全球算力地圖背後，一場白熱化的算力爭霸賽

來源：數智前線

圖片來源：由無界AI工俱生成

今年以來，算力領域最令人津津樂道的一個故事是——

5月29日，英偉達創始人黃仁勳剛穿著一身標誌性皮衣，向全世界宣布，“我們已經到達了生成式AI的引爆點，從此，全世界的每個角落，都會有計算需求”，一天后，英偉達市值就突破萬億美元，成了大模型熱潮背後賺得盆滿缽滿的“賣水人”。

當然，不僅是英偉達，算力產業鏈上，包括浪潮信息、寒武紀、中興通訊等在內，有一個算一個，股價比年初都翻了近一倍。沒有人懷疑，大模型將給算力市場帶來一股前所未有的推力。

但實際上，早在大模型之前，算力市場就已蓬勃發展多年，被視為像農業時代的水、工業時代的電一樣關鍵。畢竟，算力對經濟的拉動不是一般的大。最近，IDC、浪潮信息、清華大學全球產業研究院聯合發布的《2022-2023全球計算力指數評估報告》顯示，國家的計算力指數每提高1點，數字經濟將增長3.6‰，GDP將增長1.7‰，且預計該趨勢在2023至2026年將繼續保持。另一個更直接的對應關係是，IT支出每投入1美元，可以拉動15美元的數字經濟產出，同時也可拉動29美元的GDP產出。

這已經是這幾家企業/機構第三次發布全球算力指數報告，除了全球算力基本格局以及算力對經濟的穩定拉升作用，一些新趨勢也引發行業關注。

中美領跑三年，追趕者來勢洶洶

全球算力市場上，美國和中國依然是最能打的存在。

自2020年度首份報告發布以來，在全球算力排行榜上**，美、中兩國已連續領跑三年**。在滿分100的情況下，2022年，作為唯二兩個上了60分的國家，美國靠著超大規模互聯網巨頭在算力投入上的大幅增長，將分數提高了5分，達到82分。而中國受阻於疫情反复，算力投入有所放緩，但整體增速仍高於GDP，分數增長1分到71分。

至於其餘十來個上榜國家，還處在追趕者（40分到60分）和起步者（40分以下）梯隊，離60分的“及格線”還有一段距離。比如，第三名日本與中國相差13分，為58分。

對不同梯隊國家來說，分數上的差距，也意味著增加算力投資對經濟促進作用的巨大落差。 “這兩者之間並非一條斜線，而是加速向上的拋物線。”IDC中國副總裁周震剛介紹，當國家計算力指數分別達到40分以上、60分以上時，指數每提升1點，對GDP增長的推動力將分別提高到40分以下時的1.3倍和3倍。

不過，各種跡象表明，三個梯隊間的競爭日趨白熱化。截止到2022年，入圍榜單的15個國家中，起步者陣營正在縮小，像印度靠著對算力及新興技術的投入，名次上升至第八，從起步者進入追趕者陣列。

新加坡和愛爾蘭則首次被納入評估國家範圍，這主要有賴於在雲計算和數據中心上的投入。例如，新加坡這次直接以55分排在第5。這背後是過去幾年間，全球多家云廠商都將數據中心設在了新加坡，完成對整個東南亞的輻射。

而以歐洲國家為主的追趕者國家，正在從AI計算能力方面縮小和中美兩國的差距。比如，德、英、法、日、韓的人工智能服務器市場同比增長均超過40%。

為何說中國算力轉向高質量發展

观察中国算力市场的特点，清华大学全球产业研究院副院长李东红告诉数智前线，他们在调研中发现，这一年有一个突出变化——几个核心指标发生了显著改变，虽然中国通用服务器市场的增速从往年的两位数下降到一位数，但计算效率、应用水平却有明显提升，这意味着中国算力产业从高速增长期，走向高质量发展新阶段。

比如，在應用水平子項上，中國得分從70分增長到72分。該子項主要涉及大數據、人工智能、物聯網、區塊鏈、機器人五大新興技術相關的軟硬件以及服務的投入。 尤其在物聯網和機器人方面，中國得分超過美國，位列第一。相反，人工智能和大數據方面還需補足。

