2023智能算力发展白皮书

2023智能算力发展白皮书 2023智能算力发展白皮书 新华三集团 中国信息通信研究院2023年8月 版权声明 2023智能算力发展白皮书 本白皮书版权属于新华三集团和中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本白皮书文字或者观点的，应注明“来源：《2023智能算力发展白皮书》”。违反上述声明者，将追究其相关法律责任。 2023智能算力发展白皮书 前言 发展数字经济是把握新一轮科技革命和产业变革新机遇的战略选择，在数字化、智能化时代，算力就是数字经济发展的核心生产力，智能算力就是创新力。当前人工智能正向多场景、规模化、融合度高的阶段发展，数据量急剧增长，算法模型愈加复杂，应用不断延伸，这对智能算力的发展提出了更高要求。放眼世界，很多国家都在积极开发和部署智能算力资源，以塑造未来发展优势。在这样的背景形势下，新华三集团联合中国信息通信研究院，共同编制了《2023智能算力发展白皮书》，希望与业界同仁共同推进我国智能算力高质量发展。 白皮书提出了智能算力内涵定义，对当前全球及我国智能算力的总体情况、智能算力应用及技术发展现状进行系统性梳理。同时，深入分析了智能算力发展面临的挑战，并提出解决方案。最后白皮书展望智能算力未来发展趋势，并提出下一步发展建议。 时间仓促，白皮书不足之处在所难免，我们后续将不断更新完善，意见建议请联系dceco@caict.ac.cn。 2023智能算力发展白皮书 目录 1背景与意义1 1.1智能算力的定义与内涵1 1.2发展智能算力的意义2 2智能算力总体情况3 2.1全球智能算力总体情况3 2.2我国智能算力总体情况4 2.3我国智能算力行业应用分布5 3智能算力发展现状和挑战6 3.1智能算力技术层面应用发展现状6 3.2智能算力应用层面发展现状12 3.3智能算力发展挑战及解决方案22 3.3.1算力需求23 3.3.2能耗23 3.3.3算法复杂度24 3.3.4数据隐私和安全25 3.3.5生态合作26 4智能算力未来发展趋势27 4.1人工智能加速渗透，多样化场景催生多元化算力需求27 4.2政策驱动，智能算力低碳发展成硬性要求28 4.3边缘智能应运而生，边缘计算与人工智能融合发展28 4.4智算中心建设加速，应对高质量算力需求29 4.5模型规模不断扩展，海量多元化数据亟需巨量化算力30 4.6自主学习能力提升，推动算力实现更高层次智能30 5智能算力发展展望与建议31 5.1智能算力发展展望31 5.2智能算力高质量发展建议33 2023智能算力发展白皮书 图目录 图1近两年全球算力规模情况4 图2近两年我国算力规模情况5 图3中国人工智能行业渗透度6 图4深度学习发展历程9 图5计算机视觉产业链全景图谱11 图6元宇宙虚拟世界表示、交互方式及内容创作方式演变14 图7国内外AIGC产业化情况15 图8数字孪生的技术体系17 图9边缘智能布局架构18 图10我国智能算力规模及预测32 1背景与意义 2023智能算力发展白皮书 1.1智能算力的定义与内涵 全球算力发展正面临应用多元化、供需不平衡等挑战，人工智能、数字孪生、元宇宙等新兴领域的崛起，推动算力规模快速增长、计算技术多元创新、产业格局重构重塑，智能算力作为数字经济时代新的生产力，对推动科技进步、赋能行业数字化转型以及经济社会发展发挥着日益重要的作用。智能算力即人工智能算力，是面向人工智能应用，提供人工智能算法模型训练与模型运行服务的计算机系统能力。智能算力通常由GPU（GraphicsProcessingUnit，图形处理器）、ASIC（ApplicationSpecificIntegratedCircuit，专用集成电路）、FPGA（FieldProgrammableGateArray，现场可编程逻辑门阵列）、NPU（NeuralnetworkProcessingUnit，神经网络处理器）等各类专用芯片承担计算工作，在人工智能场景应用时具有性能更优、能耗更低等优点。 