“芯片”痛点存在于方方面面,如何才能策动AI技术的“第三驾马车”

2022-09-04 11:05:50来源:第一财经

今天,很高兴为大家分享来自第一财经的痛点存在于方方面面,如何才能策动AI技术的“第三驾马车”,如果您对痛点存在于方方面面,如何才能策动AI技术的“第三驾马车”感兴趣,请往下看。

随着算计芯片性价比的提升以及功耗的降低和整体产业的健全,边缘计算智能化的趋势正在显现。

驱动AI发展的技术归结起来可以用“三驾马车”来形容——“数据”、“算法”和“算力”。目前中国在前两架马车方面已经超越美国处于世界领先的地位,然而想要策动“算力”这第三驾马车,用中国国际金融股份有限公司研究执行总经理彭虎的话说,可谓“痛点存在与场景化落地的方方面面”。这亦是本届世界人工智能大会产业应用论坛和核心议题之一。

第三驾马车失衡

从数据生产的体量和算法论文的发表数量上看,目前中国已经超越了美国居于世界第一的地位。策动AI的前两架马车已一骑绝尘,然而在业内人士看来,“算力”这架驱动AI发展的“第三辆”马车表现得却有些不温不火。

根据《中国算力白皮书(2022)》和中国信通院的数据,2021年第四季度,英特尔占据了全球84%的CPU算力芯片市场份额和71%的FPGA算力芯片市场份额,英伟达占据了全球95.7%的GPU算力芯片市场份额。

业界普遍认为在AI算力发展方面存在着标准规范不一致、软件调度能力弱、算力分配不均匀等痛点,分布在场景化落地过程的方方面面。

燧原科技创始人兼COO张亚林告诉记者,标准规范不一致将导致设备在大规模部署时,模块无法以标准的方式部署运维。“这可能会导致设备在可维护性、集成性及运维上出现问题。” 张亚林表示,由于上述问题的存在,硬件调配的时间成本相应增加,数据中心的建设周期通常会因此延长6-9个月,甚至更长的时间,这直接阻碍了算力的可获得性和大规模集群应用的部署。

彭虎表示,资本方面看到的是成本端的急剧上升,这是由经济动能所影响的。他认为互联网经济带来的技术红利,其继承力本身的迭代是有局限的,算力的发展总会遇到一个瓶颈点——芯片。在过去几年时间里面,中国的芯片发展确实遇到了“受制于人”的情况。

根据海关总署公布的数据,2021年中国进口的芯片数量达到了6354.8亿个,花费金额为4326亿美金。目前,中国进口芯片的花费已经超过石油,成为进口额最多的赛道。

“行业的生态垄断制约了算力的发展”已成为业界的共识。腾讯云副总裁许华彬表示,算力的垄断制约了AI的发展,造成了整个生态的封闭,昂贵的进口价格导致很多事情无法切换到AI的维度上。

生态垄断也是目前行业面临的最大的挑战。燧原科技创始人、董事长兼CEO赵立东告诉记者,生态垄断的形成是基于紧耦合的和不开源的软件和硬件架构。

“要打破生态垄断,架构必须创新,而且是原始创新,只有这样才能将技术发展的方向和节奏牢牢的掌握在自己的手里,够构筑企业赖以长期发展的技术的护城河。也只有这样才能真正拥抱开放的生态,让产业得以健康长期的发展。”

AI算力:边缘计算处被给予厚望

算力需求的潮汐效应导致算力分配的不均衡,“东数西算”是一场大规模的算力再均衡过程。在这一过程中,AI算力被寄予厚望。

产业链目前的关注重点和发力重点仍都在云端,但就当下的场景来看,如果算力进一步向云端集中,那么触及半导体支撑以及代工环节资源可获得性的极限是迟早的事。随着算计芯片性价比的提升以及功耗的降低和整体产业的健全,边缘计算智能化的趋势正在显现。

彭虎告诉记者,从结构上来看,CPU算力占据国内通用算力市场的80%,智能算力、AI算力占比约为17%-18%,超算算力占比在2%左右。未来对于智能算力的需求会进一步的发展。在算力均衡的过程中,算力底座是不可或缺的根本出发点,在边缘计算的智能调度上,人工智能技术被业界看好。

英特尔公司高级首席工程师张宇告诉记者,他很认同一个观点,即“东数西算”的内涵绝不是简单字面意义上的“西边建设计算中心,东边的数据拿到西边来算”。他表示,东边靠近数据的地方也要建立一些边缘的算力,工业互联网、自动驾驶等低延时的应用场景需要有设施提供边缘算力的支撑。

“那么我们需要一个智能化的管理平台能够去调度算力,把这些计算分配到最合适的计算的节点,这个计算节点可能是在边缘,也可能是在远端”

浪潮信息AI&HPC产品线副总经理王磊表示,算力未来会成为一种普适化的服务,面向的场景将是相当多元化的,面对如此丰富的应用场景,算力分配将会是未来面临的最大挑战。

AI算力发展:在技术,也不在技术

彭虎举了个例子,“比如自动驾驶,去年上海车展的时候,基本每个车厂都在说他们实现了自动驾驶,但是今年到目前为止发布的新车里支持自动驾驶的型号不超过4个,这个遇冷究竟是什么原因?”

他表示,这一方面可能因为消费者发现产品的经济性没有达到预期,所以车厂不敢投了,而另外一方面,消费者的预期本身也是一个需要引导和培养的过程。而技术对于后者似乎起不到什么推动作用。AI算力发展的关键在技术,也不在技术。

根据IDC、浪潮信息、清华大学全球产业研究院联合编制的《2021-2022全球计算力指数评估报告》,2021年中国企业在人工智能服务器上的支出规模同比大幅增长44.5%,首次超过美国位列全球第一。IDC 预测,预计2025年全球企业在人工智能软件、硬件和服务的总投资将超2,045亿美元,

“未来在这一领域所需要的资本开支对应到的GDP的增加值预计占比会达到36%。目前的问题和挑战在于如何去看待资本开支。这是是非常重要的问题,资本的利用的效率很重要,钱要用在刀刃上。” 彭虎告诉记者,算力的变现能力亦是目前需要思考和探索的。

好了,关于痛点存在于方方面面,如何才能策动AI技术的“第三驾马车”就讲到这。


返回科技金融网首页 >>

版权及免责声明:凡本网所属版权作品,转载时须获得授权并注明来源“科技金融网”,违者本网将保留追究其相关法律责任的权力。凡转载文章,不代表本网观点和立场,如有侵权,请联系我们删除。


相关文章