今年以来，算力领域最令人津津乐道的一个故事是——
5月29日，英伟达创始人黄仁勋刚穿着一身标志性皮衣，向全世界宣布，“我们已经到达了生成式AI的引爆点，从此，全世界的每个角落，都会有计算需求”，一天后，英伟达市值就突破万亿美元，成了大模型热潮背后赚得盆满钵满的“卖水人”。
当然，不仅是英伟达，算力产业链上，包括浪潮信息、寒武纪、中兴通讯等在内，有一个算一个，股价比年初都翻了近一倍。没有人怀疑，大模型将给算力市场带来一股前所未有的推力。
但实际上，早在大模型之前，算力市场就已蓬勃发展多年，被视为像农业时代的水、工业时代的电一样关键。毕竟，算力对经济的拉动不是一般的大。最近，IDC、浪潮信息、清华大学全球产业研究院联合发布的《2022-2023全球计算力指数评估报告》显示，国家的计算力指数每提高1点，数字经济将增长3.6‰，GDP将增长1.7‰，且预计该趋势在2023至2026年将继续保持。另一个更直接的对应关系是，IT支出每投入1美元，可以拉动15美元的数字经济产出，同时也可拉动29美元的GDP产出。
这已经是这几家企业/机构第三次发布全球算力指数报告，除了全球算力基本格局以及算力对经济的稳定拉升作用，一些新趋势也引发行业关注。
01 中国和美国领跑三年，追赶者来势汹汹
全球算力市场上，美国和中国依然是最能打的存在。
自2020年度首份报告发布以来，在全球算力排行榜上，美国和中国已连续领跑三年。在满分100的情况下，2022年，作为唯二两个上了60分的国家，美国靠着超大规模互联网巨头在算力投入上的大幅增长，将分数提高了5分，达到82分。而中国受阻于疫情反复，算力投入有所放缓，但整体增速仍高于GDP，分数增长1分到71分。
至于其余十来个上榜国家，还处在追赶者（40分到60分）和起步者（40分以下）梯队，离60分的“及格线”还有一段距离。比如，第三名日本与中国相差13分，为58分。
对不同梯队国家来说，分数上的差距，也意味着增加算力投资对经济促进作用的巨大落差。“这两者之间并非一条斜线，而是加速向上的抛物线。”IDC中国副总裁周震刚介绍，当国家计算力指数分别达到40分以上、60分以上时，指数每提升1点，对GDP增长的推动力将分别提高到40分以下时的1.3倍和3倍。
不过，各种迹象表明，三个梯队间的竞争日趋白热化。截止到2022年，入围榜单的15个国家中，起步者阵营正在缩小，像印度靠着对算力及新兴技术的投入，名次上升至第八，从起步者进入追赶者阵列。
新加坡和爱尔兰则首次被纳入评估国家范围，这主要有赖于在云计算和数据中心上的投入。例如，新加坡这次直接以55分排在第5。这背后是过去几年间，全球多家云厂商都将数据中心设在了新加坡，完成对整个东南亚的辐射。
而以欧洲国家为主的追赶者国家，正在从AI计算能力方面缩小和中国和美国两国的差距。 比如，德、英、法、日、韩的人工智能服务器市场同比增长均超过40%。
02 为何说中国算力转向高质量发展
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，在应用水平子项上，中国得分从70分增长到72分。该子项主要涉及大数据、人工智能、物联网、区块链、机器人五大新兴技术相关的软硬件以及服务的投入。尤其在物联网和机器人方面，中国得分超过美国，位列*。相反，人工智能和大数据方面还需补足。
算力效率也是一个关键指标，它意味着同等算力下，效率高的能干更多的事。而计算效率的提高，一般由云计算、新技术渗透率和集约化数据中心建设来贡献。
中国在这几个因素上，都能看到明显提升。比如云计算，李东红介绍说，2022年中国云计算市场规模已达到4552.4亿元，同比增长了33.5%。以前企业每上一个应用，往往就会多用一台服务器，但现在大家都开始通过云技术或其他调度技术，让整个服务器的使用效率更高。
在业内人士看来，算力高质量发展中，绿色发展不可或缺。2021年，中国平均PUE（数据中心能效指标）为1.55，但截至2022年底，累计建成153家国家绿色数据中心，规划在建的大型以上数据中心PUE降至1.30。液冷服务器市场被带动，2022年同比增速达305.2%。
由于应用场景日趋复杂，中国在多元算力上的创新在提速，Arm架构服务器是不容忽视的一个分支，2022年中国市场同比增长达138%。为满足AI工作负载的需求，采用GPU、FPGA、ASIC等加速卡的服务器越来越多。根据IDC数据统计，2022年，中国加速服务器市场相比2019年增长44.0亿美元，服务器市场增量一半是来自加速服务器。 “未来算力一定是多元化的。”浪潮信息副总裁张东说。业界看到，浪潮信息针对“云计算、大数据、边缘计算、人工智能、AI4S（Artificial Intelligence for Science，即面向科学的人工智能）”等不同应用，打造了多元的算力平台。
张东告诉数智前线，企业在进行算力建设时，一定要软硬件平衡，不仅要买硬件，还需要在软件上做投入，比如操作系统、虚拟化、云等基础软件，从而把设备完全用起来。
03 制造业算力超越了金融业
2022年，行业算力排行榜上*的“黑马”是制造业。
这一年，制造业的计算力水平一举提高3分，以62分的成绩，超过61分的金融业，成为了继互联网之后算力发展水平第二高的行业。在增长亮眼程度上，能与之匹敌的，大概只有政府和教育行业，二者均以7分的增加值，成为2022年算力水平增长最快的行业。
