2023-2024人工智能計(jì)算力發(fā)展評(píng)估報(bào)告

20232024人工智能計(jì)算力發(fā)展評(píng) 估 報(bào) 第一章人工智能發(fā)展邁入新階段 04全球：生成式人工智能興起，產(chǎn)業(yè)步入關(guān)鍵轉(zhuǎn)折點(diǎn) 05中國：人工智能產(chǎn)業(yè)加速創(chuàng)新，機(jī)遇與挑戰(zhàn)并存 10第二章人工智能算力及應(yīng)用 14芯片：滿足多場景高質(zhì)量應(yīng)用需求 15服務(wù)器：高算力和高能效受到持續(xù)關(guān)注 16算法和模型：加速模型迭代以探索行業(yè)實(shí)踐 19AI軟件基礎(chǔ)設(shè)施：加速大模型的應(yīng)用落地 20邊緣智能：以廣泛的部署推進(jìn)智能的延伸 22綠色算力：基于液冷服務(wù)器構(gòu)建可持續(xù)發(fā)展數(shù)據(jù)中心 23人工智能算力服務(wù)和云：根據(jù)算力需求優(yōu)化服務(wù)模式 25應(yīng)用：企業(yè)積極投入以滿足大模型時(shí)代的應(yīng)用需求 26第三章中國人工智能計(jì)算力發(fā)展評(píng)估 34行業(yè)排名 35地域排名 39第四章行動(dòng)建議 44對(duì)行業(yè)用戶的建議 45對(duì)技術(shù)供應(yīng)商的建議 46IDC2023年是人工智能發(fā)展的重要轉(zhuǎn)折年，企業(yè)正加速從業(yè)務(wù)數(shù)字化邁向業(yè)務(wù)智能化。大模型的突破和生成式人工智能的興起為企業(yè)實(shí)現(xiàn)產(chǎn)品/流程的革新提供先進(jìn)生產(chǎn)工具，引領(lǐng)企業(yè)和產(chǎn)業(yè)邁入智能創(chuàng)新的新階段。對(duì)于企業(yè)人而言，其將不再局限于思考“如何在產(chǎn)品/流程中增加IDC大模型和生成式人工智能的發(fā)展將引發(fā)計(jì)算范式之變、產(chǎn)業(yè)動(dòng)量之變，以及算力服務(wù)格局之變。未來幾年，構(gòu)建和調(diào)優(yōu)生成式人工智能基礎(chǔ)模型以滿足應(yīng)用需求，將為整個(gè)基礎(chǔ)設(shè)施市場帶來改變和發(fā)展機(jī)遇。從計(jì)算范式角度而言，人工智能算力基礎(chǔ)設(shè)施將持續(xù)向高性能、高互聯(lián)等方向演進(jìn)以更高的計(jì)算能力和鏈接速度加速實(shí)現(xiàn)大規(guī)模參數(shù)和數(shù)據(jù)集的訓(xùn)練和調(diào)優(yōu)；不斷提升算力泛在性，推進(jìn)人工智能在云-邊-端的覆蓋，滿足無處不在的智能化需求；通過優(yōu)化計(jì)算架構(gòu)、算法和軟件棧，支持多元異構(gòu)算力的協(xié)同，構(gòu)建軟硬件生態(tài)，加速計(jì)算技術(shù)的發(fā)展和創(chuàng)新。從產(chǎn)業(yè)動(dòng)量角度而言，基礎(chǔ)模型技術(shù)的突破為人工智能產(chǎn)業(yè)的發(fā)展增加活力，催生新的玩家和投資機(jī)會(huì)，基礎(chǔ)模型的持續(xù)迭代、調(diào)優(yōu)、場景適配和部署、落地等對(duì)基礎(chǔ)設(shè)施層、模型層、平臺(tái)層和應(yīng)用層提出新的需求，帶來新的服務(wù)模式，降低人工智能技術(shù)的應(yīng)用門檻，通過微調(diào)等方法實(shí)現(xiàn)與下游任務(wù)的適配，加速人工智能基礎(chǔ)設(shè)施軟件的開發(fā)、部署和應(yīng)用，為用戶和行業(yè)提供更多創(chuàng)新應(yīng)用。從算力服務(wù)角度而言，傳統(tǒng)算力資源虛擬化共享復(fù)用的機(jī)制難以滿足大模型時(shí)代企業(yè)對(duì)于集群式的高性能算力需求，生成式人工智能將加速企業(yè)更多地使用人工智能就緒的數(shù)據(jù)中心設(shè)施和人工智能服務(wù)器群，供應(yīng)商需要具備提供定制化的、優(yōu)化的基礎(chǔ)設(shè)施服務(wù)能力，滿足單個(gè)用戶對(duì)訓(xùn)練和推理資源的獨(dú)占式、大規(guī)模、長時(shí)間使用的訴求，并縮短部署時(shí)間、提高對(duì)數(shù)據(jù)和輸出的控制，滿足應(yīng)用場景的需求，幫助企業(yè)實(shí)現(xiàn)成本優(yōu)化。從感知智能到生成式智能，人工智能算力需求快速增長。大模型和生成式人工智能的發(fā)展顯著拉動(dòng)了人工智能服務(wù)器市場的增長。IDC預(yù)計(jì)，全球人工智能硬件市場（服務(wù)器）規(guī)模將從2022年的195億美元增長到2026年的347億美元，五年年復(fù)合增長率達(dá)1.3%；在中國，預(yù)計(jì)2023年中國人工智能服務(wù)器市場規(guī)模將達(dá)到91億美元，同比增長82.5%，2027年將達(dá)到134億美元，五年年復(fù)合增長率達(dá)21.8%。從算力規(guī)模而言，預(yù)計(jì)到2027年通用算力規(guī)模將達(dá)到117.3EFLOPS，智能算力規(guī)模達(dá)1117.4EFLOPS；2022-2027年期間，預(yù)計(jì)中國智能算力規(guī)模年復(fù)合增長率達(dá)33.9%，同期通用算力規(guī)模年復(fù)合增長率為16.6%。中國市場對(duì)智能算力供給能力的衡量標(biāo)準(zhǔn)將加速演變，未來應(yīng)用為導(dǎo)向、系統(tǒng)設(shè)計(jì)為核心將是算力升級(jí)的主要路徑。中國市場對(duì)于算力供給能力的評(píng)估指標(biāo)將從硬件性能向應(yīng)用效果轉(zhuǎn)變，企業(yè)在獲得算力服務(wù)的過程中，會(huì)增加對(duì)于諸如單位時(shí)間可處理Token數(shù)量、可靠性、時(shí)延、訓(xùn)練時(shí)間和資金成本、數(shù)據(jù)集質(zhì)量等指標(biāo)的關(guān)注。技術(shù)提供商需要以應(yīng)用為導(dǎo)向，系統(tǒng)為核心，構(gòu)建算力基礎(chǔ)設(shè)施，提高算力利用率，提升諸如卡間互聯(lián)、多節(jié)點(diǎn)間互聯(lián)等水平，通過靈活可擴(kuò)展的集群滿足市場的需求。中國應(yīng)持續(xù)提升基礎(chǔ)大模型研發(fā)能力，通過逐步完善的人工智能工程化工具，加速應(yīng)用落地。目前，受政策支持、算力水平提升、數(shù)據(jù)資源龐大以及科研實(shí)力增強(qiáng)等利好因素的推動(dòng)，中國在基礎(chǔ)大模型方面取得一定成績，但仍需加大在基礎(chǔ)性技術(shù)方面的原創(chuàng)性突破，夯實(shí)底層模型和算法能力。在實(shí)踐中，企業(yè)需要根據(jù)具體的任務(wù)和模型設(shè)計(jì)來決定參數(shù)量的大小，技術(shù)提供商需要從硬件、軟件、算法、數(shù)據(jù)服務(wù)等多個(gè)維度入手，結(jié)合行業(yè)特點(diǎn)進(jìn)行框架、模型、數(shù)據(jù)的垂直整合，提升大模型的準(zhǔn)確性和可用性?；谝豪浞?wù)器構(gòu)建綠色數(shù)據(jù)中心，推進(jìn)人工智能算力可持續(xù)發(fā)展。人工智能算力的不斷提升加速對(duì)能耗問題的關(guān)注。從數(shù)據(jù)中心機(jī)柜功耗上來說，傳統(tǒng)數(shù)據(jù)中心每機(jī)架功耗一般在3-10kW之間，而每臺(tái)GPU服務(wù)器的功率可高達(dá)50kW，對(duì)于數(shù)據(jù)中心操作員和規(guī)劃人員來說，需要依據(jù)計(jì)算需求對(duì)資源進(jìn)行合理規(guī)劃和分配，積極探索采用液冷等先進(jìn)冷卻方法，滿足實(shí)現(xiàn)可持續(xù)發(fā)展提出的要求。IDC預(yù)計(jì)，2022-2027年，中國液冷服務(wù)器市場年復(fù)合增長率將達(dá)到54.7%，2027年市場規(guī)模將達(dá)到89億美元。目前，中國的人工智能技術(shù)正加速邁入全面應(yīng)用時(shí)代。人工智能領(lǐng)域持續(xù)追求對(duì)技術(shù)的創(chuàng)新及增進(jìn)，注重類人化和諸如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)的推進(jìn)，以更好地處理現(xiàn)實(shí)生產(chǎn)、生活場景中的復(fù)雜問題。大模型和生成式人工智能的落地，也給各行業(yè)帶來新的賦能。IDC認(rèn)為，知識(shí)管理、對(duì)話式應(yīng)用、銷售和營銷、代碼生成等是企業(yè)應(yīng)用生成式人工智能的主要領(lǐng)域；在特定業(yè)務(wù)部門或職能部門（營銷、銷售、采購等），生產(chǎn)力場景和垂直行業(yè)場景也有廣泛的應(yīng)用價(jià)值。未來，伴隨特定領(lǐng)域行業(yè)大模型、多模態(tài)大模型、小樣本學(xué)習(xí)、語音識(shí)別、計(jì)算機(jī)視覺等技術(shù)的突破，生成式人工智能的功能將實(shí)現(xiàn)持續(xù)進(jìn)步，為企業(yè)帶來新的能力。人工智能加速實(shí)現(xiàn)在行業(yè)和城市的滲透。2023年，人工智能行業(yè)應(yīng)用滲透度排名前五的行業(yè)依次為互聯(lián)網(wǎng)、電信、政府、金融和制造?；ヂ?lián)網(wǎng)行業(yè)依舊是人工智能技術(shù)應(yīng)用和研發(fā)的主力軍；在電信行業(yè)，云上人工智能能力的加速發(fā)展，進(jìn)一步優(yōu)化服務(wù)，支持電信網(wǎng)絡(luò)的優(yōu)化和智能化建設(shè)。在城市人工智能算力排行中，北京、杭州、深圳依然穩(wěn)居城市排名前三位；其中，北京在大模型領(lǐng)域表現(xiàn)突出，聚集了大批大模型企業(yè)，推出諸多具有代表性的大模型及應(yīng)用產(chǎn)品。此外，中國其他地區(qū)依然保持著對(duì)人工智能產(chǎn)業(yè)的熱忱，正持續(xù)加大在相關(guān)領(lǐng)域的投資，不斷推進(jìn)人工智能產(chǎn)業(yè)的發(fā)展。04第一章人工智能發(fā)展邁入新階段全球：生成式人工智能興起，產(chǎn)業(yè)步入關(guān)鍵轉(zhuǎn)折點(diǎn)中國：人工智能產(chǎn)業(yè)加速創(chuàng)新，機(jī)遇與挑戰(zhàn)并存圖1人工智能機(jī)器學(xué)習(xí)圖1人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)生成式人工智能自動(dòng)語音識(shí)別/自然語言處理35.0%30.0%25.0%20.0%15.0%10.0%5.0%0.0%全球 29.3% 29.3% 25.3%15.3%行業(yè)通用AI場景行業(yè)垂直AI場景0.9%我們還什么ChatGPT文生圖 都沒有做文生視頻文生文行業(yè)AI應(yīng)用場景我們正在梳理應(yīng)用場景，但還沒有在技術(shù)或模型構(gòu)建上進(jìn)行投資我們正在進(jìn)行一些模型初步測試和概念驗(yàn)證，但還沒有確定支出計(jì)劃大模型我們已經(jīng)在生成式人工智能方面進(jìn)行了大量資金投入，在訓(xùn)練和應(yīng)用大模型方面制定了支出計(jì)劃不清楚來源：IDC，2023生成式人工智能興起，產(chǎn)業(yè)步入關(guān)鍵轉(zhuǎn)折點(diǎn)生成式人工智能和大模型將加速世界向智能化時(shí)代的邁進(jìn)2023年，人工智能實(shí)現(xiàn)了破圈式的發(fā)展。人工智能聊天機(jī)器人ChatGT、AI編程工具GitHubCil和圖像生成系統(tǒng)bleDi?usin（eI工具產(chǎn)品的出現(xiàn)，為文本創(chuàng)建、圖像生成、代碼生成以及研發(fā)流程等工作帶來全新的智能體驗(yàn)，極大提升生產(chǎn)力，提高生產(chǎn)水平。