端边云Al算力是什么意思

① 数据蒙眼狂奔，边缘AI穷追不舍

随着人工智能从云端向边缘扩展，边缘计算被视为下一个AI战场。海量的应用场景、庞大的计算需求，不仅吸引了英特尔、英伟达这些巨头加速完善云边端一体化的布局，更吸引了众多AI芯片公司纷纷入局。

云端AI已经造就了英伟达的巨大成功，如果边缘AI是一次崭新的机会，哪些公司有机会成为赢家？

业界对于通用、专用的计算路线讨论已久，与这个话题伴生的其实是多样、碎片的应用场景。场景是碎片的，产品是碎片的，那么芯片呢？也只能是碎片的、专用的，不能是通用的吗？通用计算老大哥CPU、GPU的地位会旁落吗？未来通用计算和专用计算的关系如何发展？

时擎 科技 总裁于欣告诉，针对不同应用的架构设计，是一定需要的。领域专用架构（DSA）处理器和芯片，本质上就是要解决通用性和专用性平衡和取舍的问题。

“这里有两个大前提，一是端侧的应用比较碎片化，第二是对功耗和成本往往有比较高的要求。在这两个前提下，如何既能保证相对于某个场景足够的竞争力，以满足成本和功耗的要求，同时又能兼顾足够的市场空间——这是每一家公司都要面临的挑战，也是对产品定义能力的考验”，他强调。

通用计算芯片固然能够覆盖边缘计算程序所培茄则需要的所有运算操作，但在芯片架构伸缩性、性能方面，确实无法及时适应边缘侧需求的快速增长。通用计算和专用计算芯片已经呈现出融合发展的趋势。并且，计算特性决定了边缘芯片和云端芯片的不同，架构设计需要进行优化定制。

灵汐 科技 副总经理华宝洪表示，二者要相辅相成，最好能融为一体。在专用计算芯片中会包括通用计算的核，比如Arm或RISC-V等IP内核。新型计算架构芯片比如类脑计算芯片中，除了包括神经拟态计算核、神经网络计算核，一般还有通用的Arm核。同时，通用计算芯片比如最新的Arm芯片，也会内置部分针对传统神经网络加速的IP核。异构融合芯片架构是发展的必然。

伴随这一趋势，意味着需要把负责加速的专用计算单元移入通用编程模型中，且创建通用处理器的压力始终存在。Imagination计算业务产品管理总监Rob Fisher表示，这主要是从通用处理器编程的易用性角度来考虑的。当任务的规模或所需性能远远超出通用解决方案所能容纳的范围时，这种模式将受到限制。

他指出，GPU就是一个很好的示例。在实际应用中，将图形处理工作负载卸载到GPU上的优势很明显，从而推动了高效图形处理器的独立开发。矢量处理器正越来越多地与CPU架构紧密结合，从而允许对计算任务进行指令级加速。

雪湖 科技 副总裁赵小吾表示，针对不同场景下功能和性能的不同要求，边缘的需求更复杂，很难用一个通用的架构或者平台来满足大多数的需求，所以会针对不同应用场景进行专门的架构设计。性能要求不高，算法变化快的部分可以使用通用计算芯片，比如CPU；性能要求高，算法相对固化的部分可以使用专用计算芯片，比如ASIC；对性能和算法灵活性配棚都有一定要求的部分可以纳弊使用FPGA可编程芯片。

他以智慧交通领域的边缘计算为例谈到，由于基本都是室外场景，环境复杂且恶劣，既要满足AI大算力和低延时，又要满足可靠性和稳定运行，因此目前大部分边缘计算机都无法满足需求。而采用了室外基站同等级的芯片为这种场景定制了专用的大算力计算机，才满足了这些特殊场景的需求。

