一竞技官网

　　2023年是人工智能发展的重要转折年，企业正加速从业务数字化迈向业务智能化。大模型的突破和生成式人工智能的兴起为企业实现产品/流程的革新提供先进生产工具，引领企业和产业迈入智能创新的新阶段。

　　大模型和生成式人工智能的发展显著拉动了人工智能服务器市场的增长。IDC预计，全球人工智能硬件市场（服务器）规模将从2022年的195亿美元增长到2026年的347亿美元，五年年复合增长率达17.3%。

　　在中国，预计2023年中国人工智能服务器市场规模将达到91亿美元，同比增长82.5%，2027年将达到134亿美元，五年年复合增长率达21.8%。算力规模而言，预计到2027年通用算力规模将达到117.3EFLOPS，智能算力规模达1117.4EFLOPS；2022-2027年期间，预计中国智能算力规模年复合增长率达33.9%，同期通用算力规模年复合增长率为16.6%。

　　近日，在AICC2023中国人工智能算力大会上，国际数据公司（IDC）与浪潮信息联合发布《2023-2024中国人工智能计算力发展评估报告》（简称《报告》）。《报告》指出，人工智能正在加速从感知智能到生成式智能迈进，中国人工智能算力市场规模快速成长扩大。

　　2023年，中国人工智能服务器市场规模将达91亿美元，同比增长82.5%；智能算力规模预计达到414.1EFLOPS（每秒百亿亿次浮点运算），同比增长59.3%；2022-2027年期间，年复合增长率预计达33.9%

　　《报告》从算力规模、区域分布和行业渗透度等多维度，对我国人工智能计算力发展进行综合评估，给出大模型和AIGC的发展将引发AI算力产业之变的核心洞察，并提出针对性的行动建议。作为中国AI算力发展“风向标”，《报告》第六次发布，旨在为推动中国人工智能产业的高质量发展提供参考。

　　人工智能加速向行业和城市渗透

　　《报告》通过多年持续跟踪中国人工智能计算力发展状况发现，从行业看，人工智能从单点应用到多元化应用、从通用场景到行业特定场景正在不断深入，而AIGC在2023年快速发展，也在进一步赋能各行各业；从城市看，越来越多的城市参与到人工智能发展浪潮中，持续加大在相关领域的投资，不断推进人工智能产业的发展。

　　在2023年人工智能行业渗透度排名中，Top5的行业依次为互联网、电信、政府、金融和制造。此外，交通、服务、教育等行业在人工智能领域的投资力度也可圈可点。其中，互联网依然是AIGC技术应用和研发的主战场；电信行业排名从2022年的第四跃升至2023年的第二，主要归因于运营商紧跟国家东数西算战略，加速云数据中心、智算中心的建设。

　　在2023年中国人工智能城市排行榜中，北京、杭州、深圳继续保持前三名。其中，北京在大模型领域表现突出，聚集了大批大模型企业。此外，位居TOP10的城市还有上海，苏州，广州，济南，合肥、重庆和成都。整体来说，排名靠前的城市因具有更好的政策、资金和技术支持，可以稳定吸引更多的人才和企业聚集；智算中心的建设也是拉动地区实现人工智能发展的重要驱动力，既可以提升基础设施建设水平，也为吸引更多企业共谋发展起到积极的推动作用。

　　AIGC引发算力产业“三变”

　　2023年，由ChatGPT引爆的新一轮人工智能热潮，开启了由大模型驱动的AIGC时代。IDC调研显示，67%的中国企业已经开始探索AIGC在企业内的应用机会或已经开始进行资金投入。

　　中国企业对生成式人工智能的态度

　　《报告》指出，当前在AIGC的带动下，人工智能计算力技术及应用趋势发生了较大的变化，体现为“三变：

　　一是计算范式之变。大模型和AIGC的发展加速了更高计算性能、更快互联性能的算力基础设施建设，推进人工智能在云-边-端的覆盖。此外，伴随应用场景多样性，底层基础设施呈现多元化发展。

　　二是产业动量之变。AIGC可重构现有的工作方式，在内容创作、自动驾驶、零售、医疗等诸多领域改变着人们的生活和生产方式，同时也带来更大的市场机会。算力、算法、应用、服务等诸多产业变量将成为创新的加速器，在算力生态链上的各个环节催生出新的玩家。

　　三是算力服务格局之变。由于基础大模型的本地训练成本不菲，企业将更多地使用已有的人工智能数据中心设施和生成式AI服务器集群，这将为算力服务市场带来新机会。算力服务供应商要能够提供定制化的基础设施服务能力，满足单个用户对训练和推理资源的独占式、大规模、长时间使用的诉求，同时帮助用户实现成本控制。

　　“以应用为导向、系统为核心”是算力升级新路径

　　大模型和AIGC的发展提升了智能算力需求，给计算市场带来了发展机遇，同时也带来了算力紧缺等挑战。对此，《报告》认为，面对单芯片算力瓶颈、算力紧缺等问题，中国市场对于智能算力供给能力的衡量标准将发生变化——评估指标将从硬件性能向应用效果转变，用户在获得算力服务的过程中，会更加以应用为导向进行综合考量，增加对于诸如单位时间可处理Token数量、可靠性、时延、训练时间和资金成本、数据集质量等指标的关注。

　　针对这一转变，《报告》指出，算力供应商需要“以应用为导向、系统为核心”，构建算力基础设施平台，提高算力利用率，提升诸如卡间互联、多节点间互联等水平，支持灵活稳定扩展和弹性容错，积极打造通用的人工智能软件和硬件平台，以先进的系统性能力满足市场的应用需求。也就是说，与其过分关注单一芯片的性能强弱，不如根据人工智能业务场景需求，设计更具针对性的算力系统，实现整体性能最优。