智能算力是数字经济时代的重要支撑。数字经济依赖于数据的处理和分析，而智能算力为这些操作提供了强大的支撑。企业和个人利用智能算力提供的高性能计算能力处理海量的数据，实现快速、准确的数据分析，从而为企业的决策和发展提供更多的信息和支持。人工智能、大数据、物联网等新兴技术在智能算力支持下能够更加高效地进行数据处理、模型训练和决策推断，加速技术落地，推动数字经济与实体经济深度融合。 智能算力是人工智能发展的动力。智能算力使得运算速度大幅增 1 2023智能算力发展白皮书 加，处理复杂数据的能力大幅提升，传统的人工任务逐渐被自动化和智能化取代，人们开始寻求更加复杂和高级的任务，如自动驾驶、自动翻译、半自动化医疗，人工智能领域进入了一个全新的阶段。另外，随着智能算力的提升，新的算法和技术不断涌现，为人工智能发展带来了新的创新机遇。通过大规模并行计算、深度学习、神经网络等技术，在智能算力的支持下，人工智能在各个领域都得到了广泛应用，推动了人工智能技术的进一步突破。 智能算力是科技创新的新引擎。智能算力为科技创新提供强大的 计算支持，促进了科技创新的效率和质量。学术和工业界能够处理更加复杂的计算任务，科研人员可以更快速地进行大规模数据处理、模拟实验和模型训练，极大地提高了科技创新的效率和质量。另外，智能算力可以推动新兴技术的突破，催生众多的创新应用，为科技的发展带来新的思路和方法。在人工智能技术当中，智能算力是算法和数据的基础设施，更快速、更高效的数据处理能力使得人工智能可以应用于更多的领域。 1.2发展智能算力的意义 智能算力作为关键生产力要素，推动数字经济高速发展。智能算力使得数据的处理和分析变得更加高效、准确，使得庞大的数据量可以更加高效地被挖掘和利用，为数字经济提供了强大的基础支持。如在制造业领域，智能算力可以提供实时的生产数据，实现智能化的生产管理，提高企业的生产效率和产品质量。在服务业领域，智能算力可以通过大数据的分析和挖掘，实现自动化的客户服务，提供更加智 2 2023智能算力发展白皮书 能、个性化的服务体验。此外，智能算力也推动了数字经济与传统产业的融合，通过与人工智能、云计算、物联网等技术的结合，加速我国实体经济加速向数字化、网络化、智能化方向转变。 智能算力为人工智能发展提速，促进行业应用。目前，人工智能 技术高速发展，智能化场景在行业的落地随着时间的推移，正呈现出更加深入、更加广泛的趋势，对智能算力的需求与日俱增。人工智能与制造、交通、医疗、农业等各领域融合日益深入，持续推动质量变革、效率变革、动力变革，源源不断地为经济高质量发展提供新动能。未来五年，随着人机交互、机器学习、计算机视觉、语音识别技术的成熟，人工智能将在企业市场中加快应用与落地，赋能传统行业转型升级，而智能算力将助力于人工智能的持续快速发展。 智能算力为科技进步提供新动力，推动科技跨越式发展。智能算 力为国家创新力的发展带来实质性推进，不仅在应用科学的突破上发挥了重要作用，也开始渗透到基础科学领域。科学家们越来越多地利用人工智能技术，从数据中建立模型，重点围绕新药创制、基因研究、新材料研发等领域加速对前沿科学问题的探究。如科研领域利用人工智能进行蛋白质折叠体结构的研究、抗菌耐药性基因的检测和识别；医药领域AI计算辅助疫苗和药物研发用于靶点选择和验证先导化合物筛选和优化等研发环节，从传统“手工试错”向计算辅助模式转变最大化缩短研发周期。 2智能算力总体情况 2.1全球智能算力总体情况 3 2023智能算力发展白皮书 全球智能算力的总体情况呈现快速增长的趋势。截至到2022年 底，全球算力总规模达到650EFLOPS，其中，通用算力规模为498 EFLOPS，智能算力规模为142EFLOPS，超算算力规模为10EFLOPS。智能算力规模与去年相比增加了25.7%，规模占比达21.9%，。