编者按：
“新基建”中，人工智能的基础建设是重要的一部分，而人工智能的发展，离不开算力的支撑。这篇文章，来自长期做计算基础建设的业内人士。
浪潮集团人工智能和高性能事业部总经理刘军认为，AI计算将成为相关基建的核心支撑。
随着数据量增加，和计算模型变复杂，对算力的需求也不断增加。传统计算平台需要转型升级。
从AI应用来看，随着AI技术渗透到各行业，产业AI化将带来更大的市场，同时又面临基础设施投入、人才缺口、底层研发三大挑战。
而最终，中国的人工智能，需要在发展中实现持续的自我循环。
作者介绍：
刘军，浪潮集团人工智能&高性能计算(AI&HPC)部总经理，拥有HPC领域19年技术与应用专业经验，参与发起组织世界大学生超算竞赛(ASC)，曾获国家科技进步二等奖及北京市科学技术一等奖。
要点
- 新基建不仅要“保增长”，更要推动“调结构”，是产业结构调整的重要支撑。
- 高速增长的海量数据与更加复杂的模型，为计算带来更大挑战。
- 互联网占AI算力投资市场的62.4%，随后是政府行业、金融行业以及制造业。
- 产业化AI，会带来高达万亿规模的市场。
- 产业化AI，面临基础设施投入不足、人才缺口限制发展潜力、基础研究薄弱三大挑战。
全文：
（小标题为后添加）
近期，中央提出要加快 5G网络基站、人工智能、大数据中心、工业互联网等新型基础设施建设进度，“新基建”概念成为社会各界普遍关注和探讨的热点议题。
关于新基建的看法很多，但一个被广泛认同的共识是，“新基建”不仅是促进我国经济复苏的一种手段，更是我国产业结构调整的重要支撑。简单来说，“新基建”的使命不仅要“保增长”，更要推动“调结构”。
那么，人工智能新型基础设施包含哪些要素？如何构建AI计算新型基础设施？人工智能又将从哪些方面推动我国产业结构的转型和升级？
AI计算基础设施：“软和硬”两部分
“新基建”与传统基建的区别很大，其中一个核心的差异点就是推动数字经济基础设施建设，以支撑传统产业向网络化、数字化、智能化方向发展。这实际上是一个物理世界向信息世界、信息世界向智能世界不断扩展的过程。
AI计算基础设施包含了“硬和软”两大部分。
一方面计算、存储、网络硬件基础设施，共同形成了支撑新一代人工智能广泛应用的硬件基础设施体系；另一方面，多样化的机器学习框架、算法以及相关的工具软件、PaaS平台、服务等等，共同构成了支撑人工智能应用开发与持续创新的软性基础设施体系。
AI算力需求增长，对基础设施提出要求
AI计算基础设施将成为整个新一轮AI基础设施建设的重中之重。目前，高速增长的海量数据与更加复杂的模型，正在为计算带来更大的挑战。
如果计算力不能快速增长，那我们将不得不面临一个糟糕的局面：当规模庞大的数据用于人工智能的训练学习时，数据量将超出内存和处理器的承载上限，整个训练过程将变得无比漫长，甚至完全无法实现最基本的人工智能。
数据显示，目前全球数据量正以平均年增长率50%的速度增长。
IDC预测2020年全球数据总量将达到44ZB，中国的数据总量超过8ZB，占全球数据总量的18%，而到2025年全球数据总量预计将达到175ZB。同时，深度神经网络也在快速发展，更深更大的算法模型、更复杂的架构正在成为趋势。
对于人工智能所面临的越发严峻的计算挑战，浪潮已做好准备。
我们将在今年实现人工智能服务器的全面换代，为客户提供更强计算性能与更高互联带宽的丰富产品，支撑用户进行更大数据规模、更复杂模型的AI训练及部署。
同时也会与合作伙伴展开更加广泛的合作，共同打造敏捷、易用和丰富的人工智能算法、模型、应用开发的软件环境。
AI计算基础设施支撑产业AI化发展
AI计算基础设施的价值在于促进生产效率的变革性进步，它是人工智能技术的核心价值之一。
因此，人工智能应以产业化应用为目标，通过与制造、金融、交通、医疗等行业的深度融合，以智能化升级带来各行业的质量变革、效率变革和动力变革，AI计算基础设施将是推动这种转变的核心支撑力量。
目前，人工智能应用的范围在行业中已经很广泛，并且每年都保持高速增长。
