我們常常被問到這樣一個問題——今天有如此之多的技術創新，為什么偏偏AI如此引人關注？讓國家機構高度關注、科技巨頭紛紛入局，甚至還可以進入教育系統，成為大學專業？
如今看來，最顯著的原因就是AI可以重新定義勞動的效率，進而對整個國家的經濟發展產生直接作用。假如原本企業需要100%的人力成本才能創造出60%的產值，但有了AI的加持，100%的人力成本甚至可以創造120%的產值。對于未來全球進一步的勞動力總數下滑問題，AI替代人力也是一項極佳的解決方案。
因此AI也成為了以國家為單位的競技場。而中國因為人口基數龐大、移動互聯網下沉完善，研發AI技術的最大特點就是擁有強大的數據底牌。想讓巨大的數據量有效運轉起來，其實最依賴的是計算力。
也就是說，雖然中國大數據基礎最好，但是過去一兩年中，中國對于算力建設和創新的投入，或許才是最大的。
在最近的2018人工智能計算大會（AICC 2018）上，浪潮聯合IDC研究發布了《2018中國AI計算力發展報告》摘要版（后簡稱《報告》）。據《報告》數據顯示，在2017年中國的整體算力提高了230.7%。
而算力的提升，正在多個產業圈層引發新的蝴蝶效應，無形之中推動AI產業的巨大變革。
第一只扇動翅膀的蝴蝶，就是算力生態本身。
前文提到，在巨大的數據量之下，中國市場對于AI計算力有著大量需求。尤其是對BAT這樣擁有足夠數據和AI人才儲備的科技企業來說，他們對AI計算硬件的需求量大且迫切。而在AI基礎架構端，又有算力企業能夠提供滿足其算力需求的AI計算產品。兩者結合，就促生了中國算力生態的自我循環發展。
以此次推出《報告》的浪潮為例，浪潮憑借著對BAT等領先互聯網企業的AI服務器供應，以57%的市份額占據了國內AI服務器市場的半壁江山。同時浪潮推出了JDM（Joint Design Manufacture）模式，與領軍企業聯合開發包含AI服務器在內的AI一體化解決方案去賦能AI落地行業市場，進一步激發傳統行業AI轉型的服務器需求。這樣，通過需求方與供應方的高效連接，就形成了AI計算市場的自循環。通過自循環，為AI算力提供商發展帶來了創新的成本和動力。更直白的說法就是，AI算力提供商賣得好、有錢賺，就能更好地投入研發，為市場提供更具競爭力的計算硬件產品。
浪潮最新發布的超級AI服務器AGX-5，便是浪潮在計算量劇增的挑戰之下，追求更高研發效力的研發新成果。作為目前全球最強大的AI計算主機之一，AGX-5計算性能高達每秒2千萬億次。此前浪潮還發布過面向AI云場景的彈性GPU服務器NF5468M5，適用于智能視頻場景的AI服務器NF5280M5-V等等，適用于不同應用場景的硬件產品，為AI技術的行業化、場景化落地鋪平了道路。
第二只蝴蝶，是計算生態帶來的區域經濟崛起。
在《報告》中，中國AI計算力城市發展排名的第一梯隊是杭州、北京、深圳、上海、合肥，而第二梯隊則是成都、重慶、武漢、廣州、貴陽等城市。
這個排名多少讓人有些意外，和傳統經濟話語體系下的東南沿海為先，或是互聯網經濟體系下的北上廣深，都有著不小的差異。
這是因為，計算生態和以往第一、第二產業，以及互聯網經濟的發展模式都不盡相同。第一、第二產業要求有廣袤的土地和適宜貿易的地緣優勢。所以合肥、成都、武漢這種位于西部和中部城市并不占優勢。而互聯網經濟又大多依賴年輕、教育程度較高密集的人口，因此大多也都集中在傳統一線城市中。
在AI計算經濟中，算力提供者通常扮演后備軍的角色，并不需要占據地緣上的優勢。反而依賴一些其他資源，比如更低廉的租金、更廉價的電力與寬帶費用來負擔日常運維。這時西南、中部這些城市的優勢就顯露出來了。當地政府對于大數據、AI產業大力支持，正在為當地打造更適宜的創業環境，留住人才。
計算力生態為區域帶來的，不僅僅是更多財政收入和就業。榜單中排名靠前的城市，往往也能近水樓臺先得月，在智慧城市方面得到進一步的升級。
計算之力正在突破物理結界，讓這些以往弱勢的地方區域找到全新的發展可能。
第三只蝴蝶：算力與算法相互推動，帶來新的AI產業想象力
AI計算力和AI算法之間到底誰促進了誰的發展，這似乎是一個“先有雞還是先有蛋”的問題。但可以肯定的是，中國AI計算能力的不斷提升，正在給予AI算法研發更加豐厚的土壤。
浪潮AI&HPC總經理劉軍在接受采訪時也表示，今天AI計算和AI算法的目標空前一致，從計算行業的角度來看，既然最終目標是獲得更高精度的AI模型，那么就為算法科學家提供更多的計算資源，讓他們做出更大的模型、更精準的識別方式，在一個沒有天花板的舞臺上盡情施展。
就算法創新而言，AI計算力的發展同時也關系著算法研究的效率。不管是HPC計算的應用，還是更加大的服務器集群，都可以加速神經網絡模型訓練的速度，降低算法研發上的時間成本。
這也就意味著，算力的攀升與迭代，可以為算法創新帶來更好的環境。尤其在新算法研究，與算法大規模部署落地時，算力環境就變得尤為重要。如果運用一般的云計算服務，研究者和應用工程師將面臨冗長的調試周期、兼容性問題，并將不得不以“從頭造輪子”的心態發明很多算力調集工具。
舉例來講，在應用頗為廣泛的AI云方面，就給云端基礎架構設計提出了很多要求，GPU資源的支持和高效分配、線上推理的高并發低延遲和高能效比、大規模數據存儲與通信能力等等，都給AI的開發和應用帶來了掣肘。
而假如引用了新的算力環境，很多事情將得到改觀。如浪潮GPU服務器NF5468M5，就專門為AI云優化提供了彈性配置能力，幫助應用者更高效地調配資源。加上AIStation深度學習集群管理軟件、Teye應用調優工具、Caffe-MPI并行深度學習計算框架等平臺，還可以讓算法研發者獲取高效的測試優化能力，快速調優AI應用。這樣很多AI門檻就在無形中得到了消弭，突破性研究也有了“后勤保障”。
這樣一來，AI計算不斷為算法提供更舒適的發展空間，算法得以應用，創造了經濟價值，帶來的生態效益又促進著AI計算的繼續創新。計算力的增強與算法創新互相作用，帶動著AI落地能力的不斷增長，讓AI從實驗室走到城市的每一個角落，去散發它的光和熱。
在AI的大命題之下，每一個細節都值得深入挖掘。而中國在計算力這一“專項技能”上的優勢，正在源源不斷地發揮著作用。在中國經濟結構不斷升級的道路上，計算帶來的蝴蝶效應正在形成強大的推助力，或許我們正在從以往的“制造經濟體”、“人力經濟體”進化為“計算力經濟體”，通過自身的算力優勢，讓中國的AI走遍中國，又進一步向更廣闊的天地行進。