随着高性能计算和机器学习的兴起，异构处理器必须处理的工作负载急剧增加，在整个半导体行业建立开放的生态合作至关重要。

不久前，英特尔、AMD、Arm、高通、台积电等已经联合成立了Chiplet标准联盟，推出了通用Chiplet的高速互联标准UCIe。在UCIe的框架下，互联接口标准得到统一，各类不同工艺、不同功能的Chiplet芯片，有望通过2D、2.5D、3D等各种封装方式整合在一起，多种形态的处理引擎将共同组成超大规模的复杂芯片系统。

英伟达在上个月的GTC22上，一方面宣布了对UCIe规范的支持，另一方面，宣布为半定制芯片开放其NVLink-C2C互连技术，这是一种支持内存一致性的芯片到芯片、裸片到裸片的互连技术。这一路线已经明确展现了英伟达的异构决心，按照这一规划，理论上甚至可以将英伟达的芯片与竞争对手的芯片放入同一个封装中。

黄仁勋告诉，他第一喜欢PCIe，第二喜欢UCIe，并且预测五年内UCIe的好处会逐渐显现。至于英伟达自身的NVlink互连技术，他强调优势在于直连能力。UCIe不能直接接入芯片，仍然是一个外设接口；而NVlink的优势在于可以直接连接，几乎就像直接连接到大脑一样。一定程度上，这可能会导致它的组装比较复杂，合作伙伴和客户必须非常了解NVlink。不过，一旦他们能做好这一点，就可以充分利用芯片内部的所有资源，就像这些资源都在同一个芯片上一样。

这一解答既表明了英伟达并不打算自我排除在在UCIe联盟之外，同时也展现出了对自身NVLink互连技术的绝对信心，推测该技术也将成为英伟达构建异构生态的关键。

边缘计算市场的巨大潜力，自然也吸引着云端芯片巨头的竞逐，他们正通过异构计算、先进制程、先进封装等方式进行全面布局，加之高筑的生态壁垒，国内AI芯片厂商是否有机会与之一搏？

“能造得了摩天大楼的，不一定擅长雕梁画柱。当然相对于云端目前高度垄断和集中的格局来说，边缘侧还没有确定的格局，大家都有机会，而具有更强技术能力和落地能力的厂家，会有更大的机会在竞争中脱颖而出”，时擎 科技 于欣表示，“云边端在某些场景融合协同是有道理的，但本身从芯片设计的角度来说，还是会有很大的区别。”

灵汐 科技 华宝洪则认为，异构计算、先进制程、先进封装等均是手段，不能从根本上解决高能效比、小样本学习、在线学习等问题。在行业导向和市场需求的双重驱动下，冯·诺依曼架构和非冯·诺依曼架构的异构融合，将成为驱动边缘计算技术创新与未来行业高质量发展的核心引擎。

一方面，冯·诺依曼架构的芯片依然在走“暴力计算”的美学方向，会考虑用最先进制程、最先进封装来提升算力；另一方面，非冯·诺依曼架构优先通过架构创新来满足在生物神经网络、类脑方向和新型混合神经网络等领域的规模化使用。以类脑计算为代表的新型计算架构将与传统计算架构深度融合，引领新一轮的技术变革。

雪湖 科技 赵小吾表示，业界头部厂商都开始用小芯片拼凑大芯片的方式来完成产品布局，以满足不同场景的算力需求。例如苹果和英伟达，都开始采用这种“拼积木”的方式，这是非常明确的趋势。

国内这两年市场很热发展很快，但形成规模和有竞争力的厂商并不多。“芯片还是一个需要积累的产业，且产业链比较长”， 赵小吾表示，“目前国内小而多的形态不利于去和上下游争夺话语权，预计未来1-2 年里应该会迎来一波AI芯片厂商淘汰潮。”

爱芯元智创始人、董事长兼CEO仇肖莘也表达了类似观点，她谈到，现在对国产芯片产业是千载难逢的机会，由于市场需求和国家支持，涌现了许多创业型公司。而从大环境出发，我国的芯片行业还属于初期阶段，正呈现出一种百花齐放的态势，但随着产业的不断发展壮大，随之而来的行业整合也将是必经过程。

