2019人工智能計算大會開幕，IDC和浪潮重磅發布最新中國AI算力發展評估報告！報告顯示：北京超越杭州成中國算力霸主，深圳位列第三，蘇州、南京和西安首次躋身Top 10！

人工智能三大支柱：算力、算法和數據。數據，就是人工智能這只大軍的糧草；算法就是裝備；而算力則是戰力。

戰力反應了一支軍隊的實力。同樣的，算力也直接反應了一個城市在人工智能領域的投入和實力。

今天，以“計算，預見AI未來”為主題的2019人工智能計算大會（AICC2019）在北京拉開帷幕。

會上，不僅IDC和浪潮聯合發布《2019-2020中國人工智能計算力發展評估報告》，分享并探討了中國AI算力、數據、投資、基準等諸多人工智能領域的現狀和未來。同時浪潮還公布其“元腦生態”大計劃，聚焦當前階段產業AI化的落地應用需求。

浪潮稱，將共享其三大核心平臺：高效創新的AI計算平臺、敏捷協作的AI資源平臺和即時交付AI算法工具平臺。最終由具備AI功能開發核心能力的科技公司——左手伙伴，和具備實施AI整體解決方案能力的SI、ISV——右手伙伴，以及浪潮共同創建“元腦生態”。

中國城市AI算力排行榜：北京成霸主，廣州進前五

那么中國城市的AI算力哪家強呢？IDC在報告中進行了一次排行：TOP 5城市依次為北京、杭州、深圳、上海、?州，排名6-10的城市為合肥、蘇州、重慶、南京、西安。 相?去年，北京、?州、蘇州、重慶和西安這五個城市的排名都所提?，尤其是廣州由第二梯隊進入前五，蘇州、南京和西安更是首次躋身Top 10！

北京擁有AI初創企業近500家，是全國各城市中最多的，在AI成熟企業的數量上也領先全國。百度、字節跳動、京東等互聯網企業，商湯、曠視、寒武紀、深鑒科技等初創公司均坐落于北京。在學術和人才資源上，清華、北大、北航、中科院等高等院校和科研機構為北京AI的發展提供了雄厚的科研和人才基礎，今年北京也是超越杭州位居第?。

去年的霸主杭州雖被北京搶了位子，但其背靠阿里巴巴、浙大等，起點頗高。杭州的AI專利申請數和授權數，均位居全國前列。政府也發布了多個支持杭州AI行業發展的指導性政策。海康、大華等智能安防領域的領軍企業，也在進行著大規模的AI投資和探索。

深圳一直是創新企業的搖籃和技術創新中心，培育了華為、騰訊、招商銀行、平安科技、云天勵飛等行業領先企業，在智能城市建設和自動駕駛技術方面位居全國前列。

?州則依靠GDP增速領先，政府在??智能??加大投?，以及?量?業領先企業的進駐，迅速從第二梯隊進入前五。 而蘇州、南京和西安三城，憑借政府對科技產業園的建設，?才和資本的聚集以及領先企業的帶動，?次進?前?。 算力是基礎保障，3年后推理為王訓練退讓

算力是人工智能發展的基礎保障，未來仍有很大的發展空間。而隨著數據的獲取及處理的門檻在不斷的下降，加上算法在不斷優化，算力也開始不斷提升，對芯片的需求也逐漸豐富起來。

狹義上的AI芯片特指AI加速器或計算卡，是專門用于加速AI應用中、大量計算任務的模塊。而從廣義來看，只要是面向AI計算的芯片，都可以稱其為AI芯片，例如GPU、FPGA、ASIC等。

目前，人工智能領域的主流芯片依然是GPU芯片，其中英偉達和AMD是比較突出的兩大廠商。

FPGA經常用做ASIC芯片的小批量替代品，近年來在微軟和百度等公司的數據中心有部署，以提供強大的計算力和足夠的靈活性。目前市場上應用比較多的是Xilinx和Intel兩大廠商。