IDC预测，全球AI计算市场规模将从2022年的195.0亿美元增长到2026 年的346.6亿美元。 图1近两年全球算力规模情况1 （数据来源：Gartner、IDC，中国信息通信研究院整理） 2.2我国智能算力总体情况 在算力规模方面，截止到2022年底，我国算力总规模为180 EFLOPS，排名全球第二。其中，通用算力规模为137EFLOPS，智 能算力规模为41EFLOPS，超算算力规模为2EFLOPS。中国智能算力正处于高速增长阶段，智能算力规模与去年相比增加了41.4%，规模占比达22.8%，，超过全球整体智能算力增速（25.7%）。 1部分数据来源：《中国算力白皮书（2022年）》 4 2023智能算力发展白皮书 图2近两年我国算力规模情况2 （数据来源：《中国算力白皮书》、中国信息通信研究院整理） 2.3我国智能算力行业应用分布 人工智能在各行业应用程度均呈现不断加深的趋势，应用场景越来越广泛。智能算力在行业应用情况可根据人工智能的行业渗透度来分析，与2021年相比，各行业人工智能渗透度明显提升。其中，互联网行业依然是人工智能应用渗透度和投资最高的行业；金融行业的人工智能渗透度从2021年的55提升到62，智能客服、实体机器人、智慧网点、云上网点等成为人工智能在金融行业的应用典型；电信行业的人工智能渗透度从2021年的45增长到51，人工智能技术融入电信网络的构建、优化，并为下一代智慧网络建设提供支撑；制造行业的人工智能渗透度从40增长到45，结合人工智能技术的传统制造业的智能化改造，已成为产业升级的热点。 2部分数据来源：《中国算力白皮书（2022年）》 5 2023智能算力发展白皮书 图3中国人工智能行业渗透度 （数据来源：IDC，2022） 3智能算力发展现状和挑战 3.1智能算力技术层面应用发展现状 人工智能技术高速发展，应用方向逐渐多样化和复杂化。智能算力主要有三个优点，一是能够提供大规模数据处理和复杂计算的能力，满足人工智能算法对于高性能计算的需求；二是能够加速人工智能模型的训练和推理过程，提高算法的效率和准确度；三是能够与其他技术手段结合，如云计算、大数据分析和边缘计算，实现人工智能在各行业的广泛应用。智能算力满足人工智能高并发、高弹性、高精度的计算需求，推动人工智能技术的不断升级与应用。高性能的计算能力为机器学习、深度学习和自然语言处理等人工智能技术的发展提供了有力的支持，通过智能算力的支持，人工智能算法能够处理和分析大规模的数据，实现复杂任务的智能化。未来五年，人工智能将在企业市场中加快应用与落地，智能算力将成为创新的核心推动力。 6 3.1.1机器学习 2023智能算力发展白皮书 机器学习（MachineLearning）本质是通过计算机从大量的数据中找到整合数据的规律，从而实现对于数据未来走向的预测。由机器学习算法支撑的机器视觉、听觉和语音交互被应用各种产品和服务中，进而带来了AI在商业应用方面的爆炸式增长。目前通过让机器从大量数据中自主学习，机器学习使计算机具有了更强大的智能和能力，已经被广泛应用于图像识别、语音识别、医疗诊断、金融风控、智能推荐等领域。同时，机器学习也开始参与到了计算机内部体系的研究和设计过程中，例如在计算机的翻译器、硬件处理器以及软件工程等设计开发方面利用更加现代化的编程语言。 智能算力在机器学习中的作用主要是为深度学习模型训练、大规 模数据处理、实时数据分析与预测、自动化模型选择和调参、分布式机器学习等提供强大的计算力。在机器学习中，通常需要处理大规模的数据集。例如，图像分类任务中，需要处理成千上万张图像来训练 和测试模型，智能算力提供了并行计算和分布式计算的能力，可以快速处理大规模数据，加速训练过程。智能算力还可以在实时数据分析和预测方面发挥作用。例如，通过将机器学习模型部署在智能算力的环境中，可以实时地监测和分析海量的数据，并利用模型进行实时预测和决策。 3.1.1深度学习 深度学习（DeepLearning）是一种基于多层神经网络的机器学习方法，