中國AI城市TOP10：天津首進前十，廣州時隔四年重回第一梯隊

豐色 發自 凹非寺
量子位 | 公眾號 QbitAI

年度中國AI計算力報告，剛剛出爐。

今年，已是連續第五年釋出。

這一次，北杭深仍坐穩AI城市前三名，其中北京無可撼動，連續四年霸榜第一。

上海，還是第一梯隊的“老熟人”，廣州則時隔四年重回第五。

相比新鮮面孔不多的第一梯隊，第二梯隊（6-10名）可謂洗牌加劇：

“新一線”城市成都勢如破竹，反超南京躍居第六，天津首次入榜，緊隨南京之後；

年年入榜的合肥則首次跌出前十。

有起有伏，好不激烈。

不過要說今年最大的變化，還是當屬智慧算力的規模：

根據IDC與浪潮資訊聯合釋出的這份《2022-2023中國人工智慧計算力發展評估報告》，2022年，我們們國家智慧算力保有量終於首次超過了通用算力，達到了268EFLOPS（每秒268百億億次浮點運算）。

這意味著智慧算力很快將成為所有算力需求中的主力軍。

為此，本報告也首次將智慧算力單拿出來做了統計和預測，希望給AI產業的智慧化和創新化提供一個標尺，即智慧算力在其中究竟提供了多少推力。

當然，除了以上這些，老規矩，報告還揭示了更多有意思的AI產業發展趨勢、行業滲透度等資訊。

例如：

• 中國人工智慧支出中，硬體佔比未來5年都將至少保持65%左右的份額，遠超軟體與服務；

• 中國人工智慧各行各業AI滲透率增比最大的金融，2022年已達62%，緊隨網際網路之後；

• 火熱的大模型和許多人的觀察一樣，已經具備“通用智慧”的雛形，低能耗、可應用性強等成為主要訴求；

……

更多細節，我們翻開報告來看。

中國最強AI城市：北京領首，第二梯隊競爭激烈

這份最強AI城市TOP10榜單，是基於人工智慧投資規模、政策支援力度、技術成熟度及勞動供給等維度而得出。

其中技術成熟度包括資料平臺成熟度、AI算力加速方案、雲服務應用情況以及應用場景成熟度。

北京能夠四年強勢第一，除了政策的支援以外，還離不開學術資源和人才資源的加持：

在這裡，光AI相關的人才就佔到了全國總量的一半以上；全國過半數AI相關的研究單位，包括北大清華、中科院自動化所、中科院自動化所等，也都聚集在此。

深圳和上海也不必多講：

前者雖然本地高校資源不足，但吸引了大批外資以及已開發國家的高階產業；

後者作為國內的“教育高地”，到2025年AI人才將達30萬，人工智慧專利授權數一直處於全國領先地位，AI實力自然低不了。

至於廣州，能夠時隔四年重回第一梯隊，主要是去年在政策支援上又加大了力度，聚焦先進製造、車輛交通、健康醫療、城市治理這四條AI賽道，定下了“十百千”目標（即建設10個人工智慧產業園，開展100個人工智慧典型場景應用示範，培育1000家左右人工智慧企業）。

