2024智能計(jì)算中心創(chuàng)新發(fā)展指南

2024年2 . AI芯 AI服務(wù) AI集 AI大模 智算 建設(shè)篇 26 智算中心是基于最新人工智能理論，采用領(lǐng)先的人工智能計(jì)算架構(gòu)，提供人工智能應(yīng)用所需算力服務(wù)、數(shù)據(jù)服務(wù)和算法服務(wù)的公共算力新型基礎(chǔ)設(shè)施，通過(guò)算力的生產(chǎn)、聚合、調(diào)度和釋放，高效支撐數(shù)據(jù)開(kāi)放共享、智能生態(tài)建設(shè)、產(chǎn)業(yè)創(chuàng)新聚集，有力促進(jìn)AI產(chǎn)業(yè)化、產(chǎn)業(yè)AI化及政府治理智能化。智算中心以多種異構(gòu)方式共同發(fā)展的AI服務(wù)器算力機(jī)組為算力底座，不斷提升智能計(jì)算能力和速度，滿(mǎn)足人工智能應(yīng)用場(chǎng)景下大規(guī)模、多線(xiàn)并行的計(jì)算需求。智算中心圍繞“算力生產(chǎn)、算力聚合、算力調(diào)度、算力釋放”四個(gè)核心業(yè)務(wù)功能，為各行業(yè)各領(lǐng)域人工智能應(yīng)用提供穩(wěn)定的技術(shù)支撐，打造可持續(xù)發(fā)展的算力生態(tài)。人工智能產(chǎn)業(yè)在算力支撐下快速發(fā)展。國(guó)際數(shù)據(jù)公司

智算中心能夠以強(qiáng)大的硬件支撐和軟件服務(wù)促進(jìn)農(nóng)業(yè)生產(chǎn)效率提升，是推動(dòng)我國(guó)農(nóng)業(yè)高質(zhì)量發(fā)展的重要力量。農(nóng)業(yè)農(nóng)村部印發(fā)的《“十四五”全國(guó)農(nóng)業(yè)農(nóng)村信息化發(fā)展規(guī)劃》提出，到2025年，農(nóng)業(yè)生產(chǎn)信息化率達(dá)到27%。針對(duì)農(nóng)業(yè)生產(chǎn)過(guò)程中的土壤條件、氣象、降水、農(nóng)作物生長(zhǎng)等信息采集與處理需求，智算中心可以提供數(shù)字農(nóng)業(yè)專(zhuān)有算法，分析各類(lèi)傳感器、氣象衛(wèi)星、結(jié)構(gòu)化視頻監(jiān)控等數(shù)據(jù)，為農(nóng)業(yè)生產(chǎn)提供強(qiáng)力輔助。智算中心的算力支撐和算法服務(wù)可以賦能工業(yè)轉(zhuǎn)型發(fā)智算中心的研發(fā)與孵化功能可以為新業(yè)態(tài)提供土壤。智算中心廣泛賦能科學(xué)研究、產(chǎn)業(yè)發(fā)展、城市運(yùn)行等多元場(chǎng)景，可以為日益豐富、個(gè)性化的數(shù)字產(chǎn)品或服務(wù)的研發(fā)提供必要的基礎(chǔ)設(shè)施支撐，帶動(dòng)智能網(wǎng)聯(lián)汽車(chē)、數(shù)字交易、元宇宙等新業(yè)態(tài)的蓬勃發(fā)展。同時(shí)，智算中心以其模塊化的軟件

基于智算中心的專(zhuān)業(yè)人才資源、創(chuàng)新資源，以建設(shè)配套產(chǎn)業(yè)園區(qū)等形式為產(chǎn)業(yè)鏈上下游參與方協(xié)同合作提供優(yōu)質(zhì)環(huán)境，可有效加強(qiáng)與IT和土建基礎(chǔ)設(shè)施供應(yīng)商等上游參與者，以及智算服務(wù)供應(yīng)商、云服務(wù)供應(yīng)商、互聯(lián)網(wǎng)數(shù)據(jù)中心（Inter-netataCenter，簡(jiǎn)稱(chēng)IDC）服務(wù)商等中游相關(guān)產(chǎn)業(yè)的協(xié)同，并服務(wù)于互聯(lián)網(wǎng)、金融、電信、交通等行業(yè)用戶(hù)的人工智能應(yīng)用需求，實(shí)現(xiàn)對(duì)自動(dòng)駕駛、機(jī)器人、元宇宙、智慧醫(yī)療、文娛創(chuàng)作、智慧科研等下游相關(guān)產(chǎn)業(yè)的帶動(dòng)。IT......IT...............關(guān)產(chǎn)業(yè)規(guī)模超過(guò)10萬(wàn)億元”。預(yù)計(jì)2020年至2030

人工智能核心產(chǎn)業(yè)規(guī)模

設(shè)投入的增長(zhǎng)量對(duì)創(chuàng)新產(chǎn)出的貢獻(xiàn)率約為14%17%2 36-421?；鶞?zhǔn)數(shù)值，結(jié)合近年我國(guó)人工智能投入規(guī)模數(shù)據(jù)，估算創(chuàng)新產(chǎn)出區(qū)間值；以此為基礎(chǔ)，在智算中心實(shí)現(xiàn)80%用水平的條件下，估算智算中心建設(shè)投入的增長(zhǎng)量對(duì)創(chuàng)新產(chǎn)出的貢獻(xiàn)率。2026年期間，預(yù)計(jì)中國(guó)智能算力規(guī)模年復(fù)合增長(zhǎng)率達(dá)52.3%，同期通用算力規(guī)模年復(fù)合增長(zhǎng)率為18.5%

發(fā)布的GPT-3、ChatGPT多模態(tài)智能計(jì)算成為實(shí)現(xiàn)通用人工智能的關(guān)鍵。每一種信息的來(lái)源或者形式，都可以稱(chēng)為一種模態(tài)。例如，人有觸覺(jué)、聽(tīng)覺(jué)、視覺(jué)、嗅覺(jué)，信息的媒介有語(yǔ)音、視頻、文字等。多模態(tài)學(xué)習(xí)更貼近人類(lèi)對(duì)多感知模態(tài)的認(rèn)知過(guò)程，通過(guò)學(xué)習(xí)多種模態(tài)的數(shù)據(jù)，可以突破自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)的界限，在圖文生成、看圖問(wèn)答等視覺(jué)語(yǔ)言任務(wù)上具有更強(qiáng)的表現(xiàn)。當(dāng)前，多模態(tài)大模型引發(fā)了業(yè)界廣泛的關(guān)注，并在以文生圖等領(lǐng)域取得了巨大進(jìn)步，代表性模型有OpenAI發(fā)布的ALLE-2等。