她强调，这符合芯片行业在过去几十年发展的规律，经过这样的整合，业内一定会出现头部企业，这对于国家整体产业发展是非常重要的。只有这样，中国企业和国际大厂才有同台竞技的机会。

灵汐 科技 华宝洪表示，边缘AI芯片市场仍处于开放状态，没有绝对的霸主。新兴的、多样化的应用场景为国产AI芯片带来了巨大的市场机会，特别是在自动驾驶、智能安防、智能物联网和可穿戴设备等越来越碎片化的市场，国产AI芯片厂商和国际巨头芯片厂商是站在同一起跑线上的，甚至在某些领域更有优势。

就像计算架构领域一位著名的科学家所说，现在正是芯片体系架构百花齐放的黄金时代，这一时代前所未有。尽管CPU、GPU会持续创新，且在某些计算任务上是不可或缺的，但是AI加速计算、数据爆炸等趋势催生的新市场，一定是巨大且多样的，这就给了AI芯片公司带来了新的机会。

从CPU来看，x86架构统治PC和服务器已有松动迹象，Arm一路从手机端和IoT逐渐向上，攻入PC和服务器领域。RISC-V也从物联网设备起步，向更大量的设备进行布局。冯·诺依曼架构和非冯·诺依曼架构的异构融合，正在通往规模化的道路上……

每一次技术浪潮，都会产生新的领导型公司。边缘AI会吗？

② 人工智能的算力是什么

人工智能的算力是

A 物联网

B 大数据

C 区块链

D 云计算

答案:D

知识拓展:算力是使用计算机技术完成给定目标导向任务的过程。算力可以包括软件和硬件系统的设计和开发，用于广泛的目的 – 通常构建，处理和管理任何类型的信息 – 以帮助追求科学研究，制作智能系统，以及创建和使用不同的媒体娱乐和交流。

③ 网络进步下的产物——边缘云计算

随着虚拟人等应用不断发展成熟，对于计算的容量和实时性的要求不断提高。在这种趋势下，我们认为，边缘云计算有望成为元宇宙的重要支撑。作为云计算的延伸，边缘云计算被视为新一轮 科技 革命中必不可少的驱动因素。我们认为，元宇宙对网络传输提出了更大带宽、更低时延、更广覆盖的要求，需要借助边缘计算技术，以保障所有用户获得同样流畅的体验。

1.全球数据增长迅速，集中式云计算已无法全面应对，边缘刚需场景涌现，目前中国物联网连接量将从2019年的55亿个增长至2023年的148亿个，年复合增长率达到28.1%。物联网感知数据量激增，数据类型愈发复杂多样，IDC预测到2025年中国每年产生的数据量将增长48.6ZB。

2.芯片：FPGA同时满足边缘侧对性能、能耗及延迟的要求与集中式云计算不同，边缘云计算所处的物理环境复杂多样，很多时候空间、温度、电源系统都不是最佳的状态。但同时，边缘侧又要求极高的实时性和计算性能，传统CPU架构难以胜任边缘云的需求。英特尔、赛灵思等国际芯片巨头持续加码FPGA芯片，并推出支持CPU+FPGA异构计算的硬件平台，底层芯片产业的繁荣将支撑边缘云计算在各领域的应用，并不断迸发出新的活力。

3.5G技术的升级加码，Wi-Fi在室内场景形成互补，工信部数据显示，截至2020年中国已开通5G基站超71.8万个，实现地级以上城市及重点县市的覆盖。预计边缘云计算也会随着5G行业应用的普及分阶段落地。此外，Wi-Fi技术也在向着更高的吞吐量、更大的覆盖面积和更低的时延发展，Wi-Fi在室内场景中的优势使其成为5G的重要补充，两者将共同助力边缘云应用。

4.云计算：企业上云常态化，云原生下沉实现云边端一体化，近年来云原生的热度持续高涨，包括容器、微服务、DevOps等在内的云原生技术和理念强调松耦合的架构和简单便捷的扩展能力，旨在通过统一标准实现不同基础设施上一致的云计算体验。相比于虚拟主机，云原生更适合边缘云计算的场景，可以为云边端提供一体化的应用分发与协同管理，解决边缘侧大规模应用交付、运维、管控的问题。