但要說今年最吸睛的，還得看馬上就要衝破第一梯隊的成都，和首次上榜位列第九的天津。

首先，成都在今年成為了國家“東數西算”工程中西部的重點節點之一，在5月建成上線了西南地區最大的人工智慧計算中心——成都智算中心。

據公開資料，這一中心的人工智慧算力平臺，算力可達300 PFLOPS（FP16），相當於15萬臺高效能PC。

除了新的智算中心，今年10月，成都又制定了“算力九條”政策，為積極建設AI產業的各企業科研機構發放“真金白銀”。

比如若能聯合成都智算中心在智慧城市、智慧製造、生物醫藥等行業打造示範性的人工智慧創新應用場景，也可最高獲得100萬元的一次性獎勵。

今年這樣的大動作，無疑讓成都這座城市的吸引力更加一籌，也讓成都一口氣從去年的榜單第九升到了第六。

再來看首次進榜的天津。

最近的三屆世界人工智慧大會，都在這裡舉辦，讓這座智慧製造業比較發達的城市又推動了一大批AI專案落地。

按照計劃，天津將在2024年建成人工智慧試驗區，這也意味著它還有更大的潛力，來完善整個AI產業鏈（目前主要集中在上游的晶片行業以及下游的人工智慧應用場景）。

眾所周知，無論是城市、企業還是科研機構，要想發展人工智慧產業，都離不開最基礎的算力支援。

從報告給出的下面這兩份資料我們就可以看出，在人工智慧市場節節攀升的同時，算力規模也在跟進增長，並且更為迅速（尤其是智慧算力）。

具體來看，AI市場方面：

IDC預測，2022年中國人工智慧市場相關支出將達到132億美元，預計到2025年達到267億美元，五年複合增長率達21.1%。

算力方面：

今年就已經佔比過半的智慧算力，預計到2026年規模將進入每秒十萬億億次浮點計算（ZFLOPS）級別，達到1271.4 EFLOPS。

2021-2026年期間，預計中國智慧算力規模年複合增長率達52.3%，同期通用算力規模年複合增長率為18.5%。

智慧算力市場一a火熱朝天，這正如浪潮資訊副總裁、浪潮人工智慧與高效能運算產品線總經理劉軍所說，因為：

算力是數字經濟時代的核心生產力，智算力是未來創新的核心推動力。

如當下爆火的chatGPT所基於的GPT-3模型，其計算需求3640Petaflop。

什麼概念？現在全球最快的超級計算機——日本“富嶽”，每秒都只有550Petaflop。

再如特斯拉FSD全自動駕駛系統的融合感知模型，其訓練消耗的算力當量也有500個PD；計算生物屆的“大明星”AlphaFold2則是300個PD……

可以確切地說，無論是AI大模型訓練，自動駕駛系統的感知模型訓練，還是AI+Science或者數字人的建模或渲染等AI應用和創新，都無法離開強大算力（尤其是智慧算力）的支撐。

所以，難怪每個城市在加快各自的智慧算力基建化腳步。

那麼，我們也不妨認為：一些城市在今年的榜單中落榜，並非“沒落”，而是後起之秀太強了。

比如在今年的TOP榜單之外，合肥、武漢、長沙這三座城市在AI和算力方面都有不可小覷的發展，或許明年就能爭奪一把第二梯隊的位置。

智慧算力如何化為創新力？

據IDC觀察，目前，人工智慧向著多場景化、規模化、融合化等高應用階段方向發展，資料體量呈現出急劇增長態勢，演算法模型的引數量呈指數級增加，以加速計算為核心的算力中心規模正在不斷擴大。

要將這些算力化為真正的生產力，離不開AI晶片、伺服器、計算架構、雲服務、演算法模型、生態等方面的支援。

過去一年，它們有著怎樣的表現，並將呈現出什麼樣的趨勢？我們一一來看。

1、AI晶片：NPU增長最明顯

IDC預計，到2025年，全球AI晶片市場規模將達726億美元。

2021年，中國仍以GPU為主實現資料中心計算加速，市場佔有率近90%。

ASIC、FPGA、NPU等非GPU晶片市場則已超過10%。其中，設計邏輯相對簡單、具有顯著能耗節約優勢的NPU較以往有明顯增長。

而從整體來看，中國AI晶片市場呈現出以下四大特點：

發展前景廣闊、低能耗成為大勢所趨；

但不同型別晶片發展參差不齊（用於終端的發展較快、用於雲端計算等領域的通用基礎層晶片較為滯後）、生態鏈條也待完善。

2、AI伺服器：浪潮市佔率全球第一

AI伺服器作為人工智慧市場增長的主力軍，在2021全球市場首次突破千億元人民幣（約1045億元），同比增速為39.1%，超過全球整體人工智慧市場的增速。

在這之中，中國廠商浪潮資訊以20.9%的市佔率位列第一，其次是戴爾（13.0%）和HPE（9.2%）。

縱觀未來，預計到2025年，全球AI伺服器市場規模將達到約1929億人民幣（277億美元），五年複合增長率為20.3%，並有超過80%的中國企業將在接下來的一年中持續增加人工智慧伺服器的投資規模。

