2023CSDI算力+智能：数字时代的进化升级

引言：在未来的产业布局中，云网融合、软硬一体化，硬件智能化、软件的泛化以及数据无处不在，基本是未来的趋势。新一轮的信息科技基本都长在云上，未来大部分的科技也都在信息技术之上，这也是互联网平台最大的价值。当前，我们已经在智慧时代拐点，由巨大支撑的AI技术愈发成熟，强调计算能力在促进科技进步和社会发展中的重要价值和作用，强调算力变革改变未来人类生产和生活方式，成为赋能社会数智化转型的基础能源。

图1

正文：近来，火爆出圈的巨星当属ChatGPT，它的横空出世，引发各界热议，很多人甚至将它描述的无所不能，大有代替人类职业的趋势；但也有人提出担扰，一些顶级学术杂志和知名高校已明确限制AI作者发表论文和科研成果，大规模验证着一种新范式价值。

00 AI大模型：类ChatGPT可能成为人工智能技术最大跃迁

早在1997年5月11日，AI“深蓝”战胜棋王卡斯帕罗夫；2016年3月，谷歌旗下DeepMind公司开发的人工智能程序AlphaGo（阿尔法狗），以41的比分取得压倒性战胜世界围棋冠军、韩国棋手李世石；2017年5月，AlphaGo再次击败世界围棋冠军中国棋手柯洁，凡此种种均被认为是人工智能技术的标志性事件。李开复曾坦言“AI将在极大程度上推动人类社会的发展，通过很多实际应用场景为人类带来巨大的惊喜。”

ChatGPT的自动生成内容、图片、视频乃至未来的自动生成元空间是元宇宙内容生成的主要方式，也是动态参数空间生成的必然。同时，虚拟人和机器人最重要的就是云大脑，下一步ChatGPT接入到各类虚拟人和机器人中或将是全球趋势，其发展从AI角度极大助推了元宇宙的智能化。它底层逻辑也是大数据，计算是最大能力，基于大量的网络数据，进行参数训练，进行参数和规则调优。进化优秀，有望替代搜索引擎，内容产业有望成为一个人机协同的新时代。

伴随微软ChatGPT、谷歌Bard、百度“文心一言”京东、科大讯飞、腾讯、华为等AI大模型之争愈演愈烈，生成式AI在全球范围内掀起轩然大波。同时，多位业内专家指出，依托大型语言模型的训练，机器对人类意图的理解有了跨越式的质变提升，智能化与算力计算即将迎来新一轮“进化”。出于好奇心和探索欲，对ChatGPT进行过一些体验，对于一般的开放性问题其生成的回答文法结构完整，语言非常自然，比过往的聊天机器人有明显的进步。有标准内容的准确性和完整性，超过正常交流时大多数人的“第一反应”，像是经过了一番思考并整理后的结果，条理清晰，颇有启发。

图2 源自：百度文心一言

但对于专业性问题，尤其是需要逻辑推理的知识，道德水准、自我反思、认知智能等，并没有像网上文章说的那么出色，经常“张冠李戴”“形而上学”，内容上却不知所云。有助于拓展思维广度，但思考深度差强人意。

图3 源自：颉腾文化

AI的爆发主要受到三方面因素影响：算法、数据、计算力，创造和专业性、主动性对话、后台集成能力依旧是深度研究的方向，产业方向在归纳性的文字类工作、代码开发相关工作、图像生成领域、智能客服类工作。 ChatGPT揭示了许多技术趋势和商业洞察，这些趋势和洞察将对企业和社会产生深远的影响。企业需要密切关注并适时地采取行动，以保持竞争优势和创造更多的商业价值。

图4 随着网数字化、云计算、AI等技术也在迅速发展普及，已然渗透到各行各业，

对企业的影响有目共睹

今天的ChatGPT，大模型和文本生成技术所呈现的体验感受比过往令人惊艳，其开放的用户界面更是让大众能够亲身体验这种惊艳，专业性、可设计性、集成性则更适合企业级的业务定位。ChatGPT可改善在AWA（自动化办公助手）能力，但AWA更多是以RPA（机器人流程自动化）、NLP（自然语言处理）、DPA（数字流程自动化）和 AIOps（智能运维）等产品形态体现。相信会有更多推进中国认知智能大模型建设的企业，更多自主可控平台让行业尽快享受AI红利，让每个人都有AI助手。