生成式人工智能應(yīng)用的出現(xiàn)離不開大模型的支持。大模型是基于海量參數(shù)進(jìn)行自監(jiān)督學(xué)習(xí)的預(yù)訓(xùn)練模型，憑借更強(qiáng)的學(xué)習(xí)能力、更高的精準(zhǔn)度以生成式人工智能和大模型將加速世界向智能化時(shí)代的邁進(jìn)世界正在加速向智能化創(chuàng)新邁進(jìn)。大模型及生成式人工智能的發(fā)展意味著人工智能正在從完成如圖像識(shí)別、語音識(shí)別等特定任務(wù)，邁向擬人類智能水平，具備自主學(xué)習(xí)、判斷和創(chuàng)造等能力。對(duì)于企業(yè)人而言，其將不再局限于思考“如何在產(chǎn)品/流程中增加智能化能力”，而需要更多關(guān)注“如何使用人工智能實(shí)現(xiàn)產(chǎn)品/流程的革新”?；诤Ａ繑?shù)據(jù)訓(xùn)練和模型調(diào)優(yōu)，人工智能大模型具有更精準(zhǔn)的執(zhí)行能力和更強(qiáng)大的場景可遷移性，為人工智能在諸如元宇宙、城市治理、醫(yī)療健康、科學(xué)研究等綜合復(fù)雜性場景中的廣泛應(yīng)用，提供更好的方案。IDC開始展開相關(guān)實(shí)踐行動(dòng)，探索適用的落地場景；2023年，超過四分之一的企業(yè)已經(jīng)對(duì)生成式人工智能技術(shù)進(jìn)行了大量資金投入。圖2生成式人工智能最具價(jià)值應(yīng)用場景全球圖2生成式人工智能最具價(jià)值應(yīng)用場景全球北美地區(qū)（NA）歐洲、中東和非洲地區(qū)（EMEA）亞太地區(qū)（AP）知識(shí)管理對(duì)話式應(yīng)用設(shè)計(jì)代碼生成銷售和營銷0.0%10.0%20.0%30.0%40.0%50.0%60.0%來源：IDC，2023第一章｜人工智能發(fā)展邁入新階段 06從應(yīng)用場景來看，IDC認(rèn)為，知識(shí)管理、對(duì)話式應(yīng)用、銷售和營銷、代碼生成等是全球企業(yè)應(yīng)用生成式人工智能的主要場景。其中，知識(shí)管理有望成為最有應(yīng)用價(jià)值的生成人工智能用例，通過人工智能手段，企業(yè)可實(shí)現(xiàn)對(duì)文本、圖像和視頻等知識(shí)內(nèi)容的高效分析和管理，降低勞動(dòng)密集型投入。目前，各國都在加強(qiáng)對(duì)大模型和生成式人工智能的布局和支持，以推動(dòng)人工智能技術(shù)的快速發(fā)展和應(yīng)用：美國持續(xù)推進(jìn)各界在人工智能領(lǐng)域的快速發(fā)展，鼓勵(lì)企業(yè)及科研機(jī)構(gòu)積極創(chuàng)新，形成以科技巨頭為引領(lǐng)的發(fā)展格局。通過推動(dòng)基礎(chǔ)研究和應(yīng)用研究的發(fā)展，美國在基礎(chǔ)大模型研發(fā)和生成式人工智能應(yīng)用方面建立起優(yōu)勢，打造了現(xiàn)象級(jí)生成式人工智能產(chǎn)品，并將生成式人工智能技術(shù)廣泛應(yīng)用于行業(yè)領(lǐng)域和業(yè)務(wù)場景。2023年，白宮更新發(fā)布了《國家人工智能研發(fā)戰(zhàn)略計(jì)劃》，鼓勵(lì)在控制安全風(fēng)險(xiǎn)的前提下，持續(xù)探索創(chuàng)新人工智能應(yīng)用，促進(jìn)研發(fā)投資，鼓勵(lì)人才培養(yǎng)和產(chǎn)業(yè)合作。歐洲地區(qū)受到石油和天然氣價(jià)格上漲、高通貨膨脹、人員和技能短缺，以及供應(yīng)鏈中斷等因素影響，更重視技術(shù)對(duì)降本增效的積極推動(dòng)作用，因而對(duì)智能化技術(shù)的關(guān)注較高。但歐洲地區(qū)整體對(duì)人工智能尤其是生成式人工智能在安全、隱私等方面的顧慮較多，故當(dāng)前優(yōu)先推動(dòng)相關(guān)領(lǐng)域法律法規(guī)的建設(shè)和實(shí)施。2023年，歐盟批準(zhǔn)《人工智能法案》，對(duì)涉及大量數(shù)據(jù)訓(xùn)練的人工智能系統(tǒng)提出了透明度和風(fēng)險(xiǎn)評(píng)估要求；歐盟還加強(qiáng)對(duì)人工第一章｜人工智能發(fā)展邁入新階段07第一章｜人工智能發(fā)展邁入新階段07在亞太地區(qū)，中國、印度、新加坡、韓國、日本等國家積極制定國家人工智能戰(zhàn)略，推進(jìn)各項(xiàng)超大型生成式人工智能相關(guān)方案的落地。韓國政府重視人工智能基礎(chǔ)設(shè)施和環(huán)境的發(fā)展，推動(dòng)人工智能在各個(gè)領(lǐng)域的應(yīng)用；日本政府通過加大投入和政策支持，推動(dòng)生在中國，政府加大了對(duì)生成式人工智能研究的支持力度，企業(yè)和科研機(jī)構(gòu)也加速推動(dòng)生成式人工智能的研究和應(yīng)用，加速研究人工智能與實(shí)體經(jīng)濟(jì)、社會(huì)治理、民生服務(wù)等領(lǐng)域深度融合，促進(jìn)技術(shù)的廣泛應(yīng)用和產(chǎn)業(yè)化發(fā)展；中國人工智能的發(fā)展在東南亞部分國家也逐步形成溢出效應(yīng)，帶動(dòng)該地域相應(yīng)產(chǎn)業(yè)的發(fā)展。生成式人工智能和大模型將引發(fā)計(jì)算范式之變、產(chǎn)業(yè)動(dòng)量之變、算力服務(wù)格局之變生成式人工智能和大模型將引發(fā)計(jì)算范式之變、產(chǎn)業(yè)動(dòng)量之變、算力服務(wù)格局之變高計(jì)算性能：市場對(duì)于更高性能的高端協(xié)處理器服務(wù)器，尤其是GPU服務(wù)器的需求將進(jìn)一步提升，以滿足大量高算力計(jì)算任務(wù)需求；高互聯(lián)：生成式人工智能工作負(fù)載也對(duì)連接人工智能服務(wù)器集群的網(wǎng)絡(luò)結(jié)構(gòu)提出更高的要求，推動(dòng)網(wǎng)絡(luò)架構(gòu)的變革，以更好實(shí)現(xiàn)快速互聯(lián)，加速模型的訓(xùn)練、調(diào)優(yōu)和推理；算力泛在性：人工智能算力還應(yīng)提升其覆蓋規(guī)模，以支持智能在終端、邊緣、數(shù)據(jù)中心等位置的廣覆蓋，實(shí)現(xiàn)生成式人工智能推理能力在邊緣、終端等位置的部署和應(yīng)用；多元化：應(yīng)用場景多樣性、硬件性能瓶頸、降低成本和提高能效需求等因素促使底層基礎(chǔ)設(shè)施呈現(xiàn)多元化發(fā)展趨勢，加強(qiáng)系統(tǒng)接口、互聯(lián)協(xié)議、管理規(guī)范等方面的開放兼容顯得很有必要。通過優(yōu)化軟件和硬件的協(xié)同，構(gòu)建軟硬件生態(tài)，方能加速計(jì)算技術(shù)的發(fā)展和創(chuàng)新。產(chǎn)業(yè)動(dòng)量之變：當(dāng)前的模型市場中存在各式各樣的模型類型，覆蓋語言、圖像、音頻、音樂、代碼、視頻、3D、生物分子結(jié)構(gòu)和行業(yè)特定模型等諸多領(lǐng)域，形成開源與專有模型并存的局面，這為企業(yè)的業(yè)務(wù)智能化發(fā)展提供基石：在創(chuàng)作相關(guān)的產(chǎn)業(yè)，大模型可重構(gòu)工作方式，為創(chuàng)作方式提供諸多可能性，可自動(dòng)生成文本、語音、視頻等內(nèi)容，還能激發(fā)創(chuàng)作靈感，節(jié)省時(shí)間和精力，提高創(chuàng)作效率；在自動(dòng)駕駛領(lǐng)域，大模型可以輔助汽車和機(jī)器人更好地理解環(huán)境，做出智能決策；在零售領(lǐng)域，大模型可以從歷史數(shù)據(jù)中學(xué)習(xí)用戶的興趣，提供定制推薦服務(wù)；在醫(yī)療領(lǐng)域，大模型可以通過對(duì)大量藥物化合物進(jìn)行分子模擬和預(yù)測，加速藥物研發(fā)過程；在金融領(lǐng)域，大模型可以幫助金融機(jī)構(gòu)更有效地進(jìn)行風(fēng)險(xiǎn)評(píng)估和欺詐檢測?；A(chǔ)模型的發(fā)展正在成為促進(jìn)整個(gè)人工智能產(chǎn)業(yè)保持活力的重要驅(qū)動(dòng)因素。以模型為核心的變革性技術(shù)將帶來豐富的市場機(jī)會(huì)，算力和數(shù)據(jù)支持、訓(xùn)練和調(diào)優(yōu)、部署和應(yīng)用等需求將促進(jìn)人工智能產(chǎn)業(yè)的迅速發(fā)展。算法、應(yīng)用、服務(wù)等諸多產(chǎn)業(yè)變量將成為創(chuàng)新的加速器，在算力生態(tài)鏈上的各個(gè)環(huán)節(jié)（包含基礎(chǔ)設(shè)施層、模型層、人工智能平臺(tái)層、人工智能應(yīng)用層和服務(wù)層）催生出新的玩家、初創(chuàng)企業(yè)和投資機(jī)會(huì)：第一章｜人工智能發(fā)展邁入新階段08第一章｜人工智能發(fā)展邁入新階段08基礎(chǔ)設(shè)施層：龐大且多樣的市場應(yīng)用將向算力供給提出更分化的需求，從芯片、互聯(lián)技術(shù)、存儲(chǔ)到基礎(chǔ)設(shè)施軟件，均需實(shí)現(xiàn)與市場需求的匹配，以滿足不同應(yīng)用場景、部署環(huán)境以及成本和性能的要求；模型層和平臺(tái)層：從基礎(chǔ)大模型的研發(fā)、訓(xùn)練和調(diào)優(yōu)，到行業(yè)化、場景化落地，各個(gè)環(huán)節(jié)都會(huì)創(chuàng)造出新的玩家和新的商業(yè)機(jī)會(huì)，通過將算力、模型、框架、基礎(chǔ)設(shè)施軟件平臺(tái)等諸多能力調(diào)優(yōu)，為行業(yè)需求提供匹配的解決方案，并在大模型賦能下，通過微調(diào)（Finetuning）等方法實(shí)現(xiàn)與下游任務(wù)的適配，在滿足諸如“數(shù)據(jù)不出域”等行業(yè)特殊要求的前提下，落地大模型能力；應(yīng)用層：目前產(chǎn)品和服務(wù)以覆蓋客戶關(guān)系管理、知識(shí)管理、語音合成、生產(chǎn)力工具、圖像設(shè)計(jì)、寫作等領(lǐng)域?yàn)橹?，未來新玩家將持續(xù)入場，不斷拓展生成式人工智能應(yīng)用場景，面向金融、醫(yī)療、交通、科研、制造、自動(dòng)駕駛等垂直領(lǐng)域提供更優(yōu)的數(shù)據(jù)處理、訓(xùn)練和推理解決方案，以實(shí)現(xiàn)跨領(lǐng)域、智能化、個(gè)性化、可持續(xù)化的發(fā)展。產(chǎn)業(yè)鏈間的不同參與者通過合作和創(chuàng)新，可共同推動(dòng)大模型技術(shù)的發(fā)展和應(yīng)用，促進(jìn)整個(gè)產(chǎn)業(yè)生態(tài)的繁榮和發(fā)展。圖3生成式人工智能生態(tài)價(jià)值鏈圖譜咨詢與技術(shù)服務(wù)IT和業(yè)務(wù)咨詢應(yīng)用層生成式人工智能原生應(yīng)用程序軟件開發(fā)、部署和應(yīng)用以人工智能為中心和非人工智能為中心的應(yīng)用程序的軟件開發(fā)、部署和應(yīng)用咨詢與技術(shù)服務(wù)IT和業(yè)務(wù)咨詢應(yīng)用層生成式人工智能原生應(yīng)用程序軟件開發(fā)、部署和應(yīng)用以人工智能為中心和非人工智能為中心的應(yīng)用程序的軟件開發(fā)、部署和應(yīng)用平臺(tái)層人工智能基礎(chǔ)設(shè)施軟件（機(jī)器學(xué)習(xí)生命周期管理，第三方工具管理等）開發(fā)、部署和應(yīng)用模型層基礎(chǔ)大模型的開發(fā)和訓(xùn)練行業(yè)/場景大模型（行業(yè)與領(lǐng)域?qū)倌Ｐ停┑恼{(diào)優(yōu)和應(yīng)用基礎(chǔ)設(shè)施層人工智能基礎(chǔ)設(shè)施硬件（芯片、存儲(chǔ)、網(wǎng)絡(luò)、服務(wù)器等）來源：IDC，2023第一章｜人工智能發(fā)展邁入新階段 09算力服務(wù)之變：生成式人工智能有望重構(gòu)算力服務(wù)模式和市場格局。