5.“新基建”加码，工业互联网等标杆应用引领产业融合，“新基建”是十四五规划的重点方向，通过优化算力资源结构，将高频调用、低时延业务需求分配至边缘数据中心，推动5G承载网络的边缘组网建设，为将算力和网络下沉到边缘创造条件。同时，工业互联网、车联网、远程医疗等产业政策明确提及边缘计算，推动关键技术研究、标准体系建设及软硬件产品研发，促进边缘云在典型产业的融合应用。

应用场景

1.视频加速及 AR/VR 渲染

基于移动边缘计算的智能视频加速可以改善移动内容分发效率低下的情况：于无线接入网移动边缘计算服务器部署无线分析应用（Radio Analyticsapplication），为视频服务器提供无线下行接口的实时吞吐量指标，以助力视频服务器做出更为科学的 TCP（传输控制协议）拥塞控制决策，并确保应用层编码能与无线下行链路的预估容量相匹配。另外，由于 AR/VR 信息（用户位置及摄像头视角）是高度本地化的，对这些信息的实时处理最好是在本地（移动边缘计算服务器）进行而不是在云端集中进行，以最大程度地减小 AR 延迟/时延、提高数据处理的精度。

2.车联网（智能交通）

将移动边缘计算技术应用于车联网之后，可以把车联网云下沉至高度分布式部署的移动通信基站。移动边缘计算应用直接从车载应用（APP）及道路传感器实时接收本地化的数据，然后进行分析，并将结论（危害报警信息）以极低延迟传送给临近区域内的其他联网车辆，整个过程可在毫秒级别时间内完成，使驾驶员可以及时做出决策。

3.工业互联网

边缘计算一直与工业控制系统有密切的关系，具备工业互联网接口的工业控制系统本质上就是一种边缘计算设备，解决工业控制高实时性要求与互联网服务质量的不确定性的矛盾。在基础设施层，通过工业无线和有线网络将现场设备以扁平互联的方式联接到工业数据平台中；在数据平台中，根据产线的工艺和工序模型，通过服务组合对现场设备进行动态管理和组合，并与 MES等系统对接。工业 CPS系统能够支撑生产计划灵活适应产线资源的变化，旧的制造设备快速替换与新设备上线。

4.IoT（物联网）网关服务

采取边缘计算技术，边缘计算汇聚节点将被部署于接近物联网终端设备的位置，提供传感数据分析及低延迟响应。其中边缘计算服务器的计算能力和存储能力可为以下5个方面提供服务：业务的汇聚及分发；设备消息的分析；基于上述分析结果的决策逻辑；数据库登录；对于终端设备的远程控制和接入控制。

市场规模

预计2025年规模将超500亿元，年复合增长率达43.3%，信通院2020年5月调研数据显示，中国企业中仅有不足5%使用了边缘计算，但计划使用的比例高达44.2%。可以见得，虽然边缘云计算尚处在发展的萌芽期，但未来成长空间非常广阔。根据艾瑞咨询测算，2020年中国边缘云计算市场规模为91亿元，其中区域、现场、IoT三类边缘云市场规模分别达到37亿元、38亿元及16亿元。预计到2025年整体边缘云规模将以44.0%的年复合增长率增长至550亿元，其中区域边缘云将凭借互动直播、vCDN、车联网等率先成熟的场景实现增速领跑。2030年，中国边缘云计算市场规模预计达到接近2500亿元，2025年至2030年的年复合增长率相比前五年有所下降，现场边缘云中工业互联网、智慧园区、智慧物流等场景将在这一期间快速走向成熟。