算力基礎(chǔ)設(shè)施的能效指標(biāo)更加嚴(yán)格具體。我國(guó)數(shù)據(jù)中心總體上還處于小而散的粗放建設(shè)階段，大型、超大型數(shù)據(jù)中心占比不高。據(jù)統(tǒng)計(jì)，2021年度全國(guó)數(shù)據(jù)中心平均PUE為.49，有相當(dāng)數(shù)量的數(shù)據(jù)中心PUE超過(guò).8甚至2.0。為約束大型算力基礎(chǔ)設(shè)施的能效，國(guó)家發(fā)改委、科技部、工信部、國(guó)家能源局等多部門(mén)陸續(xù)出臺(tái)文件，對(duì)新建大型、超大型數(shù)據(jù)中心的PUE要求已從2017年的.5降至2021年的.3以下，國(guó)家樞紐節(jié)點(diǎn)平均PUE更是要求進(jìn)一步降到.25以下?！皷|數(shù)西算”工程要求東部地區(qū)PUE目標(biāo)不超過(guò).25，西部地區(qū)不超過(guò).2，能效指標(biāo)更加嚴(yán)格。

2021-20232021-2023(PUE)1.5”

算力服務(wù)的方式布局到用戶(hù)身邊，用戶(hù)按業(yè)務(wù)需求采購(gòu)算力、存儲(chǔ)、帶寬等專(zhuān)業(yè)服務(wù)，實(shí)現(xiàn)無(wú)處不在的計(jì)算。

圖5PUE作為熱量傳輸介質(zhì)滿(mǎn)足服務(wù)器等IT設(shè)備散熱需求的一種冷卻方式，比傳統(tǒng)風(fēng)冷具備更強(qiáng)的冷卻能力，其冷卻力是空氣的,000-3,000倍，熱傳導(dǎo)

其同經(jīng)濟(jì)社會(huì)發(fā)展深度融合，推動(dòng)我國(guó)新一代人工智能健康發(fā)展。2017年以來(lái)，從中央到國(guó)家部委，密集出臺(tái)了一系列人工智能發(fā)展政策，內(nèi)容涉及人工智能基礎(chǔ)設(shè)施、標(biāo)準(zhǔn)體系、應(yīng)用場(chǎng)景、人才培育等人工智能發(fā)展的多個(gè)方面，初步形成較為完整的政策體系，為加快推動(dòng)人工智能應(yīng)用，助力穩(wěn)經(jīng)濟(jì)，培育新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)指明方向。12017-20222022年82022年72021年122021年72021年5統(tǒng)籌圍繞國(guó)家重大區(qū)域發(fā)展戰(zhàn)略，根據(jù)能源結(jié)構(gòu)、產(chǎn)業(yè)布局、市場(chǎng)發(fā)展、氣候環(huán)境等，在京津冀、長(zhǎng)三角、粵港澳大灣區(qū)、成渝，以及貴州、內(nèi)蒙古、甘肅、寧夏等地布局建設(shè)全國(guó)一體化算力網(wǎng)絡(luò)國(guó)家樞紐節(jié)點(diǎn)（簡(jiǎn)稱(chēng)“國(guó)家樞紐節(jié)點(diǎn)”），發(fā)展數(shù)據(jù)中心集群，引導(dǎo)數(shù)據(jù)中心集約化、規(guī)?；?、綠色化發(fā)展。國(guó)家樞紐節(jié)點(diǎn)之間進(jìn)一步打通網(wǎng)絡(luò)傳輸通道，加快實(shí)施“東數(shù)西算”工程，提升跨區(qū)域算力調(diào)度水平。2021年32020年92020年72019年32017年12力爭(zhēng)到2020年，實(shí)現(xiàn)人工智能重點(diǎn)產(chǎn)品規(guī)?；l(fā)展、人工智能整體核心基礎(chǔ)能力顯著增強(qiáng)、智能制造深化發(fā)展、人工智能產(chǎn)業(yè)支撐體系基本建立。2017年7分布不均衡局面，2021《全國(guó)一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系算力樞紐實(shí)施方案》，明確提出在京津冀、長(zhǎng)三角、粵港澳大灣區(qū)、成渝、內(nèi)蒙古、貴州、甘肅、寧夏等8地啟動(dòng)建設(shè)國(guó)家算力樞紐節(jié)點(diǎn)，實(shí)施“東數(shù)西算”工程，構(gòu)建全國(guó)一體化大數(shù)據(jù)中心體系。區(qū)別于傳統(tǒng)意義上的數(shù)據(jù)中心，一體化大數(shù)據(jù)中心體系統(tǒng)籌推進(jìn)東西算力資源的協(xié)調(diào)調(diào)度，一方面能夠驅(qū)動(dòng)數(shù)據(jù)中心集約化、綠色化、均衡化發(fā)展，另一方面構(gòu)建了含數(shù)據(jù)中心、網(wǎng)絡(luò)、云、人工智能、安全等多個(gè)要素的基礎(chǔ)設(shè)施體系，是傳統(tǒng)數(shù)據(jù)中心的升級(jí)版，是新基建的發(fā)展典范。用算力主要用于計(jì)算復(fù)雜度適中的云計(jì)算、邊緣計(jì)算類(lèi)場(chǎng)