鑒于基礎(chǔ)大模型的本地訓(xùn)練成本不菲，企業(yè)將更多地使用人工智能就緒的數(shù)據(jù)中心設(shè)施和生成式人工智能服務(wù)器集群，從而縮短部署時(shí)間，降低設(shè)施的長期投資成本。為算力服務(wù)市場帶來新機(jī)會(huì)的同時(shí)，由于企業(yè)業(yè)所需的算力服務(wù)質(zhì)量和模式將會(huì)在大模型時(shí)代發(fā)生改變，也將為算力服務(wù)供應(yīng)商帶來新的挑戰(zhàn)：從基礎(chǔ)設(shè)施層面來說，傳統(tǒng)計(jì)算基礎(chǔ)設(shè)施難以滿足大模型時(shí)代對(duì)于算力、存儲(chǔ)和網(wǎng)絡(luò)的高性能需求，因此算力服務(wù)商需要從芯片、處理器、存儲(chǔ)、網(wǎng)絡(luò)、數(shù)據(jù)庫、云原生架構(gòu)等維度，對(duì)算力基礎(chǔ)設(shè)施進(jìn)行全面升級(jí)，滿足用戶在超大加速環(huán)境中對(duì)快速擴(kuò)展的需求，提供可用、易用、高效的資源供給服務(wù)；其次，人工智能算力需求會(huì)改變基礎(chǔ)架構(gòu)的算力調(diào)度和組合的方式。傳統(tǒng)算力資源虛擬化共享復(fù)用的機(jī)制難以滿足企業(yè)在大模型時(shí)代對(duì)于高性能集群式的算力的需求。在算力服務(wù)交付的過程中，供應(yīng)商需要能夠提供定制化的基礎(chǔ)設(shè)施服務(wù)能力，滿足單個(gè)用戶對(duì)訓(xùn)練和推理資源的獨(dú)占式、大規(guī)模、長時(shí)間使用的訴求，同時(shí)幫助用戶實(shí)現(xiàn)成本控制；算力服務(wù)商有必要基于軟件棧提高模型訓(xùn)練效率，提高硬件利用率。除了硬件資源的提供，算力服務(wù)商還可基于用戶需求對(duì)算法進(jìn)行優(yōu)化和改進(jìn)，提高算法效率和準(zhǔn)確性，通過“模型即服務(wù)”的方式，降低使用人工智能技術(shù)的門檻和成本，促進(jìn)部署和應(yīng)用。總之，市場對(duì)于算力服務(wù)需求的改變，將對(duì)算力服務(wù)商的商業(yè)模式和管理模式提出全新要求，生成式人工智能有望重構(gòu)算力服務(wù)市場格局。在這個(gè)過程中，將會(huì)涌現(xiàn)更符合市場需求的算力供給方式，幫助企業(yè)應(yīng)對(duì)算力需求，基于共享的基礎(chǔ)設(shè)施，優(yōu)化服務(wù)器利用率，獲得更高的能效優(yōu)勢。第一章｜人工智能發(fā)展邁入新階段PAGE10第一章｜人工智能發(fā)展邁入新階段PAGE10圖5中國企業(yè)對(duì)生成式人工智能的態(tài)度您認(rèn)為采用生成式人工智能給企業(yè)帶來何種價(jià)值？圖5中國企業(yè)對(duì)生成式人工智能的態(tài)度您認(rèn)為采用生成式人工智能給企業(yè)帶來何種價(jià)值？加速企業(yè)決策，減少重復(fù)勞動(dòng)提升員工效率，提高價(jià)值轉(zhuǎn)化62.0%工作流整合，方便使用多個(gè)應(yīng)用程序，加速故障排除優(yōu)化用戶體驗(yàn)優(yōu)化員工工作體驗(yàn)56.0%54.0%50.0%為員工創(chuàng)造定制化提升36.來源：IDC，20230%圖433%33%中國34%■來源：IDC，2023人工智能產(chǎn)業(yè)加速創(chuàng)新，機(jī)遇與挑戰(zhàn)并存從企業(yè)角度而言，中國企業(yè)對(duì)生成式人工智能的接受度普遍較高。據(jù)IDC調(diào)研，67%的中國企業(yè)已經(jīng)開始探索生成式人工智能在企業(yè)內(nèi)的應(yīng)用機(jī)會(huì)或已經(jīng)開始進(jìn)行相關(guān)資金投入。據(jù)調(diào)研，中國企業(yè)尤其認(rèn)可生成式人工智能在加速?zèng)Q策、提高效率、優(yōu)化用戶和員工體驗(yàn)等維度帶來的價(jià)值，并將在未來三年持續(xù)提高投入力度，超過七成企業(yè)增幅達(dá)到20%-40%；但與此同時(shí)，企業(yè)需要直面計(jì)算、存儲(chǔ)等資源短缺、行業(yè)大模型可用性待提升以及投入成本高等問題帶來的壓力。您認(rèn)為貴公司在部署生成式AI應(yīng)用的時(shí)候有哪些挑戰(zhàn)?您認(rèn)為貴公司在部署生成式AI應(yīng)用的時(shí)候有哪些挑戰(zhàn)?缺乏相應(yīng)計(jì)算/存儲(chǔ)資源數(shù)據(jù)隱私保護(hù)高成本投入43.0%缺乏高質(zhì)量可用數(shù)據(jù)39.0%存在技術(shù)壁壘，缺乏相應(yīng)人才缺乏對(duì)生成式用例的了解0.0%10.0%20.0%30.0%40.0%50.0%60.0%未來3年，貴公司在生成式AI的投入增幅是多少？投資增加10%-20%投資增加20%-30%投資增加30%-40%投資增加40%-50%投資增加50%-60%0.0%5.0%10.0%15.0% 20.0%25.0%30.0%35.0%40.0%來源：IDC，2023從技術(shù)廠商角度而言，目前，國內(nèi)諸多互聯(lián)網(wǎng)巨頭、科技企業(yè)及研究機(jī)構(gòu)紛紛宣布在生成式人工智能的領(lǐng)域進(jìn)行產(chǎn)業(yè)布局，國產(chǎn)大模型進(jìn)入集中發(fā)布期，已拉開“百模大戰(zhàn)”的序幕，通用類大模型（含語言類、視覺類和多模態(tài)大模型等）、任務(wù)大模型（含代碼生成和生命科學(xué)等）以及行業(yè)大模型持續(xù)拓展應(yīng)用領(lǐng)域，深化場景落地，不斷探索商業(yè)價(jià)值，解決科研難題，助力產(chǎn)業(yè)升級(jí)。據(jù)公開信息，截至2023年10月，中國累計(jì)發(fā)布兩百余個(gè)大模型，發(fā)布地主要集中在北京，其中以科研院所和互聯(lián)網(wǎng)企業(yè)為開發(fā)主力軍。隨著新算法、新應(yīng)用的提出，人工智能產(chǎn)業(yè)生態(tài)呈現(xiàn)出高度活力，豐富的應(yīng)用場景和潛在行業(yè)用例，將對(duì)大模型迭代和調(diào)優(yōu)、行業(yè)和場景適配以及應(yīng)用軟件功能設(shè)計(jì)提出新的需求。當(dāng)下中國大模型技術(shù)已經(jīng)在自然語言處理、機(jī)器視覺和多模態(tài)等領(lǐng)域具備高度活力；面向未來，中國應(yīng)持續(xù)關(guān)注基礎(chǔ)大模型等基礎(chǔ)性技術(shù)的原創(chuàng)性突破，以獲得國際競爭力?？梢灶A(yù)測，大模型應(yīng)用將帶來諸多產(chǎn)業(yè)化變革，因此，夯實(shí)底層模型和算法能力，對(duì)未來人工智能原生應(yīng)用的質(zhì)量和生態(tài)競爭力將起到?jīng)Q定性作用。從政策角度而言，中國人工智能相關(guān)法規(guī)體系的完善與技術(shù)發(fā)展保持同頻，政府將持續(xù)加強(qiáng)監(jiān)督，疏導(dǎo)市場健康成長。2023年7月，中華人民共和國國家互聯(lián)網(wǎng)信息辦公室通過了《生2023815蓬勃發(fā)展生成式人工智能對(duì)中國人工智能服務(wù)器市場的發(fā)展帶來了明顯的拉動(dòng)作用。豐富的應(yīng)用場景和對(duì)技術(shù)創(chuàng)新迭代的熱忱，讓中國市場對(duì)于人工智能服務(wù)器的關(guān)注度和需求量均明顯增長。蓬勃發(fā)展為評(píng)估中國算力規(guī)模發(fā)展現(xiàn)狀和趨勢，本報(bào)告基于《IDC中國加速計(jì)算服務(wù)器半年度市場跟蹤報(bào)告》及智能加速卡半精度（FP16）相當(dāng)運(yùn)算能力數(shù)據(jù)，測算了中國智能算力規(guī)模。結(jié)果顯示，2022年中國智能算力規(guī)模達(dá)259.9每秒百億億次浮點(diǎn)運(yùn)算（EFLOPS），2023年將達(dá)到4141EFO，預(yù)計(jì)到2027年將達(dá)到111.4EFO。此外，本報(bào)告基于《IDC中國服務(wù)器市場季度跟蹤報(bào)告》及CPU雙精度（FP64）運(yùn)算能力數(shù)據(jù)，測算了中國通用算力規(guī)模。2022年54.5EFLOPS，預(yù)計(jì)到2027年通用算力規(guī)模將達(dá)到EFLOPS。202233.9%，同期通用算力規(guī)模年復(fù)合增長率為16.6%。EFLOPS1200.0

圖7中國智能算力規(guī)模及預(yù)測，2020-2027智能算力（基于FP16計(jì)算）

1117.4

155.275.0

259.9

812.5616.6616.6圖6中國通用算力規(guī)模及預(yù)測，2020-2027（基于FP64計(jì)算）140.0120.0100.086.180.071.860.059.354.540.039.6圖6中國通用算力規(guī)模及預(yù)測，2020-2027（基于FP64計(jì)算）140.0120.0100.086.180.071.860.059.354.540.039.620.00.020202021202220232024202520262027來源：IDC，2023101.2來源：IDC，2023在中國，政府積極加大投資和支持，推動(dòng)人工智能技術(shù)和應(yīng)用的發(fā)展。在此背景下，算力基礎(chǔ)設(shè)施建設(shè)成為一個(gè)重要環(huán)節(jié)，被納入國家新基建范疇。在適度超前的指導(dǎo)思想下，國家正加大對(duì)人工智能算力基礎(chǔ)設(shè)施的投資。目前，互聯(lián)網(wǎng)企業(yè)、電信運(yùn)營商，以及各級(jí)政府均積極投入到智算中心的建設(shè)之中。據(jù)不完全統(tǒng)計(jì)，截至2023年8月，全國已有超過30個(gè)城市建設(shè)智算中心，總建設(shè)規(guī)模超過200億。與此同時(shí)，人工智能、尤其是生成式人工智能，對(duì)能源消耗提出了更高要求，這讓綠色節(jié)能成為先進(jìn)技術(shù)落地的重要關(guān)注點(diǎn)。模型訓(xùn)練或人工智能應(yīng)用程序開發(fā)以及應(yīng)用階段，即文本/聊天、圖像或視頻大量生成階段，都會(huì)消耗大量能量，產(chǎn)生大量熱量。從數(shù)據(jù)中心機(jī)柜功耗上來說，GPU服務(wù)器每臺(tái)機(jī)架的功率可高達(dá)50kW，這將與傳統(tǒng)數(shù)據(jù)中心每機(jī)架7kW功耗的行業(yè)平均水平形成鮮明對(duì)比。數(shù)據(jù)中心原有供電網(wǎng)絡(luò)需要升級(jí)改造，以匹配生成式人工智能對(duì)基礎(chǔ)設(shè)施的需求。14第二章第二章｜人工智能算力及應(yīng)用 15第二章｜人工智能算力及應(yīng)用PAGE16第二章｜人工智能算力及應(yīng)用PAGE16在中國，芯片市場機(jī)遇與挑戰(zhàn)并存。算力需求的提升給本土芯片廠商的發(fā)展提供了較大的空間，帶來新的機(jī)遇。IDC預(yù)計(jì)，2023年中國人工智能芯片出貨量將達(dá)到133.5萬片，同比增長22.5%。持續(xù)升級(jí)：大模型發(fā)展等利好因素為中國人工智能芯片企業(yè)提供了良好的發(fā)展機(jī)遇，推動(dòng)其在芯片設(shè)計(jì)、算法優(yōu)化、生產(chǎn)制造等方面不斷升級(jí)，加速創(chuàng)新研發(fā)，持續(xù)提升產(chǎn)品性能進(jìn)步。多元細(xì)分：人工智能大模型應(yīng)用呈多樣化趨勢發(fā)展，這就需要不同類型的芯片滿足場景需求，除了CPU、GPU等傳統(tǒng)的計(jì)算芯片外，國內(nèi)芯片市場也在向更細(xì)分、更專業(yè)化的方向發(fā)展。