一百多年前，自激发电机的出现开启了人类的电力时代，但随着技术演进以及电力需求的激增，电机供电的局限性逐渐制约了电力的深度普及。直到1882年，爱迪生在珍珠街建起了第一个中央发电厂，照亮了整个曼哈顿，也揭开了电力时代的新篇章。

一百多年后的今天，人工智能产业正迎来爆炸式发展，作为人工智能产业能源的算力资源，也在应用场景日益复杂化和数据量爆炸式的增长下遭遇瓶颈。

AI算力需求激增， 掀起全球范围算力基础设施竞赛

自1946年第一台计算机诞生以来，算力逐渐成为新的电力，推动人类社会不断从物理世界向数字世界迁移。在此期间，人类对算力的需求不断增长。尤其2012年以后，随着深度学习等算法的突破，AI第一次走进普通人的生活。

一方面，AI的应用场景越来越多，从语音、目标识别，到智慧工厂、智慧城市……乃至战争中的武器。另一方面，AI模型的大小、算法参数也呈几何级增长，鹏城实验室最新发布的“鹏程.盘古”预训练大模型，拥有惊人的2000亿个参数！这样的大模型，以及越来越广泛的应用场景，对AI算力的需求呈现爆炸式的增长。

几年前，谷歌AI负责人杰夫·迪恩（Jeff Dean）曾预言：“我们真正需要的是超过现在100万倍的计算能力，而不仅仅是几十倍的增长。”即便如此大胆的预测，也还是显得太保守。事实上，从2012年到2019年，短短六年间，人类对AI算力的需求增长了30万倍，平均每100天就会翻倍，远超摩尔定律。

与此同时，AI算力的实际增长却有限，需求和供给之间形成一个巨大的鸿沟。

为了填补这个鸿沟，一种新的AI基础设施诞生了，它就是：人工智能计算中心。

在此之前，人类建过许多大型的计算中心。比如，我们熟知的超算中心，集中了一个国家或地区的强算力，主要用于科研。还有阿里、华为等云厂商兴建的云计算中心，基于云平台，向全社会提供大数据的计算、存储等服务。它们虽然也对外提供AI算力，但毕竟不是主业。而人工智能计算中心专为AI打造，主要用于AI模型的开发、训练和推理，能够为全社会提供AI所需的专用算力。

这种新的AI基础设施，自诞生之日起，就成为全球主要AI大国的角力场。比如，美国投资18亿美金，计划在全国打造三个E级超算，其中一个的算力，超过目前全球十大超算的总和。德国早在2018年就推出国家级人工智能战略，并资助一批高校建设人工智能计算中心。中国也先后建成了深圳鹏城云脑和武汉人工智能计算中心，还有多个城市已开工或者正在筹建人工智能计算中心。

在政府主导下，许多头部企业也纷纷下场。谷歌自研AI专用的TPU芯片，并通过云平台对外输出AI云服务。微软也宣布，斥资10亿美元，构建一个AI计算平台。在中国，阿里投入重金，建立超大规模机器学习平台。而华为，更是鹏城云脑和武汉人工智能计算中心背后的建设主力军。

蓬勃发展的AI产业，无限放大了全社会对算力的需求。为了迈过这道鸿沟，全世界以政府主导、头部企业参建的模式，正掀起一场AI算力的军备竞赛。

“一中心四平台”，人工智能计算中心是AI产业发展的最佳路径

在人工智能计算中心出现前，人们是如何解决AI算力问题的呢？

除了超算中心和云计算中心“兼职”外，更多靠企业自建。例如，谷歌早期就用GPU来加速。后来，为了训练AlphaGo，开发了TPU芯片。但像谷歌这样财大气粗的企业，毕竟是少数。更多的企业，缺乏足够的资金来搭建自己的AI算力。勉强搭起来，算力也有限。而且不同企业的算力，还分散在全国，各自为政。以这样的算力，很难训练出大模型，更别提GPT-3这种超级大模型。而后者，是推动AI技术不断进步、产业不断发展的关键。

未来，AI产业要想大发展，亟需降低算力门槛。而在各地集中建设AI基础设施，也就是人工智能计算中心，不失为一个好的解决方案，可以有效降低AI的算力成本，一改过去AI算力分散的局面。

在地方政府的产业政策引导下，通过集中建设，这种AI基础设施可将算力普惠地输出给全社会，包括企业、科研机构和高校。

过去，训练一个大模型，动辄上千万美元。如今，企业和开发者，可按需租用算力，花小钱办大事，极大地降低了门槛，加速了AI创新。这一点，对于AI产业的繁荣，极为关键。

就像电厂一样，人工智能计算中心首先是一个公共算力服务平台。

但，光有算力还不够。电厂之所以是社会经济的发动机，背后是一个生态，包括上下游产业链、设备厂商和终端用户，等等。因此，人工智能计算中心除了是一个算力服务平台，还是一个AI产业聚集发展平台，能够聚合AI产业链上的各类公司，包括算法公司、数据处理公司、行业集成公司等，形成完整的产业闭环，促进和推动AI产业集群发展。