图5 甲子光年

长期而言，大模型不仅能够更好地训练机器人学习算法和处理更复杂和更大规模的数据集，而且有助于机器人更好地理解人类语言、行为和环境，通过与包括智能仿生材料在内的其他软硬件技术发展的融合，加速人形机器人在任务完成、自主学习、适应能力、仿生体验等领域的进化。ChatGPT在短期内并不会为人形机器人带来实质影响。

01 数字经济基础设施是算力经济

图6 源自：阿里研究院

在工业时代，代表性的通用技术是电力、交通网络，相对农业经济是通过大规模标准化生产降低成本。到信息化时代，代表的技术是数字通用系统，由IT技术支撑起的供应链协同，相对于工业经济呈现了服务和解决方案为价值载体，尤其是对创造力的加强。

今天，我们看到的数字经济，主要是传统产业数字经济化、新兴智能化的经济形态。通过与计算激发更多的创新可能，以云计算、大数据、AI、区块链、5G等数字技术为代表的技术，依旧是经济持续增长的关键。

数字经济真正的蓝海在于数字化平台与生产场景结合，对于传统产业进行赋能升级，形成产业互联网。算力，一方面代表我们对信息的处理能力，另一方，面表现我们将能量转化为信息处理能力的手段。数字经济的智能化，算力成为衡量经济的标尺，也成为核心基础，各个行业数据经过计算加深后产生不可限量的商业价值，云计算也会成为普惠科技。

02 数字化运营、数字化管理、数字化创新是三驾马车

如何运用好数字技术，以高效、差异化的数字化运营、管理、创新手段来为高速发展的企业注入新动能，是每个传统企业的必修课。BCG在2019-2021年对296家企业调研，数字化程度高的企业中由40%收入增长超过10%，而数字化程度较率达10%以上，数字化程度低的企业，只有36%企业投资回报率达到这一增长率。

马车一：传统的人力为主的业务运营模式普遍存在效率低、出错率高、可复制性低、过程数据难以留存等常见问题。数字科技则通过自动化、智能化带来低成本、低出错率、快速响应等优势，进而为研发、供应链、生产制造、营销、服务、客户运营全环节带来降本增效或是创造更好的用户体验，从而提升企业所创造的经济价值。

图7

马车二：传统的以人力交互为主的企业中，企业规模扩大往往带来业务复杂化、决策和响应速度放缓，以及流程管控难度加大等问题。通过引入数字科技并改革管理机制，不仅可重塑流程、降本增效，还可通过自动化与智能化进一步提升用户及员工的体验。

图8

马车三：红海竞争的存量时代，用户需求多元多变，企业需要通过数字化手段提高创新能力，进而通过新产品和业务、生态发展带来增长点以及竞争优势。

图9

03 算力的芯，未来的心

万物互联的背景下，承载算力的主体为底层核心芯片，它的处理也会达到空前的高度。

当前，AI芯片主要分为GPU、FPGA、ASIC。AI芯片根据其技术架构，可分为GPU、FPGA、ASIC及类脑芯片，同时CPU可执行通用AI计算，其中类脑芯片还处于探索阶段。AI芯片根据其在网络中的位置可以分为云端AI芯片、边缘及终端AI芯片；根据其在实践中的目标，可分为训练（training）芯片和推理（inference）芯片。

如果说工业互联网、产业互联网、数字经济的基础条件是能“万物发声”，5G便是互联的纽带，实现人机互动+智慧的就在于算力。芯片、服务器、超算系统、计算速度、通信能力、存储量、云服务能力都是其核心竞争力。

随着AI应用市场规模庞大，数据积累形成海量规模，为国内人工智能芯片发展提供巨大空间。现阶段企业紧跟人工智能芯片创新机遇，积极开展定制ASIC芯片研发，并在部分领域取得一定进展，也为人工智能产业持续升级夯实基础。

图10

04 云网融合，弹性无处不在的云计算服务

随着数字化转型进程加速，云计算正逐渐成为经济社会运行的数字化业务平台。据Gartner公司测算，2015-2021年，全球政府和企业的云计算市场渗透率逐年上升，由4.3%上升至15.3%，云计算用户已经遍及互联网、政务、金融、教育、制造等各个行业。在中国，互联网行业是云计算产业的主流应用行业，占比约为1/3；在政策驱动下，中国政务云近年来实现高增长，政务云占比约为29%；交通物流、金融、制造等行业领域的云计算应用水平正在快速提高，占据了更重要的市场地位。