相关上市公司

中兴通讯

中兴通讯面向运营商提供全场景MEC解决方案，打破传统封闭的电信网络架构，将移动接入网与互联网深度融合，在网络边缘满足客户的个性化需求。中兴通讯Common Edge边缘计算解决方案包括MEP能力开放平台、轻量化边缘云及面向边缘的全系列服务器和边缘加速硬件，提供通用硬件、专用集成硬件等多种硬件选择，深度融合OpenStack与Kubernetes，为上层MEC应用提供统一的边缘云管理系统，方便运营商因地制宜部署MEC。

网宿 科技

公司的边缘计算平台以云主机、容器、函数计算和网络四大平台作为技术底座，在边缘计算节点上部署边缘云主机、边缘云容器、边缘云函数、SD-WAN、边缘云安全等基础服务，以及内外部的各类应用模块，结合客户的业务场景及需求，尝试进行解决方案的整合和输出。

初灵信息

公司在 5G、AI 技术高速发展的背景下，持续构建以固移智能连接（5G+Fixed）+数据处理（DPI）+AI 为代表的三大边缘计算核心能力。公司多年深耕企业（行业）智能连接网络、垂直行业边缘应用型 DPI（安全、物联网类）、视频及其他行业（企业）的智能应用等技术，初步构成“云边端”协同的边缘计算生态。在市场端，公司除聚焦传统运营商市场外，积极拓展政企行业和大中企业市场，中标多个项目。公司三季度显示，公司与中国联通就边缘计算展开合作，开展了CUNOS在5G环境下的承载能力测试。

引用内容

1. 研报《中国边缘云计算行业展望报告》

2. 研报《边缘计算：算力网络重要环节，产业方兴未艾》

风险提示

1.底层相关技术发展缓慢，边缘计算需求不及预期。

2.5G 进度不达预期。

④ 打赢AI争夺战，要靠一张算力网

AI算力是未来国家、城市、企业的核心竞争力。

文丨华商韬略 陈必章

在人工智能时代，AI算力就是电，AI计算中心就是电厂。

电力时代，我们构建了一张“电网”，如今随着国内各地人工智能计算中心的相继落地，我们正在编织一张AI算力网络。

目前，人工智能的发展已提升到国家战略层面，加快人工智能产业发展，保障和提供充沛的AI算力，对于赢在AI时代的国家、城市和企业来说，已经是迫在眉睫的问题。

【没有算力 就像没有电】

最近这段时间，全国很多地方政府和企业领导最闹心的事情什么？

答案可能是两个字：缺电。

但这个闹心的事情还没解决，在全球各国，乃至一国之内的不同地区，又开始面临一个像电力一样，决定国计民生的关键要素。

这个关键要素就是AI算力。

AI算力，顾名思义，就是支撑AI的计算能力。 此处的计算不是加减乘除，而是对世界万物的计算，是万物互联、人工智能之下的高度复杂、无所不在的计算。

不同于传统算力，AI算力为了支撑AI模型的开发、训练和推理，对并行处理能力的要求特别高，也因此需要专门的AI芯片和框架。

比如， 具备强大浮点运算能力的AI芯片，才能够通过训练、持续迭代优化提供满足行业企业智能化转型的高质量AI模型。 复杂模型训练中，需对上千亿个浮点参数进行微调数十万步，需要精细的浮点表达能力。如果没有强大的训练芯片，则难以保障算法模型产出的效率。千亿级中文NLP（自然语言处理）大模型“鹏程·盘古”，面向生物医学领域的“鹏程·神农”平台的发布，都离不开AI芯片的支撑。

再比如，被视为“AI领域操作系统”的AI框架，90%的AI应用是基于AI框架层来开发。在该领域国内 科技 企业已取得重大成果： 业界领先的AI计算框架升思MindSpore，是一款支持端、边、云全场景的深度学习训练推理框架。 除具备自主可控的优势之外，一套框架即可支持AI+科学计算等多样性应用。当前升思MindSpore社区累计下载量超过60万，有超过100家高校选择升思MindSpore进行教学。