互联网行业继续稳坐*无可厚非，毕竟算力本身就是其创收的重要生产工具。但一向在数字化技术上更为*的金融业，被制造业反超，就多少让人意外了。制造业为什么实现“逆袭”？
业内人士普遍认为，这与各国都在抢夺制造强国制高点的大背景，以及制造业数字化转型的持续深入不无相关。
最近几年，发达国家纷纷实施“再工业化”战略，鼓励本国制造企业回流。中国也在“十四五”规划中首次提出“保持制造业比重基本稳定”的目标。目前，多省市已采取行动，如广东提出到2027年制造业增加值要占地区生产总值的35%以上，比两年前提出的“2025年占比在30%以上”的目标更进一步。
与此同时，制造业的数字化正从之前的运营管理端，走向研发、制造工艺等核心场景。《报告》也提出，2023年企业数字化迎来拐点，从数字化转型时代进入到数字化业务时代。这一阶段将有几大关键特征，比如由CEO和业务高管支持和推动，利用数字技术进行业务竞争与创新。核心则是发挥数据要素的价值，实现数据的业务化。
具体到制造业细分行业，尤以新能源汽车、半导体等“发展快、市场变化快”的产业最为积极。典型如吉利汽车，于2022年7月在浙江湖州建成了国内汽车业*多元算力于一体的智算中心——星睿云 • 智算中心，并于今年2月正式启用，吉利的整体研发效能提升了20%。
另一家装备制造业龙头三一重工，则在浪潮信息的协助下，打造面向全球工厂和研发中心的智算解决方案，打通云、边缘、端侧一体化的AI业务流程，可支持超过75个自动化生产系统，联通数以万计的边缘设备。
全球*的湿法锂电池隔膜生产企业恩捷股份，也通过浪潮信息、展湾科技携手开发的Diana智能制造一体机，基于边缘计算和工业物联网技术，对设备运行、产线生产、产品质量等数据实时采集处理，提升产线生产质量和效率，辅助业务决策。
算力已给制造业带来不错的投入产出比。《报告》显示，制造业全球Top30的企业中，IT每投入1美元，可以拉动45美元的营收产出，6美元利润产出，远高于其他行业。一个更直观的数据是，受益于数字化转型的深入，2021年，我国制造业增加值占GDP的比重达到27.4%，是近十年来制造业比重连续下降后的首次回升，并在2022年继续正增长到了27.7%。
IDC中国研究经理杜雁泽认为，制造业未来一段的数字化转型的关键可以总结为两个词——补课和融合。
补课是指，制造业将持续缩小与互联网、金融等行业的数字化成熟度差距。对于中小制造企业，以普及数字化应用为主；对于大型及集团型制造企业，则从分散式应用向集中式算力中心及一体化应用转换。
融合的关键之一则是IT/OT融合，趋势是IT（信息技术）持续向OT（运营技术）渗透。这也使得，云化工业软件、边缘计算、设计仿真、自动驾驶仿真、全域数字孪生、AI视觉质检等兴起，对算力提出旺盛需求。
周震刚表示，制造业目前的算力增长还在量上，未来则有望在质上取得增长。这里的关键在于，越来越多制造业数字化，不仅服务内部员工和产线，也像互联网和电信行业一样，服务更多的客户。
04 如何解决大模型“算力荒”
今年“算力”与“大模型”在一定程度上捆绑在一起。业界经常提及的是大模型引发的“算力荒”。《报告》中有这样一个比喻：在1000张英伟达V100 GPU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中国人4年的生活用电总量。
实际上，大模型的火热虽然是今年初才开启的，但周震刚告诉数智前线，很多用户和供应商反馈，早在去年，他们对于人工智能，尤其是AIGC的投入，就已大幅增加。
这也是他认为今年最新《报告》中最值得关注的一个点。《报告》显示，全球生成式AI计算市场规模将从2022年的8.2亿美元增长到2026年的109.9亿美元，占整体AI计算市场的比例将从4.2%增长到31.7%。
张东透露，企业今年对人工智能服务器的需求平均都在之前的5倍以上，甚至有用户提出10倍以上的采购意愿。
当前，AIGC技术正在互联网、金融、教育、医疗和制造等各个领域探索落地。
在互联网行业如开发游戏、生成自媒体内容、电子商务个性化推荐、智能客服和自动化营销；在金融行业AIGC能够辅助分析师抓取、分析数据，生成报告；教育行业将2D教材转换为3D教学模型和合成虚拟教师；在医疗行业可以提供潜在候选药物、进行更精确的设计和优化；在工业领域，AIGC在CAD设计中提供辅助功能……
在大模型叩响下一次产业革命的大门之前，算力仍然是一个需要集各家之力去解决的问题。如何才能解决逐渐失衡的算力供需问题，张东总结了四个关键要点：多元化、系统化、基建化和生态化。
张东认为，计算的范式应该是一个以应用导向，以系统设计为核心的模式，建立多元异构算力融合、软硬协同设计与优化的计算发展范式。同时，算力可以像水和电一样便捷地提供给千行百业，解决大家“用得起，用得好”的问题。而在算力落地到行业，需要有一个生态来支撑，在此过程中产业链上下游能进行协同创新。
在这样的思路下，浪潮信息支撑了不少行业和企业的数字化，以及大模型和行业大模型的构建，并通过打造元脑生态加速算力在各行业落地。
对于应对包括大模型在内的算力需求，《报告》中提出了针对性的行动建议，比如各国应加大国家层面算力基础设施投资，积极探索融合型算力服务；企业应积极推进AI在业务场景中的深度应用，践行数字化优先原则，积极推行绿色计算，考虑增加液冷服务器投入等。