IDC認為，從工作負載角度來看，隨著人工智慧模型逐步進入廣泛投產模式，相關企業將更多地使用人工智慧伺服器處理推理工作負載，而非訓練。

3、計算架構：加速創新

基於 DSA（ Domain-Specific Architectures）思想設計的人工智慧晶片正在成為主導，推動了人工智慧晶片多元化發展。

多元算力從“能用”到“好用”並且為企業創造業務價值，離不開通用性強、綠色高效、安全可靠的計算系統的支援。

業內正在推動多元算力系統架構創新，基於計算節點內和節點間的互聯技術破局現有計算架構的瓶頸，透過充分調動起多晶片、多板卡、多節點的系統級能力，實現各種加速單元以及跨節點系統的高效協同，提升計算效能。

4、雲服務：搜尋、人臉識別和推薦引擎排名前三

雲端計算可以為企業提供更豐富的算力支援。

據IDC統計，2021年人工智慧公有云服務市場規模只佔人工智慧軟體整體市場的13.4%，但從年增長率來看，它的增長速度仍然遠遠超過後者。

目前排名前三的AI雲服務分別是: 搜尋、人臉識別和推薦引擎。

而在未來18個月，IDC預計，前三名將會變成：NLP、影像識別和影片識別。

之所以“易主”這麼快，浪潮資訊劉軍解釋道：因為目前的三者其實都屬於感知智慧、計算智慧的範疇。

而這兩大智慧已經發展得較為成熟，可提升空間變得有限。就比如智慧客服，它對於方言、雜音的識別已經很強了，接下來該重點發展的其實回答的邏輯等方面，也就是我們所說的認知智慧和決策智慧。

不過，除了NLP、影像識別和影片識別這三類偏向認知智慧和決策智慧的雲服務，智慧語音公有云服務、對話式人工智慧的市場也將進一步增長。

此外，未來2-3年內，私有化部署也仍將是雲服務市場的主流。

5、演算法模型：開始基於通用模型生成專業模型

2021年是大模型的爆發之年，業界開啟了大模型引數競賽，不斷重新整理模型效能和通用任務能力邊界。

到了今年，大模型就已具備“通用智慧”的雛形，相比堆砌引數，現在大家更加趨於理性，更注重綠色低碳、服務能力下沉以及商業模式的實踐。

在具體實踐中，業界已開始基於通用大模型生成具備該行業或場景所需特定技能的專業模型。

這樣的模型在保留通用大模型的知識、認知推理能力及泛化能力基礎上，實現針對該領域的技能專業化、模型輕載化和呼叫標準化。

比如浪潮資訊釋出的四個技能模型——知識增強的對話模型、知識檢索問答模型、中英文翻譯模型、古文理解模型，就是在繼承“源 1.0”大模型通用的知識與能力基礎上，面向特定領域的場景進行針對性的技能最佳化。