全球云计算服务商市场集中度较高，21年亚马逊、微软、阿里云成为全球IaaS的前三甲，占据69.54%的市场份额，中国的阿里、华为、腾讯三家合计占据17%的全球市场份额。2021年，亚马逊AWS收入622亿美元，同比增长37%；微软智能云收入600亿美元，增长24%；阿里云收入724亿元（111亿美元），同比增长30%。

单个芯片或单台服务器算力在计算速度、性能、成本等方面出现瓶颈时，超大型计算需求需要超级计算，，相应的集群计算、并行计算、分布式计算、网格计算、云计算等应用而生。

云计算可以说是一种用户习惯和需求、技术演进带来的自然演进的过程，那种按照使用付费模式，便捷按需的网络访问，以及可配置的计算资源共享池，资源的快速提供、极少的管理工作和成本，让我们利用技术在地理上分散各处资源、完成超大规模、复杂计算和数据处理。

云计算厂商的大型云计算数据中心正在向着新型多层次数据中心演进，更多基于物联网的边缘计算数据中心与云计算数据中心连接在一起，并实现智能终端、物联网、互联网和云计算的高度一体化融合，基础云计算服务将向新一代算力服务演进。

作为云服务的升级，人工智能、区块链、大数据、扩展现实等算力服务不断成熟，并呈开放、普惠、标准化的特点。新一代智能算力服务形成数字经济的核心生产力，成为加速行业数字化及经济社会发展的重要引擎。

混合云也将是大型企业云服务的常见模式，很多大型企业采用多个云服务供应商，包括公共云与私有云，以满足不同的需求。公有云与私有云的组合被称为混合云，混合云的优势是能够适应不同的平台需求，它既能提供私有云的安全性，也可以提供公有云的开放性，决定了混合云是大型企业云服务的常见模式，中小企业则更多采用公有云模式。新兴云计算服务企业以算力服务创新为用户提供差异化服务，加快AI、行业云等新一代算力服务创新，为用户提供特色和专业化服务特色。

05 大数据平台放大存算价值

图11 源自：《算力时代》

大数据之所以智慧，是因为智能与计算机中有几个步骤，采集、抓取、推送、传输、存储、分析、处理、检索和挖掘，算法帮助我们找到了路径、目标和方法。大数据的喂养，重复训练，让AI智能成熟。算力+数据是一种促进，算力借助于大数据高效分析、价值挖掘、更近距离的让数据处理效率不断提升，基于分布式产生和数据爆发的原动力，断点和边缘承担的作用非常关键，实时交付、实时决策、个性化服务、智能分析等，对于加快业务响应、改进用户体验、提升运营效率必不可少。

为实现数据及时、高效采集、减少交互，大数据平台系统设计采用就近采集、分布存储原则，整体向上汇聚方式，实时数据可直接对接到应用系统，来实现业务的展现。数据的主控节点、分布节点、边缘节点都会行程标准化数据转化，最终实现价值沉淀和挖掘。

图12 源自：艾瑞咨询研究院

传统架构下的湖仓分体引发数据孤岛，造成实施、运维和成本问题。湖仓一体架构在数据和查询层面形成一体化架构，突破实时性和并发度、集群规模受限、非结构化数据无法整合、建模路径冗长、数据一致性弱等瓶颈。同时，平台融合AI 自主学习和自适应能力，增强用数人员的分析和决策能力。

架构选择在从离线、在线及实时场景出发，按需选择和组合分析架构，在落地实施时，用户的分析场景又趋于融合，既有 HTAP数仓方案的融合框架缩影，也有融合 AP 和 TP 场景的海量大数据分析平台，用户皆可按需选取；传统 Hadoop 架构和以 MPP 为主的数仓架构都无法真正适应云平台。Hadoop将存储和计算部署在同一物理集群以拉近与数据的距离，仅在同一集群下实现了存算分离，而 MPP 数据库本身存算耦合。打破传统架构下的技术异构，统一数据能力提升业务价值是其技术发展的必然趋势。