政策支持：中國政府出臺(tái)了一系列措施，鼓勵(lì)和支持人工智能芯片研發(fā)和產(chǎn)業(yè)發(fā)展，包括資金支持、稅收優(yōu)惠、科研機(jī)構(gòu)合作、人才激勵(lì)等。各地區(qū)可根據(jù)自身需求和特點(diǎn)采取措施。這些政策措施為芯片產(chǎn)業(yè)的發(fā)展提供了良好的環(huán)境和條件，將有效促進(jìn)中國人工智能芯片產(chǎn)業(yè)的快速發(fā)展，提升競爭力。但與此同時(shí)，中國芯片產(chǎn)業(yè)發(fā)展也面臨著一些挑戰(zhàn)，其中以技術(shù)突破、人才培養(yǎng)、知識(shí)產(chǎn)權(quán)保護(hù)等是方面的問題尤為突出。以封裝技術(shù)為例，3D封裝等技術(shù)的出現(xiàn)意味著高端芯片賽道上的競爭無須再僅圍繞摩爾定律下的晶體管工藝能力展開，而是可以從新的角度切入，達(dá)成電路密度提升的目標(biāo)，進(jìn)而實(shí)現(xiàn)性能的升級(jí)，封裝工藝突破正在成為中國芯片制造的新課題；此外，芯片產(chǎn)業(yè)發(fā)展不僅依賴硬件能力，還需要構(gòu)建與硬件匹配的軟件生態(tài)，包括操作系統(tǒng)、中間件和工具鏈等，當(dāng)下諸多本土芯片技術(shù)儲(chǔ)備和生態(tài)能力仍圍繞小模型時(shí)代的識(shí)別式人工智能展開，難以匹配大模型和生成式人工智能發(fā)展所需的軟件生態(tài)、模型框架、性能需求，因此本土人工智能芯片仍需在發(fā)展、繼承和競爭中成長。未來，中國人工智能芯片產(chǎn)業(yè)需要進(jìn)一步加強(qiáng)技術(shù)研發(fā)和創(chuàng)新，加強(qiáng)生態(tài)體系建設(shè)，培養(yǎng)更多高素質(zhì)高技術(shù)的人才，加2高算力和高能效受到持續(xù)關(guān)注從感知智能到生成式智能，人工智能算力需求快速增長。IDC認(rèn)為，生成式人工智能和大模型發(fā)展正在能成為人工智能算力市場發(fā)展的加速器。從感知智能到生成式智能，人工智能越來越需要依賴“強(qiáng)算法、高算力、大數(shù)據(jù)”的支持。模型的大小、訓(xùn)練所需的參數(shù)量等因素將直接影響智能涌現(xiàn)的質(zhì)量，人工智能模型需要的準(zhǔn)確性越高，訓(xùn)練該模型所需的計(jì)算力就越高。以ChatGPT模型為例，公開數(shù)據(jù)顯示，其所使用的GPT-3大模型所需訓(xùn)練參數(shù)量為1750億，算力消耗為3640PF-days（即每秒運(yùn)算一千萬億次，運(yùn)行3640天），需要至少1萬片GPU提供支撐。據(jù)統(tǒng)計(jì)，當(dāng)模型參數(shù)擴(kuò)大十倍，算力投入將超過十倍，模型架構(gòu)、優(yōu)化效率、并行處理能力以及算力硬件能力等因素均會(huì)影響具體增加的倍數(shù)。表1表1來源：公開資料，浪潮信息，2023圖9全球人工智能服務(wù)器市場規(guī)模預(yù)測（含生成式人工智能和非生成式人工智能服務(wù)器），2022-2026（$M）G-AI■OtherAI$40,000$35,000$30,000$25,000$20,000$15,000$10,000$5,000來源：IDC，2023模型名稱BERT-LargeGPT-2GPT-3T-5MT-NLGPaLMPaLM-2Switch-TransformerChinchillaLLaMA源1.0參數(shù)量3億15億1750億110億5300億5400億3400億1.6萬億700億650億2450億算力當(dāng)量2.4PD87PD3640PD26PD9900PD29000PD85000PD46PD6795PD6330PD4095PD由于大模型對(duì)計(jì)算能力和數(shù)據(jù)的高需求，其所需要的服務(wù)器設(shè)施將在人工智能基礎(chǔ)設(shè)施市場中占據(jù)越來越大的份額。IDC預(yù)計(jì)，全球人工智能硬件市場（服務(wù)器），將從2022年的195億美元增長到2026年的347億美元，五年年復(fù)合增長率達(dá)1.3%；其中，用于運(yùn)行生成式人工智能的服務(wù)器市場規(guī)模在整體人工智能服務(wù)器市場的占比將從2023年的增長至2026年的。$23,674$23,590$23,152$21,818$18,684$819$10,988$8,203$5,466$2,94620222023202420252026目前，中國的人工智能服務(wù)器發(fā)展取得了快速且顯著的進(jìn)展。由于人工智能是國家發(fā)展戰(zhàn)略的重要部分，在當(dāng)前數(shù)字經(jīng)濟(jì)的時(shí)代背景之下，服務(wù)器已經(jīng)延伸到多個(gè)應(yīng)用領(lǐng)域；人工智能服務(wù)器作為快速發(fā)展的新興領(lǐng)域，市場規(guī)模也在不斷增長。與此同時(shí)，國家相關(guān)部門陸續(xù)出臺(tái)支持行業(yè)發(fā)展的相關(guān)文件。例如，2023年2月，中共中央、國務(wù)院印發(fā)《數(shù)字中國建設(shè)整體布局規(guī)劃》，提到系統(tǒng)優(yōu)化算力基礎(chǔ)設(shè)施布局，以促進(jìn)東西部算力高效互補(bǔ)和協(xié)同聯(lián)動(dòng)，引導(dǎo)通用數(shù)據(jù)中心、超算中心、智能計(jì)算中心、邊緣數(shù)據(jù)中心等合理梯次布局，在政策層面為人工智能服務(wù)器需求量的增長提供保障。來源：IDC，2023圖102022-2027來源：IDC，2023圖102022-2027金額：百萬美元16,000 14,000 12,00010,0008,0006,0004,0002,00002022 2023 2024 2025 2026 2027來源：IDC，2023圖11中國人工智能服務(wù)器工作負(fù)載預(yù)測，2022-2027訓(xùn)練推理100%90%80%70%60%50%40%30%20%10%0%202220232024202520262027第二章｜人工智能算力及應(yīng)用 18從需求側(cè)來說，在國內(nèi)數(shù)字基礎(chǔ)建設(shè)不斷加快的帶動(dòng)下，人工智能服務(wù)器行業(yè)也保持快速增長。各大相關(guān)企業(yè)相繼進(jìn)行布局，加之中國人工智能應(yīng)用場景的逐步落地，對(duì)算力的需求量快速增長，人工智能服務(wù)器在服務(wù)器整體市場中的比重越來越高。同時(shí)，中國的企業(yè)和研究機(jī)構(gòu)積極進(jìn)行人工智能服務(wù)器的技術(shù)研發(fā)和創(chuàng)新。這包括高性能的處理器、大容量的內(nèi)存、高速的存儲(chǔ)器和高效的冷卻系統(tǒng)等領(lǐng)域的創(chuàng)新，以滿足對(duì)計(jì)算能力和數(shù)據(jù)處理速度的需求。IDC預(yù)測，未來市場需求量也將會(huì)實(shí)現(xiàn)大幅度上升，預(yù)計(jì)2023年，中國人工智能服務(wù)器市場規(guī)模將達(dá)91億美元，同比增長82.5%，2027年將達(dá)到134億美元，五年年復(fù)合增長率為21.8%。隨著生成式人工智能任務(wù)的不斷增加，市場對(duì)于高性能和高能效的人工智能服務(wù)器需求將持續(xù)增長。未來的人工智能服務(wù)器將注重提高計(jì)算能力和處理效率，以適應(yīng)更復(fù)雜、更大規(guī)模的人工智能應(yīng)用。從工作負(fù)載來看，2023年，大模型的興起推動(dòng)了訓(xùn)練服務(wù)器的增長速度。IDC數(shù)據(jù)顯示，在中國，2023上半年訓(xùn)練工作負(fù)載的服務(wù)器占比達(dá)到49.4%，預(yù)計(jì)全年的占比將達(dá)到58.7%。隨著訓(xùn)練模型的完善與成熟，模型和應(yīng)用產(chǎn)品逐步進(jìn)入投產(chǎn)模式，處理推理工作負(fù)載的人工智能服務(wù)器占比將隨之攀升。IDC預(yù)計(jì)，到2027年，用于推理的工作負(fù)載將達(dá)到72.6%。58.4%41.3%67.7%68.8%70.5%72.6%58.7%41.6%32.3%31.2%29.5%27.4%第二章｜人工智能算力及應(yīng)用 19法和模型：型迭代以探索行業(yè)實(shí)踐伴隨模型參數(shù)不斷擴(kuò)大，智能涌現(xiàn)將為人工智能發(fā)展產(chǎn)生深遠(yuǎn)影響。當(dāng)前，人工智能大模型處于高速發(fā)展階段，Open-AI、谷歌、Meta、微軟等在技術(shù)實(shí)力、資金、人才基礎(chǔ)等方面具有優(yōu)勢的大型科技企業(yè)正推動(dòng)大模型的發(fā)展，千億乃至萬億級(jí)參數(shù)量加速智能涌現(xiàn)。在這個(gè)過程中，我們發(fā)現(xiàn)：大語言模型成為人工智能突破的核心之一。大語言模型的出現(xiàn)使得人工智能在自然語言處理領(lǐng)域取得了顯著的進(jìn)展，目前已經(jīng)在翻譯文本、生成文章、回答問題、生成對(duì)話等任務(wù)場景下具備優(yōu)質(zhì)的性能和表現(xiàn)。國內(nèi)人工智能大語言模型目前主要聚焦基礎(chǔ)大模型訓(xùn)練，眾多企業(yè)和機(jī)構(gòu)也在不斷嘗試各種不同技術(shù)路線的大語言模型。但單純依賴通用大語言大模型無法為創(chuàng)新企業(yè)提供持續(xù)的競爭力，垂直領(lǐng)域的數(shù)據(jù)、面向場景的模型優(yōu)化、工程化的解決方案，才是將人工智能落地、建立競爭優(yōu)勢的關(guān)鍵。大模型技術(shù)發(fā)展推動(dòng)多模態(tài)模型不斷升級(jí)迭代。伴隨深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)等多種技術(shù)的發(fā)展，多模態(tài)大模型正在成為人工智能領(lǐng)域的發(fā)展趨勢之一。多模態(tài)大模型能夠?qū)崿F(xiàn)圖像、文本、語音等模態(tài)之間的統(tǒng)一表示和相互生成，具有廣泛的應(yīng)用范圍，覆蓋自然語言處理、圖 、多媒體處理等諸多領(lǐng)域，諸如GPT-4等多模態(tài)大模型，可以在很多專業(yè)領(lǐng)域表現(xiàn)出類人類的水準(zhǔn)，實(shí)現(xiàn)了突破性發(fā)展。未來，基于技術(shù)的不斷突破，多模態(tài)將持續(xù)拓展各行業(yè)場景下的融合應(yīng)用。我們看到，頭部廠商持續(xù)布局多模態(tài)大模型領(lǐng)域，在注重模型整體通用性的同時(shí)，也在不斷提升子領(lǐng)域的優(yōu)化體驗(yàn)和技術(shù)升級(jí)。大模型可通過自主學(xué)習(xí)和改進(jìn)，不斷刷新任務(wù)完成的質(zhì)量。參數(shù)越多，模型可以學(xué)習(xí)到的特征和模式也會(huì)更多，但是，智能涌現(xiàn)不僅只與參數(shù)量有關(guān)，還受到模型設(shè)計(jì)、數(shù)據(jù)集選擇、訓(xùn)練方法、模型架構(gòu)、任務(wù)類型和計(jì)算資源等多重因素的影響。因此，在實(shí)踐中，企業(yè)需要根據(jù)具體的任務(wù)和模型設(shè)計(jì)來決定參數(shù)量的大小，算力服務(wù)商需要從硬件、軟件和算法等多個(gè)維度提供全面服務(wù)，共同提升大模型的準(zhǔn)確性和可用性。以Me ed框架例，Megatron是基于Transformer開發(fā)的、采用混合精度訓(xùn)練的模 節(jié)點(diǎn)練，通過與DeepSpeed深度學(xué)習(xí)加速優(yōu)化庫結(jié)合，創(chuàng)建了一個(gè)支持?jǐn)?shù)據(jù)并行（D行（TP）和流水線并行（PP）的3D并行系統(tǒng)，這使得千億級(jí)參數(shù)量以上的大規(guī)模語言模型的分布式訓(xùn)練變得更簡單、高效和有效。持續(xù)提升人工智能框架技術(shù)的易用性和靈活性，加速人工智能在多元化應(yīng)用場景的落地。