人工智能产业发展催生算力需求扩张,哪种算力中心更适合?

分享到:

H`JG$[(]IVXN}}$KFLI(TGP

人工智能产业发展催生算力需求扩张,哪种算力中心更适合?

在数字经济、互联网经济快速发展带动下,全球算力中心发展进入新一轮大规模扩张期。加快算力中心等数字基础设施建设,不仅能够对冲疫情对经济的负面影响,更长远来看,将为中国经济转型升级打下坚实基础。

不过,在算力中心的类型选择上,也需要与时俱进,厘清概念,按需选择,需要新的思路和新的做法。

不同算力中心各有千秋

从算力中心的发展现状和趋势来看,中国科学技术信息研究所发布的《人工智能算力中心发展白皮书》显示,超级算力中心(高性能算力中心)、云计算数据中心和人工智能算力中心是目前主流的三种算力中心。

上世纪60年代开始,为了对重大军事研究和科学问题进行计算模拟,超级计算机和超级算力中心诞生。目前,在一些依赖大量内存进行计算,或需要较高的串行计算效率时,超算是更好的选择。2000年互联网产业兴起和2007年大数据、云计算技术的兴起,带动了云计算数据中心的建设。云计算数据中心面向个人或企业提供包括虚拟机计算能力、数据储存和网络传输宽带等能力,以支撑从电子商务到电子政务等方面的云服务。2012年以来,以深度学习为代表的新一代人工智能技术得到快速突破和应用,并逐渐成为重要的算力资源需求之一。人工智能算力中心应运而生,能够提供人工智能计算范式所需的专用算力,为计算基础设施带来了新的建设方式。

实际上,在建设目的、技术标准、具体功能、应用领域和“投—建—运”模式等方面,三类算力中心的区别还是不小的。那么,在区域或者企业规划建设算力中心时,具体应该如何选择呢?

建设算力中心要厘清算力概念

“现在人工智能火爆,有些人就说智算中心会取代传统的超算中心,这是错误的。”中国科学院数学与系统科学研究院研究员张林波表示,“不管是超算中心,还是智能算力中心,应该各自发挥各自的特长,做自己适合的事情。”

有人喜欢拿智算中心和超算中心的算力作比较,但实际上,两者是完全不同的度量单位。虽然都以“P”来作为算力单位,但超算的算力单位是“FLOPS”——每秒浮点运算能力,而一些智能计算的单位是“OPS”——每秒操作次数,两者完全是不同的单位度量。同时两者在算力精度有很大差别,超算为双精度浮点运算,智能计算的算力精度多为对精度要求较低的单精度和半精度。在中国科学院半导体研究所研究员李卫军看来,如果单纯拿一个算力的指标去衡量比较,对于超算来讲是不公平的,因为超算的优势是计算精度更高。

对于这个问题,中国科学院计算技术研究所研究员张云泉表示:“超算中心主要是做科学计算和数字仿真,现在也在往多元化发展,也支持云计算和AI,它的优势是精度高,能完成智算中心无法完成的工作。”

所以说,规划建设算力中心,首先要明确自己的算力需求,让算力中心建设有的放矢。若大多是对算力精度要求较高的场景,就需要建超算中心;若应用场景对算力精度要求较低,则可以考虑建人工智能算力中心。

建设算力中心要明确场景需求

厘清了算力需求之后,还要明确场景需求。

超级计算机是一种通用算力,更加擅长高精度计算,其设计目标是提供完备、复杂的计算能力,在高精度计算能力更强,应用范围更广,可胜任行星模拟、新材料开发、分子药物设计、基因分析等科学计算任务,以及能源、气象、工程仿真、生物基因、智慧城市、人工智能等领域。

而智能计算机是一种专用算力,它们擅长于推理或训练等智能计算,但由于AI推理或训练一般仅用到单精度甚至半精度计算、整型计算,多数智能计算机并不具备高精度数值计算能力,这也限制其在AI计算之外的应用场景使用。