算力效率也是一個關鍵指標，它意味著同等算力下，效率高的能幹更多的事。而計算效率的提高，一般由雲計算、新技術滲透率和集約化數據中心建設來貢獻。

中國在這幾個因素上，都能看到明顯提升。比如雲計算，李東紅介紹說，2022年中國雲計算市場規模已達到4552.4億元，同比增長了33.5%。以前企業每上一個應用，往往就會多用一台服務器，但現在大家都開始通過雲技術或其他調度技術，讓整個服務器的使用效率更高。

在業內人士看來，算力高質量發展中，綠色發展不可或缺。 2021年，中國平均PUE（數據中心能效指標）為1.55，但截至2022年底，累計建成153家國家綠色數據中心，規劃在建的大型以上數據中心PUE降至1.30。液冷服務器市場被帶動，2022年同比增速達305.2%。

由於應用場景日趨複雜，中國在多元算力上的創新在提速，Arm架構服務器是不容忽視的一個分支，2022年中國市場同比增長達138%。為滿足AI工作負載的需求，採用GPU、FPGA、ASIC等加速卡的服務器越來越多。根據IDC數據統計，2022年，中國加速服務器市場相比2019年增長44.0億美元，服務器市場增量一半是來自加速服務器。 “未來算力一定是多元化的。”浪潮信息副總裁張東說。業界看到，浪潮信息針對“雲計算、大數據、邊緣計算、人工智能、AI4S（Artificial Intelligence for Science，即面向科學的人工智能）”等不同應用，打造了多元的算力平台。

張東告訴數智前線，企業在進行算力建設時，一定要軟硬件平衡，不僅要買硬件，還需要在軟件上做投入，比如操作系統、虛擬化、雲等基礎軟件，從而把設備完全用起來。

製造業算力超越了金融業

2022年，行業算力排行榜上最大的“黑馬”是製造業。

這一年，製造業的計算力水平一舉提高3分，以62分的成績，超過61分的金融業，成為了繼互聯網之後算力發展水平第二高的行業。在增長亮眼程度上，能與之匹敵的，大概只有政府和教育行業，二者均以7分的增加值，成為2022年算力水平增長最快的行業。

互聯網行業繼續穩坐第一無可厚非，畢竟算力本身就是其創收的重要生產工具。但一向在數字化技術上更為領先的金融業，被製造業反超，就多少讓人意外了。製造業為什麼實現“逆襲”？

業內人士普遍認為，這與各國都在搶奪製造強國製高點的大背景，以及製造業數字化轉型的持續深入不無相關。

最近幾年，發達國家紛紛實施“再工業化”戰略，鼓勵本國製造企業回流。中國也在“十四五”規劃中首次提出“保持製造業比重基本穩定”的目標。目前，多省市已採取行動，如廣東提出到2027年製造業增加值要佔地區生產總值的35%以上，比兩年前提出的“2025年佔比在30%以上”的目標更進一步。

與此同時，製造業的數字化正從之前的運營管理端，走向研發、製造工藝等核心場景。 《報告》也提出，2023年企業數字化迎來拐點，從數字化轉型時代進入到數字化業務時代。這一階段將有幾大關鍵特徵，比如由CEO和業務高管支持和推動，利用數字技術進行業務競爭與創新。 **核心則是發揮數據要素的價值，實現數據的業務化。 **

具體到製造業細分行業，尤以新能源汽車、半導體等“發展快、市場變化快”的產業最為積極。典型如吉利汽車，於2022年7月在浙江湖州建成了國內汽車業首個多元算力於一體的智算中心——星睿雲• 智算中心，並於今年2月正式啟用，吉利的整體研發效能提升了20%。

另一家裝備製造業龍頭三一重工，則在浪潮信息的協助下，打造面向全球工廠和研發中心的智算解決方案，打通雲、邊緣、端側一體化的AI業務流程，可支持超過75個自動化生產系統，聯通數以萬計的邊緣設備。

全球最大的濕法鋰電池隔膜生產企業恩捷股份，也通過浪潮信息、展灣科技攜手開發的Diana智能製造一體機，基於邊緣計算和工業物聯網技術，對設備運行、產線生產、產品質量等數據實時採集處理，提升產線生產質量和效率，輔助業務決策。