工智能所面對(duì)的下游行業(yè)紛繁復(fù)雜，應(yīng)用場景多種多樣，需求千差萬別。定制化的開發(fā)模式造成項(xiàng)目開發(fā)成本高，開發(fā)周期長，難以適應(yīng)變化。大模型通常具有更強(qiáng)的泛化能力，可在一定程度上解決模型定制的問題。預(yù)訓(xùn)練大模型正成為人工智能產(chǎn)業(yè)發(fā)展的重要選擇，即：基于海量行業(yè)數(shù)據(jù)和知識(shí)，通過強(qiáng)大算力集群，預(yù)先訓(xùn)練基礎(chǔ)模型，并結(jié)合應(yīng)用場景的數(shù)據(jù)和各類需求，通過“預(yù)訓(xùn)練大模型+任務(wù)微調(diào)”的方式，進(jìn)行更高效率的“工業(yè)化”開發(fā)。在實(shí)現(xiàn)軟硬件協(xié)同優(yōu)化、分布式計(jì)算以及云邊端全場景部署等目標(biāo)過程中，市場也對(duì)人工智能框架技術(shù)提出更高的要求。第二章｜人工智能算力及應(yīng)用 20此外，開源框架技術(shù)作為人工智能領(lǐng)域的操作系統(tǒng)，具有核心地位。人工智能開發(fā)者對(duì)于開源框架的依賴度非常高，尤其關(guān)注框架技術(shù)的易用性、穩(wěn)定性、靈活性和可擴(kuò)展性。開源框架雖然可以簡化模型的構(gòu)建，但要實(shí)施一個(gè)大型人工智能應(yīng)用，不僅需要開源框架能力，還需要對(duì)數(shù)據(jù)采集、整理、模型訓(xùn)練，以及訓(xùn)練后的模型調(diào)優(yōu)、迭代，乃至云邊協(xié)同等一系列環(huán)節(jié)進(jìn)行投入。當(dāng)大模型在小算力設(shè)備上運(yùn)行時(shí)，還需要將模型進(jìn)行壓縮，諸如此類的應(yīng)用需求需要一整套工具來支持，這將促進(jìn)具有一定壁壘性的開發(fā)工具鏈的打造。這意味著，開發(fā)者或用戶在使用某一開發(fā)工具落實(shí)大模型項(xiàng)目時(shí)，就會(huì)更傾向于使用配套的框架技術(shù)。從長期上來看，這將促成框架技術(shù)的生態(tài)化發(fā)展，市場玩家將會(huì)越來越聚焦，其他技術(shù)產(chǎn)品的市場占有率會(huì)越來越少。目前，全球來說，TensorFlow具有廣泛應(yīng)用基礎(chǔ)市場接受度持續(xù)上升，在產(chǎn)業(yè)界生產(chǎn)環(huán)境中繼續(xù)呈現(xiàn)出后來者居上的競爭態(tài)勢；在中國，主流的深度學(xué)習(xí)框架以百度飛槳等為代表，在學(xué)術(shù)界和工業(yè)界有較高的認(rèn)知度和應(yīng)用性。人工智能持續(xù)發(fā)展離不開底層服務(wù)支撐和軟件平臺(tái)優(yōu)化。越來越多的行業(yè)用戶關(guān)注到框架或者平臺(tái)產(chǎn)品中的大模型能力，但在通往應(yīng)用和大規(guī)模落地過程中，還需不斷面對(duì)算力、數(shù)據(jù)、效果、成本等多維度帶來的挑戰(zhàn)。需要充足的算力資源：大模型技術(shù)創(chuàng)新和應(yīng)用需要基于海量數(shù)據(jù)集，在擁有成百上千加速卡的人工智能服務(wù)器集群上對(duì)千億級(jí)參數(shù)人工智能大模型進(jìn)行分布式訓(xùn)練，這對(duì)算力資源的規(guī)模提出了極高的要求。算力不足意味著無法處理龐大的模型和數(shù)據(jù)量，因此無法有效支撐高質(zhì)量的大模型技術(shù)創(chuàng)新。需要高效的算力供給：相比普通的人工智能訓(xùn)練，大模型的訓(xùn)練技術(shù)考慮的問題更加復(fù)雜，對(duì)于基礎(chǔ)設(shè)施的要求也更高。大模型訓(xùn)練在帶來海量的算力需求的同時(shí)，還需要在算力平臺(tái)設(shè)計(jì)上考慮到一個(gè)問題——龐大的算力節(jié)點(diǎn)規(guī)模將帶來算力使用效率的衰減。大規(guī)模人工智能計(jì)算集群上的訓(xùn)練算力效率會(huì)直接影響到模型訓(xùn)練時(shí)長以及算力消耗成本。因此，如何發(fā)揮大模型算力平臺(tái)效能、抑制性能損耗，對(duì)于提升生成式人工智能研發(fā)創(chuàng)新效率至關(guān)重要。需要優(yōu)質(zhì)的數(shù)據(jù)服務(wù)：優(yōu)質(zhì)數(shù)據(jù)集是訓(xùn)練高質(zhì)量模型的關(guān)鍵，面對(duì)海量的數(shù)據(jù)規(guī)模，在大模型預(yù)訓(xùn)練階段如能做到精準(zhǔn)、高效的數(shù)據(jù)清洗、集成、變換和規(guī)約，將大大提高數(shù)據(jù)質(zhì)量，減少噪音和錯(cuò)誤數(shù)據(jù)的影響，從而有效提升算法的準(zhǔn)確性和泛化能力。而數(shù)據(jù)標(biāo)注是耗時(shí)耗力的工作，中小型人工智能企業(yè)或需要垂直模型的企業(yè)可能缺乏相應(yīng)的人力、物力和時(shí)間。即使項(xiàng)目開始落地，由于生產(chǎn)過程中現(xiàn)場數(shù)據(jù)質(zhì)量參差不齊，開發(fā)人員能力高低不一，數(shù)據(jù)處理質(zhì)量會(huì)受到影響；此外，一旦項(xiàng)目運(yùn)維過程中應(yīng)用環(huán)境稍有改變，數(shù)據(jù)標(biāo)注和模型訓(xùn)練工作就需要重做。隨著大模型從基礎(chǔ)研發(fā)走向應(yīng)用落地，人工智能軟件基礎(chǔ)設(shè)施的重要性和價(jià)值進(jìn)一步凸顯。大模型 0到1”的技術(shù)統(tǒng)一，而大模型在通往“從1到100”的應(yīng)用和大規(guī)模落地過程中，還需不斷面對(duì)算力、數(shù)據(jù)、效果、成本等多維度帶來的挑戰(zhàn)，標(biāo)準(zhǔn)化的全棧基礎(chǔ)軟件和工作流是支撐大模型基礎(chǔ)研發(fā)和應(yīng)用落地的核心環(huán)節(jié)。第二章｜人工智能算力及應(yīng)用 21提供全棧全流程支持：人工智能軟件基礎(chǔ)設(shè)施是算力和應(yīng)用之間的中間層軟件基礎(chǔ)設(shè)施，包含系統(tǒng)環(huán)境部署、算力調(diào)度保障和模型開發(fā)管理等多個(gè)層次，覆蓋了數(shù)據(jù)準(zhǔn)備、訓(xùn)練、模型部署、產(chǎn)品整合等諸多環(huán)節(jié)。通過構(gòu)建系統(tǒng)性的架構(gòu)和全棧的解決方案，可更好全流程支持企業(yè)實(shí)現(xiàn)模型的應(yīng)用落地。充分釋放算力資源：大模型技術(shù)創(chuàng)新和應(yīng)用需要基于海量數(shù)據(jù)集，在擁有成百上千加速卡的人工智能服務(wù)器集群上對(duì)千億級(jí)參數(shù)人工智能大模型進(jìn)行分布式訓(xùn)練，這對(duì)算力資源的規(guī)模提出了極高的要求。算力不足意味著無法處理龐大的模型和數(shù)據(jù)量，也就無法有效支撐高質(zhì)量的大模型技術(shù)創(chuàng)新。人工智能軟件基礎(chǔ)設(shè)施需要從計(jì)算系統(tǒng)的各個(gè)層面充分釋放算力資源。實(shí)現(xiàn)廣泛的兼容適配：相比普通的人工智能訓(xùn)練，面向大模型的人工智能軟件基礎(chǔ)設(shè)施涉及的層次和范圍更廣，包括從集群環(huán)境的部署、管理和監(jiān)控到算力和計(jì)算任務(wù)額的管理與調(diào)度保障，從數(shù)據(jù)清洗和數(shù)據(jù)管理到模型的預(yù)訓(xùn)練和微調(diào)等。在此過程中，必然會(huì)涉及到多種軟件工具的集成整合。因此，只有打造開放、兼容、解耦的人工智能軟件基礎(chǔ)設(shè)施，才能更好地適應(yīng)用戶需求。總體來說，未來人工智能軟件基礎(chǔ)設(shè)施將呈現(xiàn)如下發(fā)展趨勢：降低人工智能開發(fā)門檻，推進(jìn)低代碼或智能輔助編程工具的發(fā)展，優(yōu)化AI接口性能；推進(jìn)數(shù)據(jù)維度的開源，實(shí)現(xiàn)數(shù)據(jù)的開源、開放，為全社會(huì)創(chuàng)造價(jià)值。第二章｜人工智能算力及應(yīng)用PAGE22第二章｜人工智能算力及應(yīng)用PAGE22圖12全球邊緣人工智能基礎(chǔ)設(shè)施處理器和加速器市場規(guī)模，2022-2027圖12全球邊緣人工智能基礎(chǔ)設(shè)施處理器和加速器市場規(guī)模，2022-2027邊緣人工智能基礎(chǔ)設(shè)施處理器邊緣人工智能基礎(chǔ)設(shè)施加速器整體市場增幅（%）（$B）10Total9.481.81.464ol 6620（%）140120100806040200來源：IDC，2023邊緣智能：以廣泛的部署推進(jìn)智能的延伸邊緣對(duì)人工智能和機(jī)器學(xué)習(xí)的依賴程度越來越高。隨著邊緣計(jì)算逐步進(jìn)入穩(wěn)健發(fā)展期，使用單一邊緣技術(shù)構(gòu)建的應(yīng)用難以充分發(fā)揮其價(jià)值，邊緣計(jì)算與云計(jì)算、5G、區(qū)塊鏈等其他技術(shù)的協(xié)同與融合需求將進(jìn)一步增加；邊緣人工智能、5G邊緣計(jì)算、邊緣即服務(wù)等成為邊緣計(jì)算技術(shù)的未來發(fā)展趨勢。IDC報(bào)告數(shù)據(jù)顯示，全球邊緣人工智能基礎(chǔ)設(shè)施處理器和加速器的增長將從2022年的11億美元增加至2027年的94億美元，五年年復(fù)合年增長率（CAGR）為52.3%。1.14.40.9 1.9202220232024202520262027傳感器、攝像機(jī)、物聯(lián)網(wǎng)設(shè)備和機(jī)器正在源源不斷地產(chǎn)生更多的數(shù)據(jù)，一方面，邊緣智能可以讓數(shù)據(jù)在靠近創(chuàng)建的位置實(shí)現(xiàn)分析和處理；另一方面，通過云-邊協(xié)作，可以將人工智能算法和模型的學(xué)習(xí)和優(yōu)化成果部署到邊緣側(cè)，不斷提高邊緣側(cè)的執(zhí)行效果。在中國，對(duì)用戶而言，邊緣智能具有降低時(shí)延、提高數(shù)據(jù)隱私、降低運(yùn)營成本等優(yōu)勢，已經(jīng)在工業(yè)、交通、醫(yī)療、零售、農(nóng)業(yè)等行業(yè)實(shí)現(xiàn)廣泛應(yīng)用。在制造業(yè)領(lǐng)域，它可以為企業(yè)提高工廠設(shè)備的可維護(hù)性和可預(yù)測性。在交通領(lǐng)域，通過在道路沿線部署邊緣智能設(shè)備，可以實(shí)現(xiàn)對(duì)道路交通情況的實(shí)時(shí)監(jiān)測，通過與智能交通管理系統(tǒng)的聯(lián)動(dòng)，及時(shí)緩解城市交通擁堵。在科研領(lǐng)域，可以幫助科研人員實(shí)時(shí)監(jiān)測實(shí)驗(yàn)過程和結(jié)果，加速實(shí)驗(yàn)方案的實(shí)施，提高實(shí)驗(yàn)的可靠性和準(zhǔn)確性。此外，邊緣智能可以通過本地加密等技術(shù)，在一定程度上滿足智能應(yīng)用過程中“數(shù)據(jù)不出域”的要求，更好地保護(hù)數(shù)據(jù)隱私，避免數(shù)據(jù)泄露。同時(shí)，由于邊緣設(shè)備可以獨(dú)立運(yùn)行，即使網(wǎng)絡(luò)連接不可靠，也可以保證業(yè)務(wù)的正常運(yùn)行。在構(gòu)建邊緣智能的過程中，企業(yè)需要制定全面的人工智能戰(zhàn)略，進(jìn)而更好地實(shí)現(xiàn)數(shù)據(jù)收集和處理，保障隱私和安全，優(yōu)化模型部署和維護(hù)，提高軟、硬件的集成和協(xié)同，在覆蓋邊緣和數(shù)據(jù)中心的異構(gòu)復(fù)雜混合環(huán)境中，實(shí)現(xiàn)基于人工智能的創(chuàng)新。