此外，它还是一个应用创新孵化平台，通过开发者AI创新，与本地优势产业（如制造、医疗、交通、智能电动车等）相结合，让技术转化为产业价值，带动当地产业智能化升级。以武汉为例，库柏特的智能机器人在武汉人工智能计算中心的支持下，通过视觉处理算法创新，其机械臂每次抓取药盒的拍照时间，从过去200毫秒缩短至50毫秒！武汉市政府计划，到2023年孵化60个以上类似的AI深度应用场景，形成AI应用示范项目超过100个。

人工智能计算中心也是一个科研创新和人才培养平台，为将来储备技术和人才。目前，经教育部批准设立AI本科专业的高校已达200余所。有了人工智能计算中心，这些院校可联合行业龙头企业，基于前者充沛的算力，开展技术研发和关键人才的培养。在深圳，鹏城实验室就依托“鹏城云脑Ⅱ”，聚集了31位院士和2000多名科研人员，使得深圳一跃成为国内AI人才高地。

今天的中国，正在打造国家新一代人工智能创新发展试验区。

人工智能计算中心通过“1个中心+4个平台”，形成一个完整的算力生态，彻底打通了“产”“学”“研”“用”全产业链，满足了国家和地方对人工智能产业发展的需求。从这个意义上讲，人工智能计算中心是我国发展人工智能产业的最佳路径。

未来，小到手机、人脸识别，大到无人驾驶、工业机器人……人工智能计算中心将为全社会的智能化，提供源源不断廉价充沛的AI算力，从而托起中国经济的明天。

培育人工智能根技术，夯实我国AI基础设施底座

先行一步的武汉和深圳，已经看到了这种希望。

在武汉，华为助力打造的人工智能计算中心，AI峰值性能可达100PFlops（1P相当于每秒1000万次浮点运算）。在深圳，基于华为Atlas 900集群的“鹏城云脑Ⅱ”可提供世界顶级算力，在最新一期IO500榜单中位居榜首，其全系统输入输出性能得分是排名第二的近20倍。武汉和深圳之外，包括成都在内，全国20多个城市也在积极筹建人工智能计算中心。充沛的算力，给当地乃至全国经济注入了强劲的动力。

从深圳到武汉，再到已开工的成都，中国在兴建人工智能计算中心的路上，再次展现了“基建狂魔”的本色。但同时，我们也要清醒地看到，在这个事关未来的AI基础设施建设上，我们还存在短板。

过去十年，中国在目标识别等AI应用上，领先于世界。可当我们向上捅破天，低下头来建人工智能计算中心时才发现：与西方先进水平相比，自己在AI根技术上还有不小的差距。

电厂的核心是发电机组，人工智能计算中心的核心是芯片。

过去，无论超算还是云计算中心，多采用CPU+GPU组合。如今，人工智能计算中心加入了FPGA、NPU等异架构处理器，以多样化算力，加速AI计算。

NPU是一种AI专用芯片，可在电路层模拟人类的神经元和突触。与传统芯片相比，AI算力有数十上百倍的提升。

下图对比了CPU、GPU和TPU（谷歌开发的NPU）的数据处理方式。

NPU的这种大吞吐量，对于需要数据清洗、模型生成、训练和推理的AI计算来讲，优势尤其明显。美国排名第二的打车软件Lyft，自从用了谷歌Cloud TPU，也就是云上AI算力后，以前几天才能干完的活，现在几小时就搞定了。但无论CPU、GPU，还是NPU，国内企业在这些底层芯片上的积累，还比较薄弱。CPU、GPU几乎被英特尔、AMD和英伟达三家公司垄断。NPU相对好一些，华为有昇腾系列，寒武纪也开发了思元系列。

而这，还只是硬件问题。

软件方面，人工智能计算中心是一个算力多样化的平台，如何将众多异架构芯片放在一起还能相互兼容，需要统一的编程框架。当年，英伟达为了将图形处理芯片GPU用在通用计算上，开发了CUDA。如今，华为为了提高开发效率，设计了异构计算架构CANN。

算法是AI的核心。

全世界每天都在产生新的算法和模型，开发者不需要从头学习，但他们需要一个统一的AI算法平台和框架。

目前，全球大多数开发者都选择了谷歌的TensorFlow和Facebook的Pytorch。国内企业最初在这个领域一片空白，后来才有了华为的MindSpore和百度的飞桨，但在开发者人数上，与对手还有不小的差距。有了芯片，有了编程平台和AI框架，再往上，就到了AI应用软件开发平台。在这一层上，国内企业实力不俗，阿里有PAI，华为有ModelArts，百度有AI Studio。开发者们在这些平台上，最终做出赋能千行百业的APP。

AI根技术是AI的基石，只有根深，才能叶茂，才能从底层释放出充沛的算力，支撑起整个顶层应用的全面繁荣。

这种从底层算力释放，到顶层应用使能的AI全栈能力，可以用下图一栏全貌：

从图上可知，谷歌无疑是AI能力强也最全面的科技公司之一。在国内，拥有类似能力的企业屈指可数，华为算是一家。

作为引领新一轮科技革命和产业变革的战略性技术，人工智能无疑已成为全球大国角力的主战场，并在很大程度上决定着一个国家或地区未来的命运。在我国，人工智能早已上升到国家战略，并在十四五规划中被正式列为前沿科技领域的高优先级。

道阻且艰，行则将至。各城市人工智能计算中心的陆续落成，无疑让我们向发展为人工智能领域的世界领导者目标又迈出一大步。未来，可期！