ASIC芯片是針對專?應用而特別設計的，所以可以滿足體積小，功耗低，保密性強，計算效率高等用戶需求，并且出貨量越大其成本越低。目前，國內主要的ASIC芯片供應商包括寒武紀、地平線、華為等，國外有Graphcore等。

而芯片從不同的維度，可以劃分為不同的類型。從承擔任務的角度可以將芯片劃分為訓練芯片和推理芯片；從部署的位置可以劃分為云、邊、端等。

訓練芯片主要是處理海量數據，從而訓練出復雜的深度神經網絡。這個過程運算量非常大，需要龐大的計算規模，對于處理器的計算能力、精度、可擴展性等性能要求很高，目前主要依靠GPU集群。

而推理則是訓練的下一個階段。直接利用已經訓練越好的模型，使用新的數據去推理出各種結論，例如通過人臉識別去判斷一個人的年齡。雖然相比訓練芯片，推理芯片的計算量少了，但更注重綜合指標，包括單位能耗算力、時延、成本等都要考慮。

根據IDC預計，到2022年，人工智能推理市場占比將達到52.1%，首次超過訓練市場。這意味著，未來已不再是單純的算力比拼，將會更加注重多種指標的綜合。不光要算的快，還要算的巧、算的妙。

未來，GPU依然是數據中心加速的首選，但隨著邊緣、端側需求的快速增?，人工智能芯片市場將迎來多元化發展。

2023年中國AI服務器市場達83億美元，16卡GPU服務器增速超10倍

不斷膨脹的人工智能市場，帶動人工智能服務器的發展駛入了快?道。IDC預計到2023年，中國人工智能基礎架構市場將超過80億美金，未來五年年復合增?率達到33.8%，增速是中國整體基礎架構市場的三倍以上。

服務器廠商相繼推出搭載GPU、FPGA等多種加速類型專?AI服務器，適用于深度學習、計算機視覺、語音識別、NLP、視頻分析等多個領域，廣泛應用于視頻監控、圖像處理、自動化客服、精準營銷推薦等典型AI應用場景。

另外，一些廠商也推出了專用的GPU一體機，如英偉達的DGX系列服務器和浪潮的AGX系列服務器。

全球人工智能基礎設施市場規模在2023年將達到229億美元，未來五年復合增?率為27.9%。

中國人工智能基礎架構市場在2023年將達到83億美元，未來五年復合增?率為33.8%，其中服務器市場規模占整個硬件市場85%以上。

16卡GPU服務器增?迅速，銷售額從2017年的2090萬美元增?到2018年的2.63億美元，同比增速高達1161.7%！而在GPU服務器整體份額中，浪潮占比最高，份額接近8成。

另外，GPU中的M4、P4、T4型號份額占比從8.5%提升到27.6%；FPGA銷售額同比增?1736.1%。這一趨勢表明，中國人工智能已逐漸步入大規模應用階段，產業AI化進程正不斷加速。

2018年中國GPU服務器市場份額排名前三的供應商依次為浪潮、華為和曙光，其中浪潮占比超過50%。

浪潮憑借較早的進入人工智能領域，通過JDM模式與領先互聯網公司進行深入合作，在中國互聯網行業，浪潮GPU服務器市場份額超過60%，并不斷向傳統行業滲透。

這意味著未來人工智能將會是傳統企業數字化轉型的關鍵，IDC預測到2023年，全球35%的員工將開始使用機器人或其他形式的人工智能。

AI算力投資排行：互聯網行業居首，不同行業差異明顯

2019年上半年，按照??智能算?投資排名的TOP5?業與去年排名保持?致，依次為互聯?、政府、?融、制造和服務。 其中，服務?業中以科?訊?、商湯、曠視、依圖、寒武紀第四范式等為代表的??智能科技企業，加快對??智能基礎設施的投資，逐漸形成獨特的核?競爭優勢。 ??智能正在成為?股顛覆性?量。??智能?例的范圍已經很?泛，并且每年都保持?速增?。 ?數據、?性能計算和復雜的機器學習能?的融合，使得??智能成為現實。 ??智能在各?業的應?也更加豐富和成熟，其中在互聯?、政府、?融、電信、制造等?業已經形成了?較典型的應?場景。 但在不同的產業間、不同規模的企業間，在??智能應?的進程上差異明顯。隨著??智能技術價值的不斷凸顯，?們對??智能系統的熱情已經超出了炒作的范圍！??智能技術也真正開始應?，并成為傳統企業數字化轉型的關鍵?步，在整個商業界、IT界和普通?眾中，產?前所未有的影響。