同時(shí)，供應(yīng)商側(cè)的相關(guān)知識(shí)和經(jīng)驗(yàn)共享，對(duì)于企業(yè)加速拓寬邊緣智能的視線也至關(guān)重要。圖13圖13生成式人工智能模型開發(fā)生成式人工智能模型調(diào)優(yōu)生成式人工智能模型推理生成式人工智能軟件生成內(nèi)容類型視頻圖片圖片文本來源：IDC，2023綠色算力：基于液冷服務(wù)器構(gòu)建可持續(xù)發(fā)展數(shù)據(jù)中心伴隨人工智能算力和存力的不斷提升，芯片的功耗正越來越高，發(fā)熱量也越來越大?？傮w來說，訓(xùn)練階段比推理階段更耗電；同時(shí)，生成的內(nèi)容不同，所需的功率也存在差異（通常，視頻和圖像等富媒體內(nèi)容比單純文本需要消耗更多的電力）。對(duì)于數(shù)據(jù)中心操作員和規(guī)劃人員來說，需要依據(jù)計(jì)算需求對(duì)資源進(jìn)行合理規(guī)劃和分配，節(jié)約能源消耗，同時(shí)應(yīng)針對(duì)高密度機(jī)架數(shù)據(jù)中心來優(yōu)化電路設(shè)計(jì)，積極探索模塊化設(shè)計(jì)和部署，并采用液冷等先進(jìn)冷卻方法、借助節(jié)能硬件和軟件技術(shù)，滿足可持續(xù)發(fā)展提出的要求，以通過“優(yōu)先考慮數(shù)字化”和“環(huán)境、社會(huì)和治理（ESG）”戰(zhàn)略來推動(dòng)業(yè)務(wù)價(jià)值發(fā)展。能耗越高的數(shù)據(jù)中心，所要付出的電力成本將越高。在中國，面對(duì)大量涌現(xiàn)的人工智能大模型應(yīng)用以及國家“雙碳戰(zhàn)略”和“東數(shù)西算”的逐步實(shí)施，為實(shí)現(xiàn)算力建設(shè)和能源消耗成本間的有效平衡，通過提升散熱效率來降低能耗的液冷數(shù)據(jù)中心受到市場的關(guān)注。液冷服務(wù)器正快速迭代。IDC預(yù)計(jì)，2022-2027年，中國液冷服務(wù)器市場年復(fù)合增長率將達(dá)到547%，2027年市場規(guī)模將達(dá)到892022年，中國液冷服務(wù)器數(shù)量尚不到服務(wù)器總量的3%，滲透率在10%左右。進(jìn)入2023年至今，主流IT設(shè)備廠商均已公開表明將加大研發(fā)力度并加快產(chǎn)品迭代速度，尤其重視液冷數(shù)據(jù)中心系統(tǒng)架構(gòu)、液冷部件及接口、液冷基礎(chǔ)設(shè)施、液冷監(jiān)控系統(tǒng)的標(biāo)準(zhǔn)制定等維度的提升，加速液冷算力規(guī)?；渴?，優(yōu)化液冷產(chǎn)業(yè)鏈生態(tài)伙伴協(xié)同發(fā)展，加速液冷在數(shù)據(jù)中心的規(guī)?；涞?。圖14中國液冷服務(wù)器市場預(yù)測，2022-2027圖14中國液冷服務(wù)器市場預(yù)測，2022-2027單位：十億美元109876543210202220232024202520262027來源：IDC，20231.0在通用算力市場中，液冷數(shù)據(jù)中心制冷解決方案主要有三條技術(shù)路線，即冷板式、浸沒式和噴淋式。IDC數(shù)據(jù)顯示，2022年，中國液冷服務(wù)器市場中，冷板服務(wù)器占到了90%。這種技術(shù)路線通過冷板制冷方案，對(duì)CPU、內(nèi)存和磁盤等高功耗的部件進(jìn)行接觸式降溫。冷板方案在對(duì)原有基礎(chǔ)設(shè)施進(jìn)行改造的投入和難度方面具有優(yōu)勢，同時(shí)具有較高成熟度和較好商用基礎(chǔ)。浸沒式在散熱效率和單機(jī)柜功率、空間利用率等方面比冷板式更具優(yōu)勢，但是受限于基礎(chǔ)設(shè)施改造、建設(shè)成本、電子氟化液或其他冷卻液的成本及可維護(hù)性等因素，目前發(fā)展仍相對(duì)緩慢。噴淋式與浸沒式類似，同樣適用于結(jié)構(gòu)承重經(jīng)過特殊加固的新建項(xiàng)目，不同之處在于：噴淋式方案中目前單機(jī)柜最大負(fù)載為48KW，應(yīng)用范圍相對(duì)狹窄。越來越多的行業(yè)標(biāo)準(zhǔn)相繼推出，也在帶動(dòng)生態(tài)鏈的有序發(fā)展。Intel等全球技術(shù)供應(yīng)商提出在OCP（開源計(jì)算項(xiàng)目）下為數(shù)據(jù)中心液冷用快速接頭制定UQD全球標(biāo)準(zhǔn)，希望能在液冷數(shù)據(jù)中心防噴快換接頭的快速更換方面提供開放標(biāo)準(zhǔn)，以加液冷數(shù)據(jù)中心的快速部署能力以及減輕運(yùn)維難度。在中國，盡管市場對(duì)數(shù)據(jù)中心制冷有旺盛的需求，但液冷技術(shù)從宏觀上看仍處于發(fā)展早期階段，產(chǎn)業(yè)生態(tài)建設(shè)仍有待完善。各方應(yīng)全力打造高水平液冷生態(tài)鏈，構(gòu)筑開放生態(tài)，引領(lǐng)形成統(tǒng)一標(biāo)準(zhǔn)，打造液冷生態(tài)的主導(dǎo)者、設(shè)計(jì)者、構(gòu)筑者，推進(jìn)產(chǎn)業(yè)生態(tài)成熟。人工智能算力服務(wù)和云：根據(jù)算力需求優(yōu)化服務(wù)模式近年來，人工智能的廣泛應(yīng)用提出了更高的算力需求，也讓算力提供的使用方式發(fā)生了重大改變。過去十年，企業(yè)IT基礎(chǔ)架構(gòu)的部署從傳統(tǒng)采購模式加速向公有云上遷移，越來越多的用戶開始利用人工智能aaS服務(wù)帶來的便利、快速靈活地部署相關(guān)應(yīng)用。然而近年來，人工智能和應(yīng)用提出了更高的算力需求，讓算力提供方式發(fā)生了重大改變。人工智能應(yīng)用帶來的算力使用方式具有算力資源占用集中化、技術(shù)門檻更高等顯著特征。一個(gè)大模型的訓(xùn)練往往需要大量集群的算力提供支持，傳統(tǒng)人工智能就緒度低的數(shù)據(jù)中心環(huán)境和運(yùn)維管理狀態(tài)難以滿足算力、網(wǎng)絡(luò)和安全等方面的需求；應(yīng)用側(cè)需求的改變也將催生算力服務(wù)模式的更新。2023年，大模型和生成式人工智能快速發(fā)展，將給人工智能算力服務(wù)市場帶來新的機(jī)遇：其一，不管是大模型的訓(xùn)練或推理，都需要相對(duì)更大的算力和相應(yīng)的投入。當(dāng)前，生成式人工智能正處在起步階段，主要的投入來自超大規(guī)?；ヂ?lián)網(wǎng)企業(yè)，隨著應(yīng)用在各行業(yè)的不斷深入，更多的用戶將涉足這一領(lǐng)域，而對(duì)于短期內(nèi)不考慮或不具備自建人工智能算力數(shù)據(jù)中心能力的用戶而言，使用人工智能算力服務(wù)的方式是理想的選擇。其二，超大規(guī)模云服務(wù)器提供商和人工智能解決方案提供商具有更強(qiáng)的技術(shù)能力，具備生成式人工智能和大模型開發(fā)的技術(shù)基礎(chǔ)，并有能力進(jìn)行快速迭代。因此，人工智能算力服務(wù)能夠幫助各行業(yè)的中小企業(yè)實(shí)現(xiàn)生成式人工智能技術(shù)的可用，從而快速為自身業(yè)務(wù)發(fā)展賦能。未來，人工智能算力服務(wù)的發(fā)展將與人工智能生態(tài)的發(fā)展息息相關(guān)。過去幾年來，人工智能在數(shù)據(jù)、算法和算力方面日益成熟，行業(yè)應(yīng)用更加豐富，加之人工智能產(chǎn)業(yè)鏈各個(gè)廠商做出的貢獻(xiàn)，使得人工智能算力服務(wù)的應(yīng)用場景更加豐富和成熟。當(dāng)前用戶最大的痛點(diǎn)在于：面對(duì)偏通用的模型，如何將人工智能技術(shù)更好地應(yīng)用到自身企業(yè)業(yè)務(wù)場景，“最后一米”的距離看似很近，實(shí)則需要各個(gè)人工智能生態(tài)中合作伙伴大量的技術(shù)和時(shí)間投入，同時(shí)降低開發(fā)門檻，突破這些瓶頸，讓人工智能應(yīng)用更好地賦能各行各業(yè)。圖15企業(yè)已部署及未來三年計(jì)劃部署的人工智能單點(diǎn)技術(shù)，2023未來三年采用圖15企業(yè)已部署及未來三年計(jì)劃部署的人工智能單點(diǎn)技術(shù)，2023未來三年采用已經(jīng)采用人臉和人體識(shí)別6圖像技術(shù)32%66%語音技術(shù)40%58%視頻分析1ARVR只是圖譜80%10%20%30%40%50%60%70%80%來源：IDC，2023%64%9%68%8%72%31%66%34%8%第二章｜人工智能算力及應(yīng)用 26應(yīng)用：企業(yè)積極投入以滿足大模型時(shí)代的應(yīng)用需求近年來，人工智能從單點(diǎn)應(yīng)用到多元化、從通用場景到行業(yè)特定場景，不斷深入，飛速發(fā)展。由生成式人工智能引發(fā)的熱潮，也在迅速擴(kuò)散。人工智能應(yīng)用場景在近年的發(fā)展中，逐步開始變得更加多樣化，對(duì)人工智能的需求也逐漸從單一功能轉(zhuǎn)向?yàn)槎嗑S度，多思維，多模態(tài)以及多場景。根據(jù)2023年IDC的結(jié)果，計(jì)算機(jī)視覺仍為最主要的應(yīng)用技術(shù)類型，以生物識(shí)別和圖像技術(shù)為主，語音技術(shù)的應(yīng)用程度緊隨其后，而自然語言處理仍處在相對(duì)早期的發(fā)展階段，從調(diào)研的樣本來看，已經(jīng)采用的企業(yè)不超過三成，但從未來三年計(jì)劃采用的情況來看，自然語言處理類應(yīng)用將快速落地，66%的企業(yè)表示將在未來三年采用該應(yīng)用場景。同時(shí)，本次調(diào)研結(jié)合單點(diǎn)技術(shù)應(yīng)用及企業(yè)IT資源消耗發(fā)現(xiàn)，自然語言處理對(duì)企業(yè)IT資源占用最大，未來隨著這一應(yīng)用普及度的提高，該特征將更為顯著。除此之外，圖像技術(shù)、知識(shí)圖譜和AR/VR是參與調(diào)研樣本企業(yè)中另外三個(gè)高算力消耗的單點(diǎn)技術(shù)。圖17人工智能目前及未來三年對(duì)企業(yè)產(chǎn)生的價(jià)值圖17人工智能目前及未來三年對(duì)企業(yè)產(chǎn)生的價(jià)值未來三年降低成本增加收入優(yōu)化用戶體驗(yàn)縮短流程所需時(shí)間提升決策速度7.11提高員工生產(chǎn)、研發(fā)效率6.66提升洞察力提高資產(chǎn)利用率產(chǎn)生更多定制化、精細(xì)化產(chǎn)品與服務(wù)降低人力成本來源：IDC，2023第二章｜人工智能算力及應(yīng)用 27圖16單點(diǎn)技術(shù)場景對(duì)IT資源的占用情況自然語言處理 圖像技術(shù) 知識(shí)圖譜 AR與VR 視頻分析 人臉與人體識(shí)別 語音技術(shù)對(duì)于企業(yè)而言，人工智能對(duì)企業(yè)帶來的價(jià)值正愈加顯著，尤其體現(xiàn)在提高資產(chǎn)利用率、提高員工生產(chǎn)及研發(fā)效率、提升產(chǎn)品與服務(wù)三方面。IDC本次調(diào)研顯示，企業(yè)在未來三年由人工智能所產(chǎn)生的價(jià)值將大幅提升，尤其在提高資產(chǎn)利用率、降低人力成本、提升洞察力、提升決策速度和優(yōu)化用戶體驗(yàn)等幾個(gè)方面。第二章｜人工智能算力及應(yīng)用PAGE29第二章｜人工智能算力及應(yīng)用PAGE29從行業(yè)的角度看，與往年相比，人工智能技術(shù)已全面邁入應(yīng)用加速時(shí)代，持續(xù)追求對(duì)于技術(shù)的創(chuàng)新，更注重類人化和以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能技術(shù)，分析處理真實(shí)數(shù)據(jù)以及復(fù)雜問題。生成式人工智能的落地，也給各行業(yè)帶來新的動(dòng)能。智慧金融行業(yè)：金融行業(yè)對(duì)人工智能投入高，增速快。