中国AI长卷（一）：大国重算
编者按：“中国AI到底发展得怎么样了？”在各种社交平台上，我们经常会看到这样的问题，也会看到各种各样的答案，但这些答案有着普遍的缺陷。它们往往只抽取一两个片段或案例，用非常取巧，甚至有点抖机灵的方式，极端唱好或者唱贬中国AI。
事实上，所谓的中国AI产业覆盖面非常广泛。每个领域有各自的发展特点，产业优势以及产业局限性，很难用过分简单的方式，来概括事实上非常复杂的AI产业。
或许，复杂的问题就应该有详细的答案。就像一幅小画，画不尽中国广袤的山水。
想要探寻中国AI的底色，需要梳理来龙去脉，需要回看一步一景，需要去画一幅长卷。
今天我们都知道，驱动AI算法工作的“燃油”是AI算力。尤其当深度学习算法发展到了预训练大模型阶段，AI算力已经成为整个AI领域的最大成本开销。根据相关数据，算力成本要占到大模型训练成本的70%左右，在大模型推理阶段则高达95%。
如果说，AI产业是一间工厂，那么AI算力就是工厂所需的煤和石油。更为致命的是，这些“煤和石油”的供应处在一种半垄断状态。在这次AI复兴当中，英伟达用GPU占据全球AI算力市场的主导地位。英伟达的高端AI算力不仅成本高昂，供不应求，但对于蓬勃发展的中国AI产业来说，能否确保其供应稳定都要打上大大的问号。
在算力贵且不稳的前提下，中国AI产业却涌现出了巨大的AI算力需求。根据相关数据预测，2030年全球AI算力的需求将达到2020年的500倍。其中，中国AI算力的增长是主要驱动力。目前阶段，中美之间的AI算力差不多是1比1.5。种种迹象显示，未来两国间的AI算力需求将拉平，甚至中国反超。
成本高昂、供应不稳，需求激增，这三点勾勒出了中国AI算力的整体发展背景。
AI算力就是生产力。在种种令人不安的局面下，中国AI开始了聚沙成塔般的算力突围。
2017年，是人工智能第三次兴起的第一年。在这一年里，AlphaGO实现了对人类棋手的全面胜利，自动驾驶被广泛看好，深度学习算法四处开花。而这一切算法表现的背后，都离不开AI算力的支持。
这一年，英伟达拉开了股价飙升，AI算力产品频繁迭代的大幕。谷歌开始在云上布局TPU等自研算力。全球半导体产业开始看到AI算力这个极具想象力的新方向。
而与此前历次半导体风口不同的是，这次中国的从业者们没有后知后觉，待产业成熟后再加油追赶，他们选择了抢跑。
在2017年10月，海思打造了麒麟970，把端侧AI算力带到了华为手机。11月，中国科学院和寒武纪共同发布了新一代产品，其中包括面向手机与云端的AI处理器。这在当时被称为全球首个深度学习专用处理器芯片。
如果说，这些芯片还更多集中在端侧场景，不能直接对标英伟达提供的高端AI算力，尤其是AI训练算力，那么到了2018年，情况就正式发生了改变。
2018年10月，华为正式发布了全栈全场景AI解决方案。构成全站全场景AI主体的，是两款华为自研的AI芯片，也就是当年发布了用于推理的昇腾310，以及预告中的昇腾910，伴随着昇腾这个名字的出现，华为在AI基础设施领域的一系列布局开始浮现出来。
彼时，中美之间的贸易摩擦还没有开始。中国科技界不会料想到科技封锁的大棒即将迎面而来，更不会料想到AI算力这个还非常新颖、前沿的概念，居然会在几年后成为美国反复操纵，极力打击的中国科技“命门”所在。
如果没有华为对AI机遇的预判，昇腾在AI算力上的抢跑，或许后面的故事，就会是另一个走向。
2019年到2022年，中国AI算力发展进入第二阶段。简要概述这个阶段的发展目标，就是把AI芯片变成了AI算力。
提及AI计算，很多朋友会有种疑惑，一方面国产AI芯片似乎非常多，时不时就能看到相关报道，但另一方面却又都说AI算力卡脖子。其中的问题，就在于芯片和算力是有区别的。
芯片需要能够量产，能够变成板卡、服务器、小站等计算产品，还需要具备全套的软件生态来帮助用户进行调用、开发，需要与各个应用场景进行适配，证明可用性。在这一系列问题都得到解决之后，还需要形成足够大的市场规模。
要顶着性能没有英伟达好，成本、生态、商业信任全都没有优势的逆境走向市场，国产AI算力这条…
…强的AI芯片优势。由此，异构智算开始成为企业和数据中心新的需求。
这三根“足”，给中国AI算力带来了某种稳定性。经过极限情况下的多年经营与发展，今天中国AI算力谈不上充沛与廉价，至少有了可以遮风挡雨的稳固。
至少我们可以看到，中小企业应用AI算力的综合门槛正在降低，AI算力的选择在增多，异构协同能力在加强，并且熟悉了昇腾与海光DCU这样能够直接替代英伟达GPU的存在。中国AI是否会因为算力而陷入生存僵局，已经不再是个问题。
总结一下，在AI算力层面，我们有办法，但办法不够好，其实也不够多。
然而换个角度想想，幸好我们有方法，否则麻烦就大了。
依靠精准的预判抢跑，在多重助力下超高速发展，在外部压力下极限成型。
智算，终成国之重器。
感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。
