AI时代，算力有多重要？如果说，数据是AI大模型的“燃油”，那么算力就是AI大模型的“发动机”。
资料显示，Open AI为了训练GPT大模型，耗尽了40TB数据，每天消耗50万千瓦时电力。据测算，OpenAI训练一次1746亿参数的GPT-3模型需要的算力约为3640PFlops，耗资466万美元。
因此，当人工智能成为全球热点之后，各国开始了对算力的普遍狂热追求，中国数据中心的建设速度也非常惊人。在2024中国算力大会上，有关专家透露，目前全国在用算力中心机架总规模超过830万标准机架，算力总规模达246EFlops，位居世界前列，年均增长超过30%。
目前，国内算力依旧迅猛增长，很多机构都在投资算力基础设施。比如，中国移动宣布要在年内完成三个万卡集群智算中心的建设，成为国内算力网络的“领头羊”，争取在人工智能时代获取领先优势。
实际上，关于算力到底是短缺还是过剩的争论一直存在，而增长过于快速的算力规模更是成为了行业热议的焦点。
理论上，如果将算力作为人工智能发展的底座、经济社会的基础设施，那么进行适度超前的建设是必须的。我们看到，不仅是中国，全世界在算力投资建设方面均迅猛增长。《中国综合算力指数报告（2024）》显示，截至2023年底，全球算力基础设施总规模达到910EFlops，同比增长40%。
与此同时，我们也要看到，目前算力的应用还处在起步阶段，更多的算力增长是被以ChatGPT为代表的人工智能牵引而来的，成为了芯片概念股赚钱的工具，但人工智能浪潮在经历了过度炒作之后正在陷入新一轮的低谷期，突破乏力期也已经是事实。
由此来看，智算中心的建设确实应该放缓节奏，在居高不下的成本压力下，投资太多的算力，有可能面临运营困局，成为企业发展的巨大包袱。但面对未来发展，放弃算力的“大干快上”，也将面临在竞争中落伍的不确定性风险。
一方面，从供需两端来看，算力供给与应用存在不匹配的情况。AI算力供给紧缺的局面已有所缓解，各类计算卡价格开始贴近销售商成本线，这说明供给端的能力在增强。而在需求端，虽然智算需求呈增长态势，但需求趋于理性，不再像之前那样盲目追求高算力。于是，供需两端出现了不完全匹配的情况，AI专项算力、高性能算力等高端算力的缺口大，通用算力利用率低，落地投入使用的智算中心数量和机柜利用率等也不及预期。
另一方面，人工智能技术也确实在社会上带来了应用创新，目前全国在工业、教育、医疗、能源等多个领域的算力应用项目已经超过1.3万个，云计算、元宇宙以及智慧城市建设等对算力的依赖程度持续增加，相关需求依然旺盛。根据需求特点进行针对性的算力建设依然具有战略必要性。
综上所述，算力是否过剩并没有一个绝对的答案。在特定时期和特定领域，可能会出现算力利用率低的情况，但从长远来看，随着人工智能技术的不断发展和应用场景的不断拓展，算力需求仍然将持续增长。
因此，我们需要根据具体情况来控制算力建设的节奏，并采取相应措施来优化算力资源配置。既要避免盲目建设，又要放开战略眼光。毕竟，面对人工智能的大国博弈，谁也输不起。
*本文刊载于《通信世界》
总第954期 2024年10月25日 第20期