人工智能技術(shù)的引入也打破了傳統(tǒng)金融行業(yè)存在的流程復(fù)雜、周期較長、工作單一且重復(fù)、審批方式以及流程耗費(fèi)時(shí)間長等問題。因此，金融業(yè)對(duì)于人工智能算力、算法的需求日益增高。以銀行業(yè)為例，伴隨當(dāng)前國內(nèi)經(jīng)濟(jì)大環(huán)境以及宏觀調(diào)控等因素，信貸及風(fēng)險(xiǎn)管控壓力驟增，實(shí)現(xiàn)風(fēng)險(xiǎn)管控，反欺詐以及基于RPA的流程自動(dòng)化是銀行目前的布局重點(diǎn)。各家銀行依托大數(shù)據(jù)建立專屬的信貸評(píng)級(jí)系統(tǒng)以及審批系統(tǒng)，可極大程度上降低借貸風(fēng)險(xiǎn)，并優(yōu)化借貸流程。近年來，銀行業(yè)已在風(fēng)控、營銷、客服等多個(gè)場景熟練使用人工智能技術(shù)，有效提高了工作效率，降低了各項(xiàng)成本，提升了客戶服務(wù)滿意度，同時(shí)實(shí)現(xiàn)了“便捷化”“智能化”及“綠色化”；隨著人工智能技術(shù)的發(fā)展，業(yè)務(wù)流程自動(dòng)化管理是銀行業(yè)發(fā)展的重心和趨勢，其能夠有效減少信息錄入、核驗(yàn)、審批等簡單重復(fù)的工作，加速個(gè)性化金融服務(wù)的拓展，從而減少運(yùn)營成本以及提高客戶滿意度。智能制造：人工智能的革新以及算法、算力的更新迭代加速推進(jìn)了制造業(yè)的發(fā)展進(jìn)程?；诤Ａ看髷?shù)據(jù)，基礎(chǔ)設(shè)施全面實(shí)現(xiàn)智能化、綠色化，在避免消耗大量人力成本的同時(shí)也助力技術(shù)的不斷創(chuàng)新和升級(jí)。智能產(chǎn)線、預(yù)測性維護(hù)、自動(dòng)化生產(chǎn)、運(yùn)營優(yōu)化和實(shí)時(shí)監(jiān)控是目前制造企業(yè)使用率最高的應(yīng)用場景。未來，智能決策、遠(yuǎn)程操作，以及圍繞生成式人工智能的應(yīng)用場景將加速落地。智能產(chǎn)線：在人工智能技術(shù)的賦能下，制造業(yè)企業(yè)可以實(shí)現(xiàn)產(chǎn)品性能和質(zhì)量的可視化預(yù)測以及自動(dòng)化復(fù)檢；制造業(yè)推進(jìn)供應(yīng)鏈管理自動(dòng)化，同時(shí)了解內(nèi)外部發(fā)展趨勢，結(jié)合市場發(fā)展現(xiàn)狀、自我產(chǎn)品定位以及相關(guān)競品的優(yōu)劣勢對(duì)產(chǎn)品進(jìn)行定位和研發(fā)，協(xié)助制定全新設(shè)計(jì)方案和銷售方案。預(yù)測性維護(hù)：通過收集和分析設(shè)備數(shù)據(jù)，人工智能可以預(yù)測設(shè)備故障的可能性和維護(hù)需求。這種預(yù)測性維護(hù)可以減少設(shè)備停機(jī)時(shí)間，提高生產(chǎn)效率。運(yùn)營、工況分析和優(yōu)化：通過對(duì)大量數(shù)據(jù)的收集和分析，人工智能可以揭示生產(chǎn)和運(yùn)營中的潛在問題并提供優(yōu)化建議，幫助制造廠商優(yōu)化生產(chǎn)過程，降低成本并改進(jìn)產(chǎn)品設(shè)計(jì)。實(shí)時(shí)監(jiān)控：通過傳感器和物聯(lián)網(wǎng)技術(shù)，人工智能可以實(shí)時(shí)監(jiān)測設(shè)備和生產(chǎn)線的狀態(tài)。通過收集和分析大量數(shù)據(jù)（如溫度、壓力、震動(dòng)等）以及設(shè)備的工作狀態(tài)和性能指標(biāo)，幫助制造企業(yè)及時(shí)發(fā)現(xiàn)問題并采取措施，以避免生產(chǎn)中斷或出現(xiàn)質(zhì)量問題。智能決策：人工智能可以通過學(xué)習(xí)和優(yōu)化算法，實(shí)現(xiàn)設(shè)備和生產(chǎn)線的自主決策；根據(jù)實(shí)時(shí)數(shù)據(jù)和預(yù)設(shè)的規(guī)則，自動(dòng)調(diào)整參數(shù)，優(yōu)化生產(chǎn)計(jì)劃，及時(shí)響應(yīng)異常情況，有效提高生產(chǎn)線的自適應(yīng)性和效率。遠(yuǎn)程操作：人工智能技術(shù)可以通過遠(yuǎn)程控制技術(shù)，實(shí)現(xiàn)對(duì)設(shè)備和生產(chǎn)線的遠(yuǎn)程操作。制造商可以通過云平臺(tái)或移動(dòng)應(yīng)用監(jiān)控和控制設(shè)備，進(jìn)行遠(yuǎn)程調(diào)整和優(yōu)化，極大程度提高生產(chǎn)線的靈活性和響應(yīng)能力，減少人工干預(yù)，降低生產(chǎn)成本。智慧醫(yī)療：人工智能在醫(yī)療行業(yè)的應(yīng)用正日益增長，對(duì)醫(yī)療服務(wù)的質(zhì)量、效率和準(zhǔn)確性產(chǎn)生了深遠(yuǎn)的影響。例如，人工智能在醫(yī)學(xué)診斷和影像學(xué)方面發(fā)揮了重要作用。通過深度學(xué)習(xí)技術(shù)和大數(shù)據(jù)分析，人工智能能夠?qū)︶t(yī)學(xué)圖像，如CT掃描、MRI和X射線等進(jìn)行自動(dòng)分析和解讀，有助于輔助醫(yī)生提供更準(zhǔn)確的診斷，快速識(shí)別潛在的疾病特征，減少漏診和誤診的風(fēng)險(xiǎn)。此外，人工智能可改善對(duì)患者的監(jiān)測和個(gè)性化治療。通過傳感器、健康監(jiān)測設(shè)備和實(shí)時(shí)數(shù)據(jù)分析，人工智能能夠監(jiān)測患者的生理參數(shù)、活動(dòng)水平和病情變化，并基于這些數(shù)據(jù)提供個(gè)性化的治療建議、預(yù)測疾病發(fā)展趨勢，并提前預(yù)警患者的惡化風(fēng)險(xiǎn)，從而優(yōu)化患者管理、提升治療效果。另外，人工智能在新藥研發(fā)和藥物治療方面也具有潛力。通過分析大量的醫(yī)學(xué)文獻(xiàn)、基因組學(xué)數(shù)據(jù)和臨床試驗(yàn)結(jié)果，人工智能可以發(fā)現(xiàn)新的治療目標(biāo)和藥物候選物，加速新藥研發(fā)的過程，并幫助制定更有效的治療策略。人工智能能為患者提供更智能化和個(gè)性化的醫(yī)療服務(wù)。通過虛擬助手、聊天機(jī)器人和語音識(shí)別技術(shù)，人工智能可以為患者提供24/7的醫(yī)療咨詢和居家遠(yuǎn)程醫(yī)療服務(wù)；還可以根據(jù)患者的個(gè)人健康數(shù)據(jù)和歷史記錄，提供個(gè)性化的預(yù)防和康復(fù)建議，促進(jìn)患者的健康管理和自我護(hù)理。AI4S（人工智能應(yīng)用于科學(xué)）：人工智能在科學(xué)領(lǐng)域的應(yīng)用也取得了諸多階段性成果?；谙冗M(jìn)的算法和模型，科學(xué)家、研究機(jī)構(gòu)和相關(guān)企業(yè)可加速數(shù)據(jù)分析和處理，基于模型和算法對(duì)原子運(yùn)動(dòng)規(guī)律、物質(zhì)性質(zhì)等進(jìn)行預(yù)測和模擬，也可對(duì)醫(yī)學(xué)圖像、天文圖像等進(jìn)行更好的識(shí)別和理解，加速實(shí)驗(yàn)的自動(dòng)化和智能化，實(shí)現(xiàn)自動(dòng)化合成、自動(dòng)化表征等。目前，人工智能已經(jīng)在材料科學(xué)、生物醫(yī)學(xué)、環(huán)境和氣象、海洋、航空航天、化工等領(lǐng)域?qū)崿F(xiàn)落地和應(yīng)用，為科學(xué)研究的發(fā)展帶來更多的可能性。生成式人工智能應(yīng)用在2023年快速發(fā)展，未來將進(jìn)一步賦能各行各業(yè)。由于生成式人工智能可為實(shí)際應(yīng)用注入增強(qiáng)功能，引來商業(yè)領(lǐng)域的廣泛關(guān)注。通過把大模型能力和應(yīng)用需求結(jié)合，結(jié)合場景或業(yè)務(wù)數(shù)據(jù)，可加速生成式人工智能向行業(yè)領(lǐng)域的滲透。IDC認(rèn)為知識(shí)管理、對(duì)話式應(yīng)用、銷售和營銷、代碼生成等是企業(yè)應(yīng)用生成式人工智能的主要領(lǐng)域。從業(yè)務(wù)職能場景來說，通過將一個(gè)模型（或多個(gè)模型）與企業(yè)數(shù)據(jù)集成，可供特定業(yè)務(wù)部門或職能部門（營銷、銷售、采購等）使用，滿足職能場景的業(yè)務(wù)需求；從生產(chǎn)力場景來說，通過具體工作任務(wù)設(shè)計(jì)，如生成文案、圖片、視頻等內(nèi)容，加速軟件開發(fā)，可將生成式人工智能功能注入現(xiàn)有應(yīng)用，提高生產(chǎn)力；從行業(yè)場景來說，基于足夠大的訓(xùn)練數(shù)據(jù)集或與行業(yè)生態(tài)伙伴合作，共享數(shù)據(jù)，圍繞具體模型，以定制化方式構(gòu)建特定集成架構(gòu)，滿足行業(yè)需求。結(jié)合用例來看：金融行業(yè)是對(duì)生成式人工智能使用較早的行業(yè)之一，IDC全球一項(xiàng)調(diào)研結(jié)果顯示，樣本中超過半數(shù)的金融機(jī)構(gòu)計(jì)劃在2023年在生成式人工智能技術(shù)上進(jìn)行投入，只有10%的金機(jī)構(gòu)表示，他們目前沒有試驗(yàn)計(jì)劃，或者目前沒有使用生成式人工智能的計(jì)劃。在金融行業(yè)脫穎而出并最容易實(shí)現(xiàn)的用例多數(shù)圍繞用戶體驗(yàn)、知識(shí)管理和應(yīng)用開發(fā)這幾方面，包括智能投顧、自動(dòng)化客服（如聊天機(jī)器人和語音機(jī)器人）、風(fēng)險(xiǎn)評(píng)估、報(bào)告自動(dòng)化生成、代碼生成應(yīng)用等。生成式人工智能在金融行業(yè)有著巨大的前景，但金融作為監(jiān)管最為嚴(yán)格的行業(yè)之一，對(duì)數(shù)據(jù)安全和隱私有極高的要求，本次參與調(diào)研的金融機(jī)構(gòu)表示，對(duì)數(shù)據(jù)安 是他們采用生成式人工智能時(shí)的最大阻礙，如何解決這一問題，對(duì)未來技術(shù)的應(yīng)用發(fā)展至關(guān)重要；圖18中國人工智能應(yīng)用場景發(fā)展，2023圖18中國人工智能應(yīng)用場景發(fā)展，2023不同階段示例生成式人工智能賦能市場潛力生物識(shí)別生成式AI智能制造自然語言處理語音識(shí)別人臉識(shí)別智能選題和寫作實(shí)時(shí)監(jiān)控智慧醫(yī)療藥物研發(fā)用藥提醒患者服務(wù)自動(dòng)駕駛高級(jí)輔助駕駛視覺感知點(diǎn)云處理車路協(xié)同三維重建成熟度曲線互動(dòng)娛樂工況分析營銷應(yīng)用代碼生成預(yù)測維護(hù)智能客服反欺詐風(fēng)險(xiǎn)評(píng)估智能理賠智能保顧智能投顧智慧電信智能網(wǎng)絡(luò)精準(zhǔn)營銷仿真測試農(nóng)作物監(jiān)測氣象預(yù)報(bào)高分子材料研發(fā)測 天文發(fā)現(xiàn)智慧金融智慧電網(wǎng)智能調(diào)度智慧交通智能路網(wǎng)車輛識(shí)別智能交管電力巡檢智能勘測與開發(fā)智慧工地智慧能源燈 智能教育20252030時(shí)間來源：IDC，2023在制造業(yè)領(lǐng)域，生成式人工智能應(yīng)用處于早期階段，但由于其能夠?yàn)榭蛻羯蓚€(gè)性化內(nèi)容和營銷體驗(yàn)，在改善客戶體驗(yàn)方面具有巨大潛力。主要用例涉及潛在客戶開發(fā)、生產(chǎn)流程優(yōu)化、、產(chǎn)品設(shè)計(jì)輔助、設(shè)備預(yù)測性維護(hù)、供應(yīng)鏈管理等。以潛在客戶開發(fā)為例，制造業(yè)的客戶開發(fā)通常涉及多個(gè)接觸點(diǎn)，包括網(wǎng)站、郵件、推薦和社交網(wǎng)絡(luò)。生成式人工智能可以分析線索，一旦產(chǎn)生潛在客戶，就通過評(píng)估大量數(shù)據(jù)來考量客戶質(zhì)量和潛力；如果潛在客戶與制造企業(yè)理想的客戶畫像相匹配，就能進(jìn)行資格預(yù)審，從而幫助企業(yè)獲得優(yōu)先權(quán)。在制造行業(yè)應(yīng)用過程中，生成式人工智能需要解決的關(guān)鍵挑戰(zhàn)包括：數(shù)據(jù)的可用性和質(zhì)量，客戶對(duì)銷售人員參與度的期望，以及數(shù)據(jù)和隱私法的要求。總的來說，人工智能應(yīng)用可以大幅度提高制造業(yè)的效率、質(zhì)量和創(chuàng)新能力，帶來更多的機(jī)遇和競爭優(yōu)勢；在醫(yī)療領(lǐng)域，醫(yī)療機(jī)構(gòu)也正積極地了解與生成式人工智能相關(guān)的應(yīng)用，主要涵蓋五大領(lǐng)域：臨床文檔和數(shù)據(jù)管理、患者服務(wù)、工作流程和資源優(yōu)化、員工支持、醫(yī)療保健服務(wù)和商業(yè)應(yīng)用。相較于金融和制造業(yè)而言，醫(yī)療行業(yè)在生成式人工智能的投入占比相對(duì)較低，但其未來潛力不容忽視。此外，生成式人工智能與大模型也在能源（能源消費(fèi)趨勢預(yù)測、能源存儲(chǔ)和分發(fā)、環(huán)境監(jiān)測）、零售（庫存管理和預(yù)測、個(gè)性化推薦、客戶行為）、教育（語言學(xué)習(xí)、教學(xué)輔助、學(xué)習(xí)評(píng)估）等領(lǐng)域?qū)崿F(xiàn)推進(jìn)。隨著技術(shù)的不斷發(fā)展和進(jìn)步，未來還會(huì)出現(xiàn)更多新的應(yīng)用場景。最佳實(shí)踐