算力對(duì)各國(guó)在新科技革命和產(chǎn)業(yè)變革下提升國(guó)際競(jìng)爭(zhēng)力起著基礎(chǔ)支撐作用，也是衡量綜合國(guó)力的一個(gè)重要指標(biāo)。世界各國(guó)高度重視人工智能算力基礎(chǔ)設(shè)施的規(guī)劃布局，并積極引導(dǎo)算力設(shè)施建設(shè)和算力應(yīng)用開(kāi)發(fā)，推進(jìn)算力產(chǎn)業(yè)本土化進(jìn)程。正如人均GDP指標(biāo)可以衡量一個(gè)國(guó)家經(jīng)濟(jì)發(fā)展的程度一樣，人均算力水平的高低也可以衡量其智能化水平。據(jù)統(tǒng)計(jì)，當(dāng)前美國(guó)、英國(guó)、德國(guó)等國(guó)家人均算力普遍高于,000GFOPS/人，處于較高水平；日本、西班牙、智利、意大利、中國(guó)等國(guó)家人均算力在460-,000GFOPS/人，屬于中等算力國(guó)家。結(jié)合IMD對(duì)于世界各國(guó)智能化水平的評(píng)估結(jié)果，發(fā)現(xiàn)人均算力水平與國(guó)家智能化水平呈現(xiàn)高度正向相關(guān)。智能算力水平是國(guó)家智能化、數(shù)字化發(fā)展水平的集中體現(xiàn)，是數(shù)字化應(yīng)用建設(shè)及發(fā)展的底層基礎(chǔ)?！?021-2022全球計(jì)算力指數(shù)評(píng)估報(bào)告》數(shù)據(jù)顯示，美國(guó)、日本、德國(guó)、英國(guó)等15個(gè)國(guó)家在AI算力上的支出占總算力支出比重從2016年的9%增加到了12%，預(yù)計(jì)到2025年AI算力占比將達(dá)到25%。按照當(dāng)前發(fā)展趨勢(shì)，在人均算力中智能算力所占的比重將會(huì)逐年增長(zhǎng)，人均智能算力水平的高低與國(guó)家經(jīng)濟(jì)社會(huì)發(fā)展將會(huì)是緊耦合的綁定關(guān)系，成為綜合國(guó)力發(fā)展的重要表現(xiàn)?！?021-2022全球計(jì)算力指數(shù)評(píng)估報(bào)告》對(duì)多個(gè)重點(diǎn)國(guó)家的評(píng)估結(jié)果顯示，國(guó)家計(jì)算力指數(shù)與GDP的走勢(shì)呈現(xiàn)出了顯著的正相關(guān)，計(jì)算力指數(shù)平均每提高1點(diǎn)，數(shù)字經(jīng)濟(jì)和GDP將分別增長(zhǎng)3.5‰和.8‰，且預(yù)計(jì)該趨勢(shì)在2021-2025年間將繼續(xù)保持。其中，當(dāng)一個(gè)國(guó)家的計(jì)算力指數(shù)達(dá)到40分以上時(shí)，指數(shù)每提升1點(diǎn)，對(duì)于GDP增長(zhǎng)的拉動(dòng)將提高到.5倍；當(dāng)計(jì)算力指數(shù)達(dá)到60分以上時(shí)，指數(shù)每提升1點(diǎn)，其對(duì)GDP的拉動(dòng)將進(jìn)一步提升至3.0倍。隨著各國(guó)智能算力規(guī)模的高速增

長(zhǎng)，智能算力將成為影響計(jì)算力指數(shù)的決定性因素。 領(lǐng)跑者國(guó)家 追趕者國(guó)家 起步者國(guó)家圖6計(jì)算力指數(shù)與GDP回歸分析趨勢(shì)隨著新一代信息技術(shù)的高速發(fā)展，智算中心已成為體系化和復(fù)雜性程度極高的聚集地，具有典型的技術(shù)密集型特征。尤其是高新技術(shù)的研發(fā)過(guò)程中，高度復(fù)雜的計(jì)算場(chǎng)景需要更多高性能算力支撐。在“東數(shù)西算”工程全面啟動(dòng)的背景下，協(xié)同推進(jìn)智算中心建設(shè)，加快東西算力資源的協(xié)調(diào)調(diào)度，通過(guò)智算中心提供普惠算力，將有利于聚合人工智能產(chǎn)業(yè)鏈的要素資源和創(chuàng)新人才，推動(dòng)AI產(chǎn)業(yè)化，打造科技創(chuàng)新的區(qū)域增長(zhǎng)極和周邊輻射帶。通過(guò)智算中心的系統(tǒng)優(yōu)化布局，實(shí)現(xiàn)全國(guó)算力、網(wǎng)絡(luò)、數(shù)據(jù)、能源等協(xié)同聯(lián)動(dòng)，推動(dòng)產(chǎn)業(yè)AI化，促進(jìn)信息、裝備、能源等行業(yè)突破核心關(guān)鍵技術(shù)瓶頸，搶占技術(shù)創(chuàng)新制高點(diǎn)，實(shí)現(xiàn)產(chǎn)品快速迭代和規(guī)模化應(yīng)用，提升科技創(chuàng)新領(lǐng)域的影響力與競(jìng)爭(zhēng)力。

高效高效圖像視頻數(shù)據(jù)模型模型處理庫(kù)訓(xùn)練優(yōu)化框架方法語(yǔ)音處 軟件生態(tài)BenchmarkAI訓(xùn)練算力AI CPUGPU高FPGA 生產(chǎn)算力2020年12能計(jì)算中心規(guī)劃建設(shè)指南》，重點(diǎn)圍繞基礎(chǔ)、支撐、功能和目標(biāo)四大部分，創(chuàng)新性地提出了智算中心總體架構(gòu)。其中，基礎(chǔ)部分是支撐智算中心建設(shè)與應(yīng)用的先進(jìn)人工智能理論和計(jì)算架構(gòu)；支撐部分圍繞智算中心算力生產(chǎn)、聚合、調(diào)度、釋放的作業(yè)邏輯展開(kāi)；功能部分提供算力生產(chǎn)供應(yīng)、數(shù)據(jù)開(kāi)放共享、智能生態(tài)建設(shè)和產(chǎn)業(yè)創(chuàng)新聚集四大平臺(tái)，以及數(shù)據(jù)、算力和算法三大服務(wù)；整體目標(biāo)是促進(jìn)AI產(chǎn)業(yè)化、產(chǎn)業(yè)AI化及政府治理智能化。