而戰力的保障是糧草。三軍未動糧草先行，糧草決定了軍隊能否好無后顧之憂的打持久戰。

2025年中國將擁有全球最大的數據圈

根據IDC和浪潮聯合發布《2019-2020中國人工智能計算力發展評估報告》指出，全球新創建的數據量將從2018年的33ZB增?到2025年的175ZB。

175ZB的數據量是個什么概念呢？如果換算成4K版哪吒之魔童降世，大概相當于70000億部。

另據《IDC：2025年中國將擁有全球最大的數據圈》白皮書顯示，在所有國家中，中國數據圈的增量最顯著！

2018年，中國數據圈7.6ZB，占全球數據圈23.4%。而IDC預計到2025年時，這個數字將變成48.6ZB，占全球數據圈的27.8%。屆時，中國將成為全球最大的數據圈！

其中，數據增長主要動力來自娛樂平臺、視頻監控錄像、聯網設備、生產力工具和元數據，這些數據對于信息的分析和上下文化至關重要。

在數字經濟時代，數據在各行各業扮演的角色越來越重要，公司也越來越倚重數據，并且這種依賴只會在未來不斷增加。

據IDC統計，世界領先的互聯網公司大數據量已達到上千PB，傳統行業?頭型企業數據量也能達到PB級，個人也能夠產生數千TB數據。

這些數據資源類型豐富、場景各異，為人工智能系統自主學習并建立預測模型提供了豐沃的土壤。

除了使用實際數據，未來人工智能系統還將越來越多的 使用大量模擬數據用于模型訓練，這也將使得人工智能模型的開發速度大幅升。

可以說在未來，誰的糧草足、數據多，誰就占據了先機。同時，數據量的暴增也在催著算力不斷升級。

標準為王的時代，AI領軍企業紛紛參與行業基準制定 越來越多的??智能領軍企業參與到?業性能評測基準建設中，但總的來說業界?前缺少統?的基準，?多數現有的深度學習性能基準相對單?。隨著AI框架不斷優化，模型不斷迭代以及算法不斷更新，各類基準也將持續的完善升級與之適應。

?前業界主流的AI Benchmark有DAWNBench、MLPerf等。DAWNBench由斯坦福提出，是?種?于端到端深度學習訓練和推理的基準套件，它提供了?組常?的深度學習?作負載，?于在不同的優化策略、模型架構、軟件框架、云和硬件上量化訓練時間、訓練成本、推理延遲和推理成本。 MLPerf由?歌、Intel、NVIDIA、AMD、浪潮、阿?、百度、哈佛、斯坦福等產學界機構組成，MLPerf是衡量機器學習軟件框架（如 TensorFlow、PyTorch和MXnet）、機器學習硬件平臺（包括Google TPU、Intel CPU和Nvidia GPU）和機器學習云平臺中訓練和推理性能的?個?泛的基準套件。 除此之外，中國??智能?業領軍企業也開始積極推進?業基準建設，如SPEC于2019年設?SPEC Machine Learning技術委員會 ，由發起者浪潮擔任?任主席，Intel擔任秘書?，成員包括浪潮、Intel、Alibaba、AMD、ARM、HPE、IBM等12家企業，涵蓋了從芯?、整機、 框架、應?等不同產業環節的領先企業和科研機構，以推進機器學習測試標準；另外，阿?巴巴發布的AI Matrix基準，?于阿?內部的芯?設計和技術選型，同時也?向開發者開放?部分能?。