正是有了这些AI芯片和AI框架释放出的AI算力，我们才能加速进入万物互联和人工智能时代。

今天，从每个人手里的手机，到企业的云上平台，再到城市大脑……我们的生产和生活越来越依赖于AI，越来越深入向AI获取力量。

对中国来说，AI是从制造大国向制造强国转型升级的关键。 最近多年，众多城市都在努力争夺各种资源提升城市的发展力和竞争力，而AI算力就是未来发展最重要的“资源”。

在人工智能的世界，没有AI算力，就像没有电。

AI算力已渗入到我们生活和生产的方方面面，以大家较为熟悉的医院药房取药为例：

拿到处方药单，在药房前排队等候，由医务人员拿着处方照单分药，这种漫长的等待和焦虑，很多人都有切身体会。现在，已经有企业开发出利用人工智能技术进行全自动补发药品的机器人，用到了3D视觉定位、机器人智能抓取、智能视觉复核技术，能够确保100%补药准确率，而且效率也更高，发药速度可以达到每小时2500盒，8秒钟就可以处理一个订单。在药品发放过程中，系统可以自主调度搬运药品，不需要人工的干预。

它带来的最直观的改变，就是可以把药品分拣的时间从原来的50秒缩短到3秒，患者只需要一分钟就能取到药品。

这个过程中，怎么识别处方单，怎么准确分拣并发放药品？要实现这些功能就得看这个机器人使用的AI系统能算得有多快、多好、多准，这就是AI算力。

【要有电 就得有电厂和电网】

AI算力如此重要，但很多企业缺乏足够的资金来搭建自己的AI算力。那AI算力需求该如何被满足，国家、城市又该如何提供足够的AI算力支持，推动AI产业发展并赢得AI时代的竞争力呢？答案是， 要让AI算力成为公共资源，配套建立新型基础设施。

这种新型的算力基础设施就是人工智能计算中心，用回电气时代的比喻，那就是要建电厂和电网。

首先是，加快人工智能计算中心的建设。

人工智能计算中心，是以基于人工智能芯片构建的人工智能计算机集群为基础，涵盖了基建基础设施、硬件基础设施和软件基础设施的完整系统，其核心功能就是，提供从底层芯片算力释放到顶层应用使能的人工智能全栈能力，也就是输出AI算力。

人工智能计算中心除了是提供公共算力服务的平台，还同时应该是应用创新的孵化平台、产业聚合发展平台和科研创新人才培养平台。只有同时扮演好这些角色，才能打通“政产学研用”，集中最多的力量，形成产业汇聚力并提升AI竞争力。

目前，全世界都在加快人工智能计算中心建设。尤其是美国，它一方面千方百计地打压其它国家的发展，一方面则大手笔投入加强本国人工智能的发展，拜登政府更一度公布了3000亿美元的投资计划，捍卫美国在人工智能领域的领先地位，而其中很重要的投入，就是加强数据中心和智算中心的新基建。

中国当然不会轻易错过人工智能产业发展带来的机遇。早在2017年，国务院就发布了《新一代人工智能发展规划》，并强调要“建设高效能的计算基础设施”。去年疫情期间，中央进一步明确提出新基建战略，而加强数据中心和人工智能计算中心建设，则是整个新基建的重中之重。

因为，没有强大的算力，以数字化为着眼点的新基建七大领域几乎都无法实现其建设目标。

国家战略指引，市场前景召唤，甚至经济转型升级的压力下，诸多地方政府都已积极行动，牵头人工智能计算中心建设，并以此为基础提升本地算力水平，构筑数字时代的核心竞争力。

今年5月31日， 科技 部批复的15个国家人工智能创新发展试验区中，武汉的人工智能计算中心已率先竣工并投入运营；西安未来人工智能计算中心也已经上线，其它省市的人工智能计算中心建设也陆续规划中。

武汉人工智能计算中心投运以后，为武汉乃至湖北地区的经济发展、科研创新、企业转型等提供了算力支撑。

比如，武汉大学基于武汉人工智能计算中心打造了全球首个遥感专用框架武汉.LuojiaNet，针对“大幅面、多通道”遥感影像，在整图分析和数据集极简读取处理等方面实现了重大突破。