算力已給製造業帶來不錯的投入產出比。 《報告》顯示，製造業全球Top30的企業中，IT每投入1美元，可以拉動45美元的營收產出，6美元利潤產出，遠高於其他行業。一個更直觀的數據是，受益於數字化轉型的深入，2021年，我國製造業增加值佔GDP的比重達到27.4%，是近十年來製造業比重連續下降後的首次回升，並在2022年繼續正增長到了27.7%。

IDC中國研究經理杜雁澤認為，製造業未來一段的數字化轉型的關鍵可以總結為兩個詞——補課和融合。

補課是指，製造業將持續縮小與互聯網、金融等行業的數字化成熟度差距。對於中小製造企業，以普及數字化應用為主；對於大型及集團型製造企業，則從分散式應用向集中式算力中心及一體化應用轉換。

融合的關鍵之一則是IT/OT融合，趨勢是IT（信息技術）持續向OT（運營技術）滲透。這也使得，雲化工業軟件、邊緣計算、設計仿真、自動駕駛仿真、全域數字孿生、AI視覺質檢等興起，對算力提出旺盛需求。

周震剛表示，製造業目前的算力增長還在量上，未來則有望在質上取得增長。這裡的關鍵在於，越來越多製造業數字化，不僅服務內部員工和產線，也像互聯網和電信行業一樣，服務更多的客戶。

如何解決大模型“算力荒”

今年“算力”與“大模型”在一定程度上捆綁在一起。業界經常提及的是大模型引發的“算力荒”。 《報告》中有這樣一個比喻：在1000張英偉達V100 GPU上訓練GPT-3大模型，共需14.8天，在數據中心PUE為1.1的條件下，總能耗將達到1287MWh，以2021年中國人均生活用電水平計算，單次大模型訓練耗電相當於一個中國人4年的生活用電總量。

實際上，大模型的火熱雖然是今年初才開啟的，但周震剛告訴數智前線，很多用戶和供應商反饋，早在去年，他們對於人工智能，尤其是AIGC的投入，就已大幅增加。

這也是他認為今年最新《報告》中最值得關注的一個點。 《報告》顯示，全球生成式AI計算市場規模將從2022年的8.2億美元增長到2026年的109.9億美元，佔整體AI計算市場的比例將從4.2%增長到31.7%。

張東透露，企業今年對人工智能服務器的需求平均都在之前的5倍以上，甚至有用戶提出10倍以上的採購意願。

當前，AIGC技術正在互聯網、金融、教育、醫療和製造等各個領域探索落地。

在互聯網行業如開發遊戲、生成自媒體內容、電子商務個性化推薦、智能客服和自動化營銷；在金融行業AIGC能夠輔助分析師抓取、分析數據，生成報告；教育行業將2D教材轉換為3D教學模型和合成虛擬教師；在醫療行業可以提供潛在候選藥物、進行更精確的設計和優化；在工業領域，AIGC在CAD設計中提供輔助功能......

在大模型叩響下一次產業革命的大門之前，算力仍然是一個需要集各家之力去解決的問題。如何才能解決逐漸失衡的算力供需問題，張東總結了四個關鍵要點：多元化、系統化、基建化和生態化。

張東認為，計算的範式應該是一個以應用導向，以系統設計為核心的模式，建立多元異構算力融合、軟硬協同設計與優化的計算發展範式。同時，算力可以像水和電一樣便捷地提供給千行百業，解決大家“用得起，用得好”的問題。而在算力落地到行業，需要有一個生態來支撐，在此過程中產業鏈上下游能進行協同創新。

在這樣的思路下，浪潮信息支撐了不少行業和企業的數字化，以及大模型和行業大模型的構建，並通過打造元腦生態加速算力在各行業落地。

對於應對包括大模型在內的算力需求，《報告》中提出了針對性的行動建議，比如各國應加大國家層面算力基礎設施投資，積極探索融合型算力服務；企業應積極推進AI在業務場景中的深度應用，踐行數字化優先原則，積極推行綠色計算，考慮增加液冷服務器投入等。