(相关资料图)

当英伟达创始人黄仁勋在今年5月高喊出“生成式AI的引爆点正在到来”时，一场围绕全球算力产业链的竞逐也在同时进行。身处产业链中的企业们也在感受着这场算力革命带来的机会。“大家都在争先恐后的布局。”超聚变的一名管理人员对记者表示，无论是智算还是具体到大模型算力上，国内的投入和部署的规模速度都在加快。据IDC数据显示，受AI影响，从2022年到2026年，中国区人工智能算力规模年复合增长率将达到52.3%。但算力产业在快速发展的同时，也面临着风险和挑战，比如算力能耗和算力不足的问题。行业中曾有统计 当英伟达创始人黄仁勋在今年5月高喊出“生成式AI的引爆点正在到来”时，一场围绕全球算力产业链的竞逐也在同时进行。身处产业链中的企业们也在感受着这场算力革命带来的机会。“大家都在争先恐后的布局。”超聚变的一名管理人员对记者表示，无论是智算还是具体到大模型算力上，国内的投入和部署的规模速度都在加快。据IDC数据显示，受AI影响，从2022年到2026年，中国区人工智能算力规模年复合增长率将达到52.3%。但算力产业在快速发展的同时，也面临着风险和挑战，比如算力能耗和算力不足的问题。行业中曾有统计，在1000张英伟达V100GPU上训练GPT-3大模型共需14.8天，在数据中心PUE为1.1的条件下，总能耗将达到1287MWh，以2021年中国人均生活用电水平计算，单次大模型训练耗电相当于一个人4年的生活用电总量。此外，算力市场仍存在需求与供给之间的鸿沟。据研究机构预测，未来三年新产生的数据量将超过过去三十年的总和。然而，数据总量在增长，真正被有效利用的数据占比却微不足道。而在关键技术上，比如服务器芯片领域，无论是通用处理器还是加速处理器，英特尔（Intel）、AMD和英伟达占据国内85%以上的服务器芯片市场，高性能芯片的供给不足。展开