再比如騰訊，也是基於“混元”AI大模型，細分出涉及NLP、CV、OCR、多模態內容理解、廣告文案生成等方向的專業模型。

需要特別提到，2022年AIGC領域的蓬勃發展也有大模型的一大部分功勞。

6、生態：人工智慧領域，算力演算法的標準化仍是重點

標準化是技術規模化應用的必要前提。

但目前的人工智慧技術及基礎架構，定製化的工作量依然很大，主要集中在多元人工智慧晶片適配、人工智慧算力資源管理和排程、深度學習開發環境部署等各個方面。

這既限制人工智慧算力的使用效率，也不利於人工智慧在各行各業的推廣和應用。

因此，智慧算力和演算法的基建化和標準化，就成為了人工智慧產業發展在生態方面需要關注的重點。

中國“最AI”行業：網際網路強勢榜首、金融電信醫療增長最快

除了AI算力城市排名，哪個行業AI含量最高也是本榜單的一大關注熱點。

根據行業滲透度資料，可以發現：

• 儘管增勢放緩，網際網路仍強勢第一，AI在其中的應用滲透率已達83%。這和該行業入局早不無關係。

• 金融行業排第二，它也是今年AI滲透率增長最快的一個行業，總比例達到62%（增長了7%）。

典型應用場景包括智慧客服、實體機器人、智慧網點、雲上網點等。

除此之外，金融行業一直備受困擾的欺詐問題在AI的幫助下得到了緩解；以及貸款信用業務中的客戶財務背景及風險狀況的評估上也發揮了關鍵作用。

• 排名第四的是電信行業，AI滲透率超過一半（51%），增長速度僅次於金融。

本行最大的優勢就是使用者基數龐大，可以獲得高價值的訓練資料集，典型應用包括智慧營業廳。

• 製造業也值得關注，本次排名第五。

AI的滲透有助於製造業向工業4.0和工業網際網路時代邁進，應用場景包括互動介面智慧化、質量管理及推薦系統、維修及生產檢測自動化、供應鏈管理自動化、產品分揀等。

IDC預計，到2023年年底，中國50%的製造業供應鏈環節都將採用人工智慧，從而提高15%的生產率。

• 最後，值得說道的是醫療行業，雖然滲透率目前只有35%，但其增長速度僅次於電信。

醫療行業在AI應用層面起步較晚，一部分原因是因為相關標準和規範還不完善，只有少量醫療人員參與人工智慧開發和應用。

不過隨著法規的完善，AI在醫療行業的應用會快速擴充套件，潛在場景包括電子病歷、輔助診斷，以及這一年來很火的藥物輔助研發等。

……

總體來看，由於AI能作為各行各業尋求新的業務增長點、提升使用者體驗、保持核心競爭力的重要能力，它在各個行業的應用程度都呈現出不斷加深的趨勢，應用場景也越來越廣泛。

未來幾年內，哪些行業的AI應用具備更高的潛力，IDC也作出了預測：

2030年以後，AIGC、自動駕駛、科研和教育這四個行業將十分值得期待。

我們如何應對這些趨勢？

儘管從報告來看，我們的AI產業正處於欣欣向榮的階段。但其實僅有1/3的企業聲稱AI在他們的業務應用中已達到成熟階段。

IDC透過洞察發現，為人工智慧專門構建的IT基礎設施的缺乏往往是AI應用無法進一步深入的原因。

在此，針對這一點以及上文所表現出來的各項趨勢，本報告在最後也給出了幾方面的建議。

首先，對於行業使用者來說，AI算力基礎設施應成為IT基礎設施建設重點，想要破解模型研發和落地過程中存在的高投入、高風險等挑戰，就不得不做好算力基建化。

此外，由於行業使用者不具備模型二次開發的技術能力，因此更需積極地參與到人工智慧的生態建設中來。

其次，對於技術供應商來說，應努力推進構建和部署模型的自動化程式，降低行業使用者獲得AI能力的門檻。

最後，對於整個人工智慧產業來講，技術提供商和行業使用者應該堅持更加開放和深入的合作。

無論在演算法模型還是算力層面行業，從業人員在學習全球先進技術的同時，都需要加速自主研發的程式，拉近與全球領先者的差距——尤其是作為算力的核心的晶片自主研發已迫在眉睫。

那麼最最後，對於這份報告，你有什麼想說的？有哪些點讓你印象深刻？