再比如，中科院自动化所利用该中心的算力支持，研发了全球首个视频生成多模态大模型——紫东.太初。作为业内首个千亿级三模态大模型，紫东.太初的视频理解与描述性能已做到全球第一，不仅具有多任务联合学习能力，还能通过学习实现AI化的图文搜索，以及音频、短视频、MV制作，极大缩短音视频的创造时间。

9月份，西北地区第一个人工智能计算中心落子西北重镇西安市，一期规划具备300P AI算力的西安未来人工智能计算中心，基于升腾AI基础软硬件平台建设，将提供精准可靠的模型训练及推理。

西安未来人工智能计算中心，已经签约了西安电子 科技 大学遥感项目、西北工业大学语音大模型项目、陕西师范大学“MindSpore研究室”多个项目，在支撑西安“6+5+6+1”现代产业体系发展的同时，也会强化西安乃至整个西北地区的人工智能产业集群，为西北地区人工智能产业的发展提供算力支持。

刚刚上线的西安未来人工智能计算中心，算力使用率已快接近满负荷状态。当地各行业企业、科研机构、高校对于算力的渴求可见一斑。

其次，高效利用人工智能计算中心的算力资源。

当越来越多人工智能计算中心建成、投运，如何让它们的算力更高效并服务到更多的行业和企业？如何避免各地算力分布不均衡、使用效率不一致的情况？如何让没有规划建设人工智能计算中心的地方，也能享受到AI算力的使能？人工智能计算中心之间的互联、协同、共享，成为需要各界考虑的一个问题。

这就需要人工智能算力网络了，就像电网之于电厂和用电对象。

有了算力网络，我们就能将分布在各地的人工智能计算中心节点连接起来，动态实时根据算力资源状态和需求，实现统筹分配和调度计算任务，构成全国范围内的感知、分配、调度人工智能中心的算力网络，然后在此基础上汇聚和共享算力、数据、算法资源。

最重要的是，有了这张网，更多的行业和企业，就能像现在用电一样使用AI算力了。

那么，算力网络这张网还会给整个人工智能行业有哪些作用呢？

首先是算力的汇聚， 就是把不同地区、不同城市的算力资源高速互联，实现跨节点之间的算力合理调度，资源弹性分配，这有利于提升各个人工智能计算中心的利用率，实现对于整体能耗的节省，后续可支持跨节点分布学习，为大模型的研究提供超级算力。

其次是数据的汇聚， 政府牵头与各行业企业合作，在达成人工智能领域的公共数据开放之后，可依托人工智能计算中心汇聚高质量的开源、开放的人工智能数据集，能够促进人工智能领域的算法开发和行业落地。

最后是生态的汇聚， 各个人工智能计算中心之间，统一互联标准、应用接口标准，实现网络内大模型能力开放与应用创新成果共享，强化跨区域科研和产业协作，为全国范围用户进行人工智能应用创新提供更多的资源选择和更便捷的合作方式，加速产业聚合，激活产业共融共生。

简单总结算力网络，就是汇聚大数据+大算力，使能大模型和重大科研创新，孵化新应用。进而实现算力网络化，降低算力成本，提升计算能效。

科技 部在三年行动规划中指出，要“布局若干人工智能计算中心，形成广域协同的人工智能平台”。在这一规划的指引下，人工智能计算中心陆续在许多城市落地。就在刚刚结束的HC2021上，20多个人工智能计算中心建设城市联合点亮了“人工智能算力网络”。