釋放算力調(diào)度算力聚合算力智算中心作業(yè)環(huán)節(jié)釋放算力調(diào)度算力聚合算力智算中心作業(yè)環(huán)節(jié)度、Transformer引擎（TransformerEngine）等。近年來(lái)，國(guó)產(chǎn)AI加速芯片廠商持續(xù)發(fā)力，在該領(lǐng)域取得了快速進(jìn)展，相關(guān)產(chǎn)品陸續(xù)發(fā)布，覆蓋了AI推理和AI訓(xùn)練需求，其中既有基于通用GPU架構(gòu)的芯片，也有基于ASIC架構(gòu)的芯片，另外也出現(xiàn)了類(lèi)腦架構(gòu)芯片，總體上呈現(xiàn)出多元化的發(fā)展趨勢(shì)。但是，當(dāng)前國(guó)產(chǎn)AI芯片在產(chǎn)品性能和軟件生態(tài)等方面與國(guó)際領(lǐng)先水平還存在差距，亟待進(jìn)一步完善加強(qiáng)?？傮w而言，國(guó)產(chǎn)AI芯片正在努力從“可用”走向“好用”。為滿(mǎn)足各領(lǐng)域場(chǎng)景和復(fù)雜的AI模型的計(jì)算需求，AI服務(wù)器對(duì)計(jì)算芯片間互聯(lián)、擴(kuò)展性有極高要求。AI服務(wù)器內(nèi)基于特定協(xié)議進(jìn)行多加速器間高速互聯(lián)通信已成為高端AI訓(xùn)練服務(wù)器的標(biāo)準(zhǔn)架構(gòu)。目前業(yè)界以NVLink和OAM兩種高速互聯(lián)架構(gòu)為主，其中NVLink是NVIDIA開(kāi)發(fā)并推出的一種私有通信協(xié)議，其采用點(diǎn)對(duì)點(diǎn)結(jié)構(gòu)、串列傳輸，可以達(dá)到數(shù)百GB/s的P2P互聯(lián)帶寬，極大地提升了模型并行訓(xùn)練的效率和性能。OAM是國(guó)際開(kāi)放計(jì)算組織OCP定義的一種開(kāi)放的、用于跨AI加速器間的高速通信互聯(lián)協(xié)議，卡間互聯(lián)聚合帶寬可高達(dá)896GB/s。浪潮信息基于開(kāi)放AM架構(gòu)研發(fā)的AI服務(wù)器NF5498，率先完成與國(guó)際和國(guó)內(nèi)多家AI芯片產(chǎn)品的開(kāi)發(fā)適配，并已在多個(gè)智算中心實(shí)現(xiàn)大規(guī)模落地部署。

AI集群采用模塊化方法構(gòu)建，可以實(shí)現(xiàn)大規(guī)模的算力擴(kuò)展。AI集群的基本算力單元是AI服務(wù)器。數(shù)十臺(tái)AI服務(wù)器可以組成單個(gè)POD計(jì)算模組，POD內(nèi)部通過(guò)多塊支持RDMA技術(shù)的常用的全局梯度歸約通信操作，可以使用全局環(huán)狀網(wǎng)絡(luò)設(shè)模態(tài)大模型的以文生圖技術(shù)也迅速發(fā)展，代表性模型有AI智算

深度學(xué)習(xí)的加速計(jì)算始于GPU，構(gòu)建于GPU之上的CUA件棧為深度學(xué)習(xí)的算法開(kāi)發(fā)提供了極大的便利。CUA軟件棧為深度學(xué)習(xí)的應(yīng)用開(kāi)發(fā)和計(jì)算加速提供了豐富的底層支撐，如張量和卷積計(jì)算加速、芯片互聯(lián)通信加速、數(shù)據(jù)預(yù)處理加速、模型低精度推理加速等。在此基礎(chǔ)上，學(xué)術(shù)界和工業(yè)界已經(jīng)構(gòu)建龐大的開(kāi)源、開(kāi)放、共享的AI軟件生態(tài)，有力促進(jìn)和加速全球AI技術(shù)與應(yīng)用的蓬勃發(fā)展。在深度學(xué)習(xí)框架之上，為了適應(yīng)計(jì)算機(jī)視覺(jué)任務(wù)、自然語(yǔ)言大模型等特定場(chǎng)景的應(yīng)用開(kāi)發(fā)需求，業(yè)界構(gòu)建了一系列的開(kāi)源開(kāi)發(fā)庫(kù)，比如面向目標(biāo)檢測(cè)任務(wù)的mmdetection、面向大模型訓(xùn)練任務(wù)的Megaton-LM、DeepSpeed，以及面向自監(jiān)督學(xué)習(xí)的VISSL等。這些軟件庫(kù)進(jìn)一步簡(jiǎn)化了模型訓(xùn)練和應(yīng)用開(kāi)發(fā)的難度，已成為當(dāng)前人工智能計(jì)算的重要軟件底座。業(yè)界前沿的知名AI算法，如ChatGPT、DALLE-2、StableDi?usion等都是在這樣的架構(gòu)下實(shí)現(xiàn)的。 賦能服務(wù)智件化服務(wù)智件化釋放算力算法基建化釋放算力算法基建化

調(diào)度算力調(diào)度算力

按需定義智能調(diào)度

聚合算力算力基建化 聚合算力算力基建化生產(chǎn)算力生產(chǎn)算力

設(shè)施綠色化 設(shè)施綠色化本指南在智算中心總體架構(gòu)的基礎(chǔ)上，聚焦智算中心建設(shè)與應(yīng)用中涉及的關(guān)鍵技術(shù)，進(jìn)一步提出智算中心建設(shè)架構(gòu)。智算中心建設(shè)架構(gòu)由四大關(guān)鍵環(huán)節(jié)組成，分別是算力基建化、算法基建化、服務(wù)智件化、設(shè)施綠色化互支撐、相互協(xié)調(diào)，共同構(gòu)建起智算中心高效運(yùn)行體系。

以智算中心為代表的算力基礎(chǔ)設(shè)施能夠有效促進(jìn)AI產(chǎn)業(yè)化和產(chǎn)業(yè)AI化，是支撐數(shù)字經(jīng)濟(jì)發(fā)展的重要基礎(chǔ)底座。為了讓AI真正地賦能到千行百業(yè)，并推動(dòng)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型發(fā)展，智算中心要具備對(duì)外提供高性?xún)r(jià)比、普惠、安全算力資源的能力，使AI算力像水、電一樣成為城市的公共基礎(chǔ)資源，供政府、企業(yè)、公眾自主取用。算力基建化供給成為支撐產(chǎn)業(yè)轉(zhuǎn)型升級(jí)以及創(chuàng)新發(fā)展的剛性需求和必然選擇。速快于全球3%，預(yù)計(jì)到2025年將增至48.6ZB，占全球數(shù)據(jù)圈的27.8%。在模型方面，當(dāng)前1萬(wàn)億參數(shù)的單體模型需要110EFLOPS（FP16）計(jì)算約50天。因此在智算中自2012年以來(lái)，人工智能訓(xùn)練任務(wù)所需的算力每3.43個(gè)月就會(huì)翻倍，大大突破了傳統(tǒng)以每18個(gè)月為周期實(shí)現(xiàn)芯片性能翻番的摩爾定律，這對(duì)人工智能計(jì)算架構(gòu)的性能提出了更高的要求。AI芯片是生產(chǎn)算力環(huán)節(jié)的關(guān)鍵組件，為AI訓(xùn)練和AI推理輸出強(qiáng)大、高效、易用的計(jì)算力。目前，AI芯片主要包括GPU、FPGA、ASIC、類(lèi)腦芯片四大類(lèi)，其中類(lèi)腦芯片仍在探索階段，因此多元異構(gòu)芯片成為提升算力的關(guān)鍵手段。主流的人工智能計(jì)算架構(gòu)是以CPU+AI芯片為主體的異構(gòu)架構(gòu)，通