由于精度上的限制,智能计算机专用算力强劲,比如在安防领域处理海量视频,在医疗领域进行影像诊疗,在交通领域实现智能管控和调度等,可以对单个场景实现较好的支持,但难以提供平台性的服务。

中国工程院院士陈左宁曾形象地比喻,使用超级计算做AI计算是“大马拉小车”。超级计算机虽然“十项全能”,但毕竟不是为AI量身打造,为了便宜行事,智能计算机才由此兴起。

同时,我们还需要注意的是,即使是人工智能算力中心,应用的推理、训练场景对于算力的要求也是不同的。作为面向社会全域多主体的新型公共基础设施,人工智能算力中心是侧重算力生产供应,还是数据开放共享,亦或是智慧生态建设,还是产业创新聚集,侧重不同功能,则需要的算力也是不一样的。

合适的才“算”好的

张云泉表示,不同的领域有不同的要求,适合当地应用的就是好的计算。他倡议,开放包容,通用融合,绿色低碳,自主安全,一个都不能少。

“用是唯一的目标!”清华大学教授陈文光也持有相同观点,“我非常支持算力与产业相互融合,相互支持,用计算机推进各行各业的发展。”

当前,算力中心仍然面临着能耗密度高、企业应用水平较低等问题,对于我国来说还面临着计算芯片及框架等核心技术受制于人的挑战。因此,在算力中心建设中,需要做好顶层设计、强化统筹推进,有效选择自主可控的技术路线,建立完善的运营机制,积极打造服务平台,促进新一代信息技术与传统产业深度融合,拉动区域经济转型与高质量发展。

中国科学技术信息研究所党委书记、科技部新一代人工智能发展研究中心主任赵志耘表示,我们不要盲目地重复建设和盲目地去抢占算力中心这样的基础资源,未来整体的全球经济可能不会迅速走出低谷,在财力有限的情况下,我们要聚集有限的资源和财力,打造支撑人工智能产业和生态发展的基础设施。

继续阅读
5G时代人工智能的风口在哪个行业?

在这个过程中,很多应用都在不断加入其中。比如计算机跟通信的融合产生了互联网、互联网跟手机的融合带来了移动互联网。

用人工智能和机器学习为数据中心提供动力

随着数据在当今企业中的重要性日益增加,数据管理对于管理和治理大型数据集以促进业务增长至关重要。公司正在利用先进的分析和自动化工具来处理大量数据。他们还利用装备精良的数据中心进行更好的数据管理。数据中心提供无缝的数据备份和恢复设施,同时支持云存储应用程序和交易。由于它们为业务数据存储提供了独特的功能,因此公司正在转向人工智能和机器学习等新兴技术来改进其数据中心基础设施。

机器人系统集成模式及在我国的发展方向

机器人(也称助力机械手)系统集成商处于机器人产业链的下游应用端,为终端客户提供应用解决方案,其负责机器人应用二次开发和周边自动化配套设备的集成,是工业机器人自动化应用的重要组成。只有机器人本体是不能完成任何工作的,需要通过系统集成之后才能为终端客户所用。

人工智能在印度农业转型中的作用

农业为印度约58%的人口提供了生计。2020财年,渔业、林业和农业的总增加值预计为194.8亿卢比。2020财年,包括相关部门在内的农业占印度当前价格的总增加值(GVA)的17.8%。在大流行驱动的衰退之后,印度的消费者支出将在2021年恢复增长。

十四五规划重点提及人工智能,AI企业或将迎来全面爆发!

2021年,人工智能行业迎来政策红利大年。1月,工信部印发《工业互联网创新发展行动计划(2021-2023年)》,制定了一系列推动工业互联网新型基础设施建设量质并进的发展目标。3月,《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》(以下简称“纲要”)全文正式发布。在共19篇65章的纲要全文中,“智能”、“智慧”相关表述达57处。