这张人工智能行业的算力网络，已经开始编织构建。

【AI算力建设 不是从长计议而是迫在眉睫】

2020年，麻省理工学院计算机科学家、并行计算先驱Charles Leiserson在《科学》杂志上撰文指出：

深度学习正逼近现有芯片的算力极限。

事实上，过去十年，人类最好的AI算法对算力的需求几乎增长了100万倍，平均每3.4个月翻一倍。

相比之下，全球AI算力的增长却十分有限。

需求与供给之间的巨大鸿沟，促使各国政府，尤其是中、美、欧、日等AI技术领先的地区大力建设AI算力。

没有强大AI算力，一个国家或地区必然在未来的 科技 竞争中处于劣势。

从当前算力基础设施建设进度来看，深圳、武汉、西安等城市均已建成人工智能计算中心并投入运营，成都、河南等城市正在建设中，北京、南京、上海等地的人工智能计算中心加速建设，也是蓄势待发。

未来，一旦人工智能计算中心全部建成，并组成人工智能算力网络，不但将为 社会 提供跨地域、源源不断的超级算力。而且，还能够实现跨区域的科研和产业协作，使能大模型和重大科研创新，为千行百业孵化新应用。

最终，使得人工智能赋能更多的行业和场景，让我们在未来国家之间的产业和 科技 竞争中立于不败之地。

——END——

版权所有，禁止私自转载！

⑤ 边缘智能真的是人工智能的最后一公里吗

小蚁科技创始人兼CEO达声蔚,在AI WORLD 2018世界人工智能峰会上，介绍了小蚁科技在过去几年里所取得的成果，并以此为切入点，深入分析了计算机视觉的未来发展。一、 边缘智能，重构智能算法引擎

什么是边缘智能?顾名思义就是互联网和物联网的边缘，最边缘是大量的传感器，摄像头CMOS，是最重要的传感器之一。我们专注于图像领域，所以计算机视觉的最后一公里应用就是小蚁科技专注的领域，这个领域的发展，必须采用边缘智能端云结合，也就是边缘和云端结合的处理方式，也就是边缘智能架构。

二、 1300万全球用户，每日视频数据超过100PB

过去四年中小蚁科技取得的国内和国际计算机视觉方面的专利和著作，获得了大量的海外专利。小蚁科技下一步的发展将会在AI赋能的视频硬件领域进一步发力，覆盖168个国家和地区，并且在中国、美国和以色列三个地方有研发中心，每天产生大量的视频数据。

三、 EI的三大核心竞争力：算力、算法的自我成长模型和赋能商业

算力是一个人工智能企业的“核能力”。云+端的全球算力。小蚁科技已经出售了1300多台设备，未来会指数级增长，这些设备中的算力也是指数级增长。其次，小蚁科技的深度神经算法，在云端采用千层以上的深度学习神经网络，在终端更多的是采用嵌入式、小比特神经网络。小蚁科技在每Gflop等效算力达到最高，应该是业界非常领先的。

四、 重构的空间能够给人解决什么—实时主动决策

六、 小蚁边缘智能赋能智慧零售

小蚁科技提供的是智能数字空间的解决方案，就是线下零售的可视化解决方案，这些解决方案当中包含智能新零售店的产品和智能货架的产品，还有一系列和视频相关的完整的系统，最后还包含提供软件服务给智慧零售的现场管理和决策。

⑥ 什么是算力

算力（也称哈希率）是比特币网络处理能力的度量单位。即为计算机（CPU）计算哈希函数输出的速度。比特币网络必须为了安全目的而进行密集的数学和加密相关操作。 例如，当网络达到10Th/s的哈希率时，意味着它可以每秒进行10万亿次计算。

在通过“挖矿”得到比特币的过程中，我们需要找到其相应的解m，而对于任何一个六十四位的哈希值，要找到其解m，都没有固定算法，只能靠计算机随机的hash碰撞，而一个挖矿机每秒钟能做多少次hash碰撞，就是其“算力”的代表，单位写成hash/s,这就是所谓工作量证明机制POW(Proof Of Work)。

日前，比特币全网算力已经全面进入P算力时代（1P=1024T，1T=1024G，1G=1024M，1M=1024k），在不断飙升的算力环境中，P时代的到来意味着比特币进入了一个新的军备竞赛阶段。

算力是衡量在一定的网络消耗下生成新块的单位的总计算能力。每个硬币的单个区块链随生成新的交易块所需的时间而变化。