過(guò)將CPU與多種計(jì)算單元（如GPU、FPGA、ASIC等）集成，充分融合了CPU等傳統(tǒng)的通用計(jì)算單元和高性能專(zhuān)用計(jì)算單元的優(yōu)點(diǎn)，可以同時(shí)兼顧AI模型的高效訓(xùn)練和精準(zhǔn)推理能力。異構(gòu)架構(gòu)具有高性能、高效率、低功耗等顯著優(yōu)點(diǎn)，使AI芯片在未來(lái)人工智能算法不斷迭代更新的情況下，依舊能保持較好的兼容性和可擴(kuò)展性，在一定程度上延長(zhǎng)了AI芯片的生命周期。人工智能計(jì)算場(chǎng)景和計(jì)算架構(gòu)的多元化要求智算中心從硬件、軟件、軟硬協(xié)同等層面開(kāi)展優(yōu)化，提供彈性、可伸縮擴(kuò)展的算力聚合能力，依據(jù)不同類(lèi)型智能應(yīng)用對(duì)算力的不同需求，提供更高效、更便捷的算力調(diào)度能力。采用融合架構(gòu)進(jìn)行整體設(shè)計(jì)是智算中心的發(fā)展方向。具體而言，在硬件層面，通過(guò)硬件重構(gòu)實(shí)現(xiàn)資源池化，結(jié)合新型超高速內(nèi)外部互連技術(shù)、池化融合、異構(gòu)存儲(chǔ)介質(zhì)等，推動(dòng)多元異構(gòu)智能算力設(shè)施的高速互聯(lián)，形成高效池化的智算中心，實(shí)現(xiàn)多元計(jì)算資源高效協(xié)同；在軟件層面，通過(guò)軟件定義，將不同的資源池組成專(zhuān)業(yè)的服務(wù)器、存儲(chǔ)、網(wǎng)絡(luò)系統(tǒng)，實(shí)現(xiàn)重構(gòu)硬件資源池的高效化、智能化管理，使智算中心的業(yè)務(wù)資源調(diào)度更為靈活、運(yùn)維管理能力更強(qiáng)。在安全方面，智算中心可以依托隱私安全計(jì)算等技術(shù)，提供完善的隱私和數(shù)據(jù)保護(hù)解決方案，實(shí)現(xiàn)計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等多層級(jí)、全方位的資源隔離與安全防護(hù)。算法、新理論層出不窮，行業(yè)用戶(hù)的智慧轉(zhuǎn)型存在著巨大的技術(shù)壁壘。智算中心應(yīng)圍繞政務(wù)服務(wù)、智慧城市、智能制造、自動(dòng)駕駛、語(yǔ)言智能等重點(diǎn)領(lǐng)域，在AI平臺(tái)內(nèi)預(yù)置實(shí)例分割、目標(biāo)檢測(cè)、邊緣檢測(cè)、圖像分類(lèi)、人臉識(shí)別、視頻感知、自動(dòng)問(wèn)答、機(jī)器翻譯、輿情分析、情感分析、語(yǔ)音識(shí)別、協(xié)同過(guò)濾、交通路線(xiàn)規(guī)劃等常用行業(yè)算法模型，并從軟硬件方面對(duì)行業(yè)算法做性能優(yōu)化，從而幫助各行各業(yè)智慧應(yīng)用加速落地，推動(dòng)行業(yè)智能化轉(zhuǎn)型加速。每一個(gè)場(chǎng)景都做一個(gè)模型，即“有1萬(wàn)個(gè)場(chǎng)景就有1萬(wàn)個(gè)模從感知機(jī)到深度神經(jīng)網(wǎng)絡(luò)，從全連接網(wǎng)絡(luò)到模型剪枝、知識(shí)蒸餾、注意力機(jī)制，從有監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)到強(qiáng)化學(xué)習(xí)、自監(jiān)督學(xué)習(xí)，人工智能理論算法模型在持續(xù)深化發(fā)展中。當(dāng)前，人工智能算法正從單模態(tài)、有監(jiān)督學(xué)習(xí)向多模態(tài)、自監(jiān)督學(xué)習(xí)演進(jìn)。自監(jiān)督學(xué)習(xí)無(wú)需標(biāo)注數(shù)據(jù)，可以直接從無(wú)標(biāo)簽數(shù)據(jù)中自行學(xué)習(xí)，極大降低了人工標(biāo)注成本。多模態(tài)學(xué)習(xí)更貼近人類(lèi)對(duì)多感知模態(tài)的認(rèn)知過(guò)程，通過(guò)學(xué)習(xí)多種模態(tài)的數(shù)據(jù)，可以突破自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)的界限，在圖文生成、看圖問(wèn)答等視覺(jué)語(yǔ)言任務(wù)上具有更強(qiáng)表現(xiàn)。隨著人工智能相關(guān)技術(shù)和應(yīng)用需求的不斷升級(jí)，智算中心所提供的算法模型也應(yīng)持續(xù)迭代升級(jí)，與時(shí)俱進(jìn)，保持算法模型的先進(jìn)性。未來(lái)，人工智能算法將朝著多模態(tài)、交互式主動(dòng)學(xué)習(xí)、規(guī)劃、實(shí)踐的方向發(fā)展，以期實(shí)現(xiàn)真正的認(rèn)知智能。

質(zhì)量海量數(shù)據(jù)集的需求，智算中心應(yīng)搭載海量數(shù)據(jù)清洗系工智能算法開(kāi)發(fā)和模型訓(xùn)練正在從專(zhuān)業(yè)化、高門(mén)檻向泛在廣應(yīng)用的中間件產(chǎn)品和服務(wù)。傳統(tǒng)用戶(hù)進(jìn)行人工智能應(yīng)用提供功能豐富、使用便捷的人工智能算力調(diào)度、算法供給和個(gè)性化開(kāi)發(fā)服務(wù)，實(shí)現(xiàn)“帶著數(shù)據(jù)來(lái)、拿著成果走”的求下的計(jì)算時(shí)間預(yù)估、服務(wù)費(fèi)用測(cè)算等針對(duì)性算力服務(wù)方算法的要求也越來(lái)越高。為了緩解人工智能模型訓(xùn)練成本