据IDC和浪潮联合研究发布的《2019-2020中国人工智能计算力发展评估报告》显示，互联网占据中国62.4%的人工智能算力投资市场份额，保持第一的位置。典型应用场景包括：电商精准营销、图像识别和智能客服，视频内容审查、人脸识别和智能写作等。
政府行业紧随其后，典型应用场景主要集中在平安城市、智慧城市、智慧交通等城市运营和管理平台。
第三的金融行业典型应用场景主要包括金融行业的身份验证、支付过程中的人脸识别、欺诈分析与调查等。
第四的制造业的质量管理(QC自动化)、智能工厂等发展迅猛。
电信行业首次入围前五，典型应用场景包括相对成熟的智能客服和精准营销等。
产业AI化带来更大市场
在过去几年行业的具体实践中，我们有一个非常深刻的体会，那就是AI产业化会带来一个千亿规模的市场机会，而更大的产业AI化市场，则会产生一个高达万亿规模的大市场。
但要推动人工智能快速落地，又会遭遇需求多元化且相互矛盾的压力，产业AI化的发展受到的是从技术上和商业上双重的挑战。
那么，如何在双重挑战之中驱动产业AI化的升级？为此，浪潮提出了“元脑生态”，希望通过生态共建的新模式，来实现整个AI产业的融合智变和智慧合力。
元脑生态的独特性在于它并不独属于某个企业，而是由三大核心要素结合构成。
第一是左手伙伴，即具备人工智能开发核心能力的公司；
第二是右手伙伴，长期经营在每个行业领域的信息化、数字化、智能化过程中，具备实施最终客户行业人工智能整体方案交互能力的系统集成商、软件开发商；
第三，在元脑生态计划中，浪潮将共享三大核心平台，包括高效创新的AI计算平台、敏捷协作的AI资源平台和即时交付AI算法工具平台。
三方共同协作构成开放融合的生态，高效聚合产业力量，促进产业AI化的融合落地。
目前，“元脑生态“已经聚合了100+左手伙伴和1000+右手伙伴，联合打造了涵盖智慧金融、智慧教育、智能工业、智慧医疗等数十个基于不同场景的人工智能解决方案。
产业AI化仍面临三大挑战
人工智能产业发展正处于关键时期，一方面我们看到其中蕴含的巨大潜在能量而受到各方追捧，另一方面，也面临着基础设施投入不足、人才缺口限制发展潜力以及基础研究薄弱三大挑战。
首先是AI计算的基础设施投入不足，新基建将推动这一问题的解决。
目前，在人工智能计算基础建设上，中国已经落后。美国和日本已经在建设政府人工智能计算平台，如美国的Summit和日本的ABCI，而我国除了BAT在建大型的人工智能计算系统之外，大多还是以传统科学计算为主。
传统的科学计算平台不适合人工智能应用的需求，单纯依靠部分企业建设的算力平台适用面有限，只有把计算平台作为转型升级的基础设施投资来看，才能满足我国产业AI化的重大机遇发展。
而浪潮正在积极协同各级政府和产业机构，推进政府人工智能计算基础平台的建设。
第二是人才缺口限制发展潜力。
相关报告显示，中国人工智能人才缺口已超过500万人。虽然我国近年来中国人工智能人才培养已取得一定成效，但在高校人工智能相关学科建设和人才培养方面仍与发达国家有较大差距，主要体现在高层次领军人才、创新团队和跨学科创新平台不足，基础理论、原创算法等方面突破较少，复合型人才培养导向性不强等。
针对这一问题，政府将人工智能纳入“国家关键领域急需高层次人才培养专项招生计划”支持范围，鼓励和支持大学开展人工智能学科建设，目前已有35所大学将开设人工智能专业，培养对自动驾驶等技术至关重要的人才。
此外，浪潮也通过ASC世界大学生超算竞赛，与全球的上百所大学共同探索人工智能与超算复合型人才的培养。
第三是除了应用领域，还要关心基础技术、底层研发，这是影响未来的。这一方面与人才培养息息相关，另一方面也需要政府在资源配置上重点倾斜和扶持，更需要社会资本的广泛参与。
借助AI计算基础设施的核心支撑，通过人工智能人才带来的创新力量、清晰明确的政策导向和扶持、以及规模庞大应用市场，我们希望并坚信能看到中国人工智能发展实现一种持续的自我循环，这将推动我国成为人工智能的超级大国。
— 完 —
“
