被定义之初，美国约翰·麦卡锡教授就曾提出过算力应该像水、电资源一样随用随取的设想，类似于当今的云计算，把算力进行基础设施化，但遗憾的是，时至今日，这个设想依旧面临着很多核心技术挑战。举个简单的例子，眼下的很多AI芯片核心是利用乘加计算阵列来实现卷积神经网络中最主要的卷积运算的加速，但MAC阵列的大量运算会造成功耗的增加，所以如何达到优异的性能功耗比一直是AI芯片研发的关键目标。

但这并不是没有解法的，国内一些AI玩家也尝试给出自己的解题思路，甚至在某些方面走在了国际前面。以SenseCore商汤AI大装置为例，它是商汤前瞻性打造的新型人工智能基础设施，它以商汤AIDC（新型人工智能算力中心）为基座，将深度学习平台和模型层有机整合，让算力能被更好的解耦、利用的同时，也实现了批量的算法模型生产、部署和迭代升级。

换句话说，大算力的问题不仅仅是技术问题，也是成本问题。业界曾有人作过一个比较形象的比喻：如果把GPU比作是大巴车，AI的计算任务就相当于旅游团，在传统的算力分配模式中，无论计算量大还是小，都会占用一个硬件单元，就像小团体出游，却包了整个大巴，这无疑是一种资源浪费。