案例一美圖：深耕生成式人工智能，提前布局，順勢發(fā)展，廣泛賦能美圖是一家成立于2008年的中國科技公司，秉承著“讓科技與藝術(shù)美好交匯”的使命，美圖公司致力于打造優(yōu)秀的影像與設(shè)計(jì)產(chǎn)品，讓圖片、視頻、設(shè)計(jì)、數(shù)字人的制作變得更簡單，并通過美業(yè)解決方案助力產(chǎn)業(yè)數(shù)字化升級(jí)。憑借其多年積淀的人工智能技術(shù)能力以及對(duì)用戶2010年，為了進(jìn)一步開展計(jì)算機(jī)視覺、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等人工智能相關(guān)領(lǐng)域的研發(fā)，美通過發(fā)揮人工智能的技術(shù)優(yōu)勢，美圖將AIGC相關(guān)能力成熟應(yīng)用在圖片、視頻、設(shè)計(jì)、數(shù)字人等應(yīng)用場景中，覆蓋視覺創(chuàng)作、商業(yè)攝影、專業(yè)視頻編輯、商業(yè)設(shè)計(jì)等領(lǐng)域，不斷推出新功能，旨在全面提升影像行業(yè)的生產(chǎn)力。圖片場景：利用AIGC能力，實(shí)現(xiàn)圖生圖、文生圖，以及AI繪畫、AI寫真、AI人像、AI發(fā)型、AI精修、AI妝容等一系列功能。視頻場景：利用AIGC能力，實(shí)現(xiàn)視頻的智能化生成和渲染，其中AI動(dòng)漫功能通過提升幀與幀之間的連續(xù)性，保證生成效果的穩(wěn)定性，精準(zhǔn)實(shí)現(xiàn)視頻人物的表情和姿態(tài)控制。設(shè)計(jì)場景：在應(yīng)用中具備AI海報(bào)、AI商品圖以及AI模特試衣等功能，滿足電商行業(yè)海報(bào)生數(shù)字人場景：基于美圖AI演員、AI主播等數(shù)字人功能，呈現(xiàn)更加逼真的效果，為影視制作等行業(yè)提供數(shù)字生產(chǎn)工具。2023年6月，美圖正式對(duì)外發(fā)布自研AI視覺大模型MiaclVision（奇想智能），為美圖全系產(chǎn)品提供人工智能模型能力，也助力美圖形成由底層、中間層和應(yīng)用層構(gòu)建的人工智能產(chǎn)品生態(tài)，降低使用門檻、滿足專業(yè)設(shè)計(jì)需求的同時(shí)，逐步落地電商、廣告、游戲、動(dòng)漫、影視等行業(yè)，助力行業(yè)用戶工作流提效。大模型的研發(fā)和應(yīng)用對(duì)基礎(chǔ)架構(gòu)提出更高的要求，美圖通過與浪潮信息等設(shè)備服務(wù)商合作，升級(jí)基礎(chǔ)架構(gòu)能力，提高算力、存儲(chǔ)、網(wǎng)絡(luò)性能，滿足視覺大模型的訓(xùn)練和應(yīng)用需求。同時(shí)，發(fā)揮諸如云原生服務(wù)的基礎(chǔ)構(gòu)建等能力，提高模型訓(xùn)練平臺(tái)的利用率，助力整個(gè)高算力集群性能的穩(wěn)定、高效輸出。2023上半年，美圖完成了由生活場景到生產(chǎn)力場景的進(jìn)化，并持續(xù)推進(jìn)商業(yè)模式創(chuàng)新，逐步為生產(chǎn)力場景中的設(shè)計(jì)師用戶和企業(yè)級(jí)用戶提供更優(yōu)的產(chǎn)品體驗(yàn)。例如，美圖旗下產(chǎn)品美圖設(shè)計(jì)室利用AI技術(shù)為眾多商家提供AI商拍服務(wù)，助力近百萬中小電商賣家降本增效。在AIGC助力下，美圖月活躍用戶數(shù)和會(huì)員數(shù)持續(xù)增長，以訂閱為主要變現(xiàn)模式的影像與設(shè)計(jì)產(chǎn)品業(yè)務(wù)收入繼續(xù)攀升，為利潤提升做出貢獻(xiàn)。2023年上半年企業(yè)營業(yè)收入和利潤均實(shí)現(xiàn)明顯增長，同比增幅分別達(dá)29.8%和320.4%。月活躍用戶數(shù)達(dá)2.47億，同比增長2.5％。同時(shí)，企業(yè)內(nèi)部新產(chǎn)品開發(fā)速度與功能研發(fā)速度也得以提升。接下來，美圖將持續(xù)迭代自研大模型和AIGC產(chǎn)品能力，從算法、算力、數(shù)據(jù)三維度夯實(shí)人工智能發(fā)展基礎(chǔ)，做好技術(shù)人才儲(chǔ)備，與合作伙伴密切協(xié)作，推動(dòng)人工智能對(duì)企業(yè)產(chǎn)品能力、服務(wù)能力的提升。案例二網(wǎng)易：沉淀關(guān)鍵技術(shù)能力，推進(jìn)人工智能能力的場景化應(yīng)用網(wǎng)易是一家成立于1997年的中國互聯(lián)網(wǎng)科技公司，業(yè)務(wù)范圍覆蓋游戲、音樂、電子郵件服務(wù)、電商平臺(tái)以及教育等領(lǐng)域。隨著智能創(chuàng)新時(shí)代的來臨，網(wǎng)易看到大模型和生成式人工智能發(fā)展給企業(yè)、行業(yè)和社會(huì)帶來的機(jī)遇。在此背景下，網(wǎng)易一方面加速關(guān)鍵技術(shù)的研發(fā)和突破，以生成式人工智能技術(shù)加速業(yè)務(wù)發(fā)展，另一方面加速人工智能能力的場景化應(yīng)用，推進(jìn)技術(shù)對(duì)行業(yè)和產(chǎn)業(yè)的賦能。網(wǎng)易伏羲是網(wǎng)易旗下專業(yè)從事游戲與人工智能研究和應(yīng)用的機(jī)構(gòu)，是網(wǎng)易發(fā)展人工智能技術(shù)的一個(gè)重要縮影。伏羲采取以應(yīng)用為核心的策略，加速人工智能在實(shí)際生產(chǎn)環(huán)境中的應(yīng)用和落地：設(shè)計(jì)創(chuàng)作場景：網(wǎng)易伏羲“丹青約”繪畫平臺(tái)面向美術(shù)資產(chǎn)生產(chǎn)管線，旨在輔助美術(shù)工作者解決設(shè)計(jì)靈感創(chuàng)作問題，加速圖片作品生成，提升創(chuàng)作效率，實(shí)現(xiàn)至少50%以上的工作效率提升。元宇宙場景：基于網(wǎng)易瑤臺(tái)元宇宙場景搭建編輯器，實(shí)現(xiàn)多場景、強(qiáng)互動(dòng)、沉浸式的虛擬空間搭建，在虛擬商場、虛擬娛樂場景以及虛擬旅游等方面實(shí)現(xiàn)成熟落地。工程制造場景：基于網(wǎng)易有靈智能體平臺(tái)，完成數(shù)據(jù)訓(xùn)練、建模、以及智能體構(gòu)建等任在實(shí)現(xiàn)人工智能認(rèn)知和決策能力的行業(yè)應(yīng)用過程中，企業(yè)往往面臨門檻高、周期長、應(yīng)用落AOP（Agent-Oriented-Pogamming，面向智能體編程）編程框架，通過提供統(tǒng)一對(duì)接人工和機(jī)器的規(guī)范接口和服務(wù)，支持用戶通過平臺(tái)自動(dòng)構(gòu)建業(yè)務(wù)領(lǐng)域的數(shù)據(jù)閉環(huán)，可針對(duì)行業(yè)細(xì)分場景定制化構(gòu)建并訓(xùn)練領(lǐng)域特殊的智能體。此外，平臺(tái)為開發(fā)者統(tǒng)一解決了復(fù)雜分布式系統(tǒng)的計(jì)算、網(wǎng)絡(luò)和存儲(chǔ)等資源問題，并支持將云端資源延展和下沉到邊緣端，為開發(fā)者提供極簡編程體驗(yàn)。與傳統(tǒng)方案相比，在數(shù)據(jù)構(gòu)建和能力發(fā)展方面，有靈平臺(tái)展現(xiàn)了明顯的先進(jìn)性。伏羲正將其技術(shù)試用至智能制造，包含無人裝載機(jī)、工程機(jī)械以及家用機(jī)器人等多元領(lǐng)域，通過模型即服務(wù)（MaaS）的形式，向企業(yè)級(jí)用戶提供服務(wù)，以解決實(shí)際生產(chǎn)問題。生成式人工智能和相關(guān)模型訓(xùn)練提升了網(wǎng)易對(duì)于人工智能算力的需求。在技術(shù)研發(fā)和落地應(yīng)用過程中，網(wǎng)易與浪潮信息合作，滿足對(duì)大規(guī)模人工智能訓(xùn)練和推理算力的彈性需求。此外，基于浪潮信息對(duì)于計(jì)算業(yè)務(wù)的深入理解以及其在模型開發(fā)領(lǐng)域的實(shí)踐經(jīng)驗(yàn)，雙方充分溝通，在數(shù)據(jù)資源治理、訓(xùn)練技術(shù)開發(fā)等方面深入合作，加速了網(wǎng)易一些算法業(yè)務(wù)的大規(guī)模啟動(dòng)的進(jìn)程。案例三深勢科技：以全棧技術(shù)能力加速人工智能與科學(xué)領(lǐng)域的融合發(fā)展深勢科技專注于AIriene（AI4i）科學(xué)研究范式的探索和突破，通過運(yùn)用人工智能和分子模多尺度的模擬仿真算法，結(jié)合高性能計(jì)算手段，加速科學(xué)問題的研究，為生物制藥、能源、材料等領(lǐng)域的發(fā)展，提供從底層算法到工業(yè)軟件及行業(yè)解決方案和場景落地的一攬子服務(wù)，以科學(xué)研究和應(yīng)用的實(shí)際需求為導(dǎo)向，加速人工智能對(duì)科學(xué)領(lǐng)域的賦能。傳統(tǒng)上，無論是微觀尺度的量子物理、分子動(dòng)力學(xué)仿真，還是宏觀的流體和氣象仿真，都依賴于大量的算力。深勢科技首席科學(xué)家張林峰博士及團(tuán)隊(duì)基于深度神經(jīng)網(wǎng)絡(luò)，對(duì)網(wǎng)絡(luò)施加物理約束，并使用少量基本數(shù)據(jù)進(jìn)行訓(xùn)練，從而開發(fā)出訓(xùn)練后的分子動(dòng)力學(xué)軟件。這種方法在相同的精度下，能夠?qū)⒂?xùn)練時(shí)間降低十萬倍，并可以進(jìn)行更大尺度的模擬，該研究成果獲得了2020年ACM戈登貝爾獎(jiǎng)。AIriene模虛擬篩選時(shí)，新算法可比舊算法快1600倍。這使得研究團(tuán)隊(duì)能夠進(jìn)行更大規(guī)模的篩選，從而有更高的幾率找到合適的候選藥物分子。通過這樣的虛擬篩選，可以減少實(shí)驗(yàn)階段所需的藥物分子數(shù)量，從而降低成本。目前，深勢科技已經(jīng)推出科研云平臺(tái)、藥物計(jì)算設(shè)計(jì)平臺(tái)、難成藥靶標(biāo)研發(fā)平臺(tái)及電池設(shè)計(jì)自動(dòng)化平臺(tái)工業(yè)設(shè)計(jì)與仿真基礎(chǔ)設(shè)施。其中