制冷設(shè)備和IT設(shè)備是智算中心主要的能耗來(lái)源。液冷技術(shù)采用冷卻液和工作流體對(duì)發(fā)熱設(shè)備進(jìn)行冷卻，利用高比熱容的液體代替空氣，提升了制冷效率，降低制冷能耗。液冷技術(shù)是智算中心制冷的主要發(fā)展趨勢(shì)。數(shù)據(jù)中心采用全棧布局液冷，冷板式液冷、熱管式液冷、浸沒(méi)式液冷等先進(jìn)液冷技術(shù)，構(gòu)建包含一次側(cè)二次側(cè)液冷循環(huán)、CDU等的智算中心液冷整體解決方案，可以進(jìn)一步降低能耗、降低PUE，實(shí)現(xiàn)綠色化。液冷智算中心采用余熱回收技術(shù)，可以為智算中心自身以及鄰近區(qū)域供暖，進(jìn)一步提升能源利用效率。此外，智算中心采用高壓直流、集中供電等高效供配電系統(tǒng)、能效環(huán)境集成檢測(cè)等高效輔助系統(tǒng)、智能監(jiān)控運(yùn)維系統(tǒng)等綠色管理系統(tǒng)可以進(jìn)一步降低能耗。（模擬仿真）、高精地圖、車(chē)路協(xié)同等核心技術(shù)將數(shù)字世界與實(shí)體路況進(jìn)行深度融合，基于人工智能技術(shù)，讓車(chē)輛能夠像人類(lèi)駕駛員一樣準(zhǔn)確地識(shí)別車(chē)道、行人、障礙物等駕駛環(huán)境中的關(guān)鍵信息，并及時(shí)對(duì)周?chē)\(yùn)動(dòng)單元的潛在軌跡做出預(yù)判。自動(dòng)駕駛需要通過(guò)對(duì)車(chē)身多個(gè)傳感器的數(shù)據(jù)進(jìn)行感知和融合，并在此基礎(chǔ)上對(duì)自動(dòng)駕駛車(chē)輛的行為進(jìn)行決策和控制，其中涉及大量AI算法、機(jī)器視覺(jué)與傳感器數(shù)據(jù)整合分析、面向各類(lèi)算力平臺(tái)及傳感器配置方案的適配能力等。為了提升自動(dòng)駕駛系統(tǒng)的感知和決策性能，當(dāng)前通行的做法是在數(shù)據(jù)中心端基于海量的道路采集數(shù)據(jù)來(lái)進(jìn)行感知模型訓(xùn)練和仿真測(cè)試。隨著AI技術(shù)的發(fā)展，通過(guò)AI算法對(duì)多傳感器的數(shù)據(jù)以及多模態(tài)的數(shù)據(jù)進(jìn)行融合感知，已經(jīng)成為了當(dāng)前主流的發(fā)展趨勢(shì)。另外自監(jiān)督大模型的技術(shù)也在逐步地引入到自動(dòng)駕駛場(chǎng)景中。這都使得自動(dòng)駕駛感知模型的訓(xùn)練算力消耗遠(yuǎn)大于一般的計(jì)算機(jī)視覺(jué)感知模型。比如，esla構(gòu)建的L2級(jí)別的FSD自動(dòng)駕駛?cè)诤细兄Ｐ偷挠?xùn)練使用了百萬(wàn)量級(jí)的道路采集視頻片段，算力投入約為500PD。隨著自動(dòng)駕駛級(jí)別從L2到L4的提升，對(duì)算力的需求將進(jìn)一步提高。

機(jī)器人與新一代信息技術(shù)的融合逐漸深入，機(jī)器人的感知、計(jì)算、執(zhí)行能力都得到了大幅提升，處理實(shí)際問(wèn)題的穩(wěn)定性和可靠性也進(jìn)一步提高，這背后離不開(kāi)人工智能技術(shù)和強(qiáng)大算力的支撐。機(jī)器人需要和環(huán)境進(jìn)行交互感知以及決策控制，和環(huán)境的交互感知不僅涉及到視覺(jué)、聽(tīng)覺(jué)等多個(gè)模態(tài)，也會(huì)涉及到不同模態(tài)的感知融合，這都需要AI算法作為底層支撐。為了實(shí)現(xiàn)相應(yīng)的感知和決策算法，一般會(huì)在數(shù)據(jù)中心端構(gòu)建真實(shí)世界數(shù)據(jù)采集→AI模型構(gòu)建→孿生世界的決策控制模型訓(xùn)練→真實(shí)世界驗(yàn)證測(cè)試的閉環(huán)，來(lái)逐步地提升機(jī)器人在真實(shí)世界的感知和決策能力。用于學(xué)習(xí)和訓(xùn)練的數(shù)據(jù)越多，算法迭代得越完善，機(jī)器人的決策準(zhǔn)確度將越高。智算中心的算力服務(wù)可以為機(jī)器人的大規(guī)模模型訓(xùn)練和預(yù)測(cè)提供強(qiáng)大算力支撐，智算中心的算法服務(wù)可以實(shí)現(xiàn)機(jī)器人智能化應(yīng)用算法模型的敏捷開(kāi)發(fā)和快速訓(xùn)練上線(xiàn)，為機(jī)器人產(chǎn)業(yè)的高質(zhì)量發(fā)展提供全方位支撐。元宇宙是基于數(shù)字技術(shù)進(jìn)行創(chuàng)造和連接，與現(xiàn)實(shí)空間映射交互形成的虛擬空間，是整合多種新技術(shù)而產(chǎn)生的下一代互聯(lián)網(wǎng)應(yīng)用和數(shù)字形態(tài)的新型社會(huì)體系。元宇宙在5G、人工智能、物聯(lián)網(wǎng)、AR/VR、云計(jì)算、區(qū)塊鏈等技術(shù)及產(chǎn)品的支持下，為現(xiàn)實(shí)世界構(gòu)建數(shù)字化虛擬平行世界，為用戶(hù)提供沉浸式交互體驗(yàn)，大幅提升各行業(yè)生產(chǎn)效率。

擬數(shù)字人應(yīng)用普及的關(guān)鍵。智算中心可以為虛擬數(shù)字人制作、感知交互提供強(qiáng)大的算力和算法支撐，加速虛擬數(shù)字人產(chǎn)業(yè)的商業(yè)化落地。

遇上人工智能，整個(gè)行業(yè)迸發(fā)出了全新的生機(jī)和活力。AI技術(shù)將是未來(lái)數(shù)字化創(chuàng)作的重要生產(chǎn)工具。當(dāng)前出現(xiàn)的創(chuàng)作生態(tài)可分為專(zhuān)業(yè)生成內(nèi)容（PoessionalyGeneatedContent，簡(jiǎn)稱(chēng)PGC）、用戶(hù)生成內(nèi)容（UserGeneatedContent，簡(jiǎn)稱(chēng)UGC）、AI輔助生產(chǎn)內(nèi)容和AIGC。其中，PGC和UGC都是以人為主體的創(chuàng)作模式，PGC是由專(zhuān)業(yè)人士進(jìn)行內(nèi)容創(chuàng)作，成本較高且產(chǎn)能有限；UGC降低了生產(chǎn)成本，滿(mǎn)足了個(gè)性化需求，但存在不可控因素。從長(zhǎng)期來(lái)看，數(shù)字內(nèi)容生成的需求會(huì)愈發(fā)強(qiáng)烈，但是人腦處理信息的能力有限，當(dāng)以人力為主的內(nèi)容生產(chǎn)潛力逐漸消耗殆盡，以AI為主的內(nèi)容生產(chǎn)模式將彌補(bǔ)數(shù)字世界內(nèi)容供需的缺口。Gartner數(shù)據(jù)顯示，到2023年將有20%的內(nèi)容由AI創(chuàng)作生成，預(yù)計(jì)到2025年生成式AI產(chǎn)生的數(shù)據(jù)將占所有數(shù)據(jù)的10%。蛋白質(zhì)作為生命活動(dòng)的主要承擔(dān)者，長(zhǎng)期以來(lái)都是生命科學(xué)工作者研究的重點(diǎn)，其中確定蛋白質(zhì)的三維空間結(jié)構(gòu)尤為重要。受困于計(jì)算量龐大、計(jì)算準(zhǔn)確度有限，蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)領(lǐng)域近年來(lái)進(jìn)展較為緩慢。采用傳統(tǒng)的冷凍電鏡三維重構(gòu)方法，實(shí)驗(yàn)儀器昂貴，且圖像重構(gòu)需要耗費(fèi)大量計(jì)算力，而采用傳統(tǒng)的分子動(dòng)力學(xué)結(jié)構(gòu)預(yù)測(cè)計(jì)算方案，在平均10300的搜索空間枚舉蛋白質(zhì)的可能構(gòu)型，需要極高的算力和漫長(zhǎng)的計(jì)算時(shí)間，因此在過(guò)去50年的時(shí)間，僅有17%的人類(lèi)蛋白質(zhì)組得到結(jié)構(gòu)解析。在智能算力的支持下，DeepMind開(kāi)發(fā)了基于注意力機(jī)制深度神經(jīng)網(wǎng)絡(luò)的AlphaFold2模型，通過(guò)對(duì)當(dāng)前已經(jīng)測(cè)序的數(shù)十萬(wàn)蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)和數(shù)百萬(wàn)蛋白質(zhì)序列數(shù)據(jù)進(jìn)行學(xué)習(xí)，實(shí)現(xiàn)了端到端直接預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)，并取得了突破性進(jìn)展，預(yù)測(cè)結(jié)果準(zhǔn)確率達(dá)到了92.4%。相較于使用費(fèi)用高昂的實(shí)驗(yàn)儀器，單個(gè)蛋白結(jié)構(gòu)的預(yù)測(cè)時(shí)間縮短到了分鐘級(jí)。AlphaFold2的開(kāi)發(fā)是以巨量算力為支撐，具體來(lái)說(shuō)，其訓(xùn)練數(shù)據(jù)準(zhǔn)備消耗了約2億核時(shí)的CPU算力，訓(xùn)練過(guò)程消耗了約300PD的AI算力。

近年來(lái)，借助神經(jīng)網(wǎng)絡(luò)從大量數(shù)據(jù)中獲得規(guī)律的優(yōu)勢(shì)，將第一性原理計(jì)算結(jié)果作為訓(xùn)練數(shù)據(jù)，利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練構(gòu)建勢(shì)函數(shù)的方法引起了廣泛的關(guān)注。該系列方法從上世紀(jì)90年代開(kāi)始，經(jīng)過(guò)二十多年的發(fā)展，在準(zhǔn)確性、可擴(kuò)展性等方面得到了提升，比較常用的方法有DeePMD、SchNet、GAP、MTP等。2020年深度勢(shì)能（DP）團(tuán)隊(duì)因“結(jié)合分子建模、機(jī)器學(xué)習(xí)和高性能計(jì)算相關(guān)方法，將具有從頭算精度的分子動(dòng)力學(xué)模擬的極限提升至1億個(gè)原子規(guī)模”，斬獲了當(dāng)年的戈登·貝爾獎(jiǎng)（GodonBellPrize）。原子間機(jī)器學(xué)習(xí)勢(shì)函數(shù)已經(jīng)應(yīng)用于許多實(shí)際研究中，可以用于模擬復(fù)雜的、多元素的晶體、非晶、液晶、界面、缺陷和摻雜等實(shí)驗(yàn)體系，計(jì)算精度接近從頭算，計(jì)算速度卻可以比從頭算快數(shù)百到上千倍。效率最高的算法，但在1969年，德國(guó)數(shù)學(xué)家VolkenStrassenDeepMind的最新研究探討了現(xiàn)代AI技術(shù)——強(qiáng)化學(xué)習(xí)如何推動(dòng)新矩陣乘法算法的自動(dòng)發(fā)現(xiàn)?；舅悸肥菍l(fā)現(xiàn)矩陣乘法高效算法的問(wèn)題轉(zhuǎn)換為單人游戲，然后訓(xùn)練一個(gè)基于強(qiáng)化r如A0GPU、GoogleTPUv2）上運(yùn)行速度快的算法。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，這些算法在相同硬件上進(jìn)行大矩陣相乘的速度比常用算法快了10-20%，表明Alphensor在優(yōu)化任意目標(biāo)方面具備了不錯(cuò)的靈活性。因此，強(qiáng)化學(xué)習(xí)成為加速新矩陣乘法算法自動(dòng)發(fā)現(xiàn)的一種新思路。計(jì)算相關(guān)應(yīng)用主要涉及海量數(shù)據(jù)并行計(jì)算和大規(guī)模模擬實(shí)從建設(shè)用途來(lái)看，智算中心除充分考慮其普惠性、開(kāi)放性和集約性外，核心是以高質(zhì)量、低成本、高性能的AI算力來(lái)支撐產(chǎn)業(yè)創(chuàng)新、城市發(fā)展中的各項(xiàng)智能服務(wù)。智算中心建設(shè)以總體規(guī)劃、政企協(xié)同、需求牽引為宗旨，聚焦先進(jìn)的技術(shù)和適配典型場(chǎng)景。同時(shí)，以智算中心建設(shè)和應(yīng)用帶動(dòng)人工智能產(chǎn)業(yè)集群的匯聚，吸引數(shù)字化人才，激發(fā)人工智能產(chǎn)業(yè)的創(chuàng)新活力，推動(dòng)人工智能產(chǎn)業(yè)和區(qū)域經(jīng)濟(jì)的可持續(xù)發(fā)展。

加快梯次布局，打造一批城市級(jí)智算中心。對(duì)于產(chǎn)業(yè)智能化發(fā)展需求迫切、人工智能產(chǎn)業(yè)集聚的地區(qū)，可新建圍繞人工智能產(chǎn)業(yè)需求設(shè)計(jì)、為人工智能提供專(zhuān)門(mén)服務(wù)的智算中心，按照適度超前原則配置優(yōu)質(zhì)算力資源，提供兼具公有、專(zhuān)用、彈性計(jì)算的服務(wù)能力，滿(mǎn)足不同應(yīng)用場(chǎng)景和多類(lèi)型用戶(hù)的需求，面向當(dāng)?shù)仄髽I(yè)、科研院所等提供科研創(chuàng)新、人才培養(yǎng)、應(yīng)用孵化、產(chǎn)業(yè)發(fā)展等服務(wù)，打造“易用”“好用”的智算中心。強(qiáng)化普惠智能算力高質(zhì)量供給，降低算力使用門(mén)檻，推動(dòng)智能算力服務(wù)與物聯(lián)網(wǎng)和區(qū)塊鏈等技術(shù)融合創(chuàng)新，打造具有地方特色服務(wù)本地輻射周邊的智算中心。熱數(shù)據(jù)處理和匯聚需求，保障城市基本運(yùn)行和高效治理需加快傳統(tǒng)數(shù)據(jù)中心節(jié)能低碳技術(shù)研發(fā)推廣，提升資源能源利用效率。智算中心具備高功率密度屬性，在制冷方面具有更高的要求。目前大多數(shù)AI服務(wù)器采用的仍是常規(guī)風(fēng)冷模式，部分超過(guò)30kW的數(shù)據(jù)中心采用液冷模式。隨著AI服務(wù)器功率密度的提升和使用場(chǎng)景的增多，需要在推動(dòng)已建老舊小散數(shù)據(jù)中心向規(guī)?；瘮?shù)據(jù)中心集群或智能化計(jì)算中心轉(zhuǎn)型升級(jí)基礎(chǔ)上，逐步推廣液冷技術(shù)的應(yīng)用，促進(jìn)全產(chǎn)業(yè)鏈綠色低碳有序發(fā)展，助力國(guó)民經(jīng)濟(jì)各行業(yè)整體實(shí)現(xiàn)“碳達(dá)峰、碳中和”的輻射帶動(dòng)作用。面向絕大多數(shù)無(wú)法承擔(dān)自建智算中心和獨(dú)立運(yùn)營(yíng)費(fèi)用的企業(yè)，由政府主導(dǎo)，通過(guò)統(tǒng)一建設(shè)高性能、大規(guī)模的智算中心，并以租賃形式為有需求的企業(yè)提供算力支撐，省去企業(yè)投資建設(shè)和運(yùn)營(yíng)費(fèi)用。通過(guò)平臺(tái)開(kāi)放接口的方式，鼓勵(lì)行業(yè)領(lǐng)軍企業(yè)將開(kāi)源的算法、開(kāi)放的數(shù)據(jù)資源及運(yùn)營(yíng)服務(wù)等創(chuàng)新要素輸送給IT基礎(chǔ)相對(duì)薄弱的企業(yè)，進(jìn)一步降低人工智能使用門(mén)檻，助力各行業(yè)智慧化轉(zhuǎn)型升級(jí)。

化發(fā)展，立足本地，輻射帶動(dòng)周邊，推動(dòng)數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展。智算產(chǎn)業(yè)園區(qū)聚集。針對(duì)重點(diǎn)行業(yè)的特色應(yīng)用開(kāi)展試點(diǎn)示為保證智算中心所釋放的經(jīng)濟(jì)社會(huì)效益最大化，需要選擇合理的建設(shè)和運(yùn)營(yíng)模式，保證智算中心的公共屬性，實(shí)現(xiàn)長(zhǎng)效運(yùn)營(yíng)，促進(jìn)有序布局。在全國(guó)一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系構(gòu)建背景下，地方政府、產(chǎn)業(yè)園區(qū)、企業(yè)等紛紛將智算中心作為培育人工智能產(chǎn)業(yè)生態(tài)、提升數(shù)字經(jīng)濟(jì)能級(jí)的有力工具，常見(jiàn)的建設(shè)模式包括三種。一是政府獨(dú)立投資建設(shè)。政府對(duì)建設(shè)項(xiàng)目進(jìn)行直接投資和管理，建設(shè)資金主要來(lái)自地方政府財(cái)政資金、專(zhuān)項(xiàng)債券發(fā)行等，建設(shè)完成后智算中心所有權(quán)歸政府所有。出于促進(jìn)產(chǎn)業(yè)發(fā)展、優(yōu)化產(chǎn)業(yè)服務(wù)的考慮，不同規(guī)模的產(chǎn)業(yè)園區(qū)日益成為智算中心的投資主體，由園區(qū)管委會(huì)出資建設(shè)智算中心。二是企業(yè)獨(dú)立投資建設(shè)。主要由企業(yè)聯(lián)盟、少數(shù)企業(yè)聯(lián)合、單獨(dú)企業(yè)等形式進(jìn)行投資，旨在服務(wù)于特定產(chǎn)業(yè)發(fā)展和特定場(chǎng)景應(yīng)用。部分負(fù)責(zé)投資的企業(yè)可以同時(shí)作為智算中心的建設(shè)方，部分負(fù)責(zé)投資的企業(yè)需要聯(lián)合專(zhuān)業(yè)化建設(shè)企業(yè)進(jìn)行施工。該模式雖然由企業(yè)出資，但是考慮到智算中心的高投入、對(duì)于地方經(jīng)濟(jì)發(fā)展的高影響等因素，應(yīng)緊密配合國(guó)家“東數(shù)西算”工程、全國(guó)一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系等建設(shè)指引。院所、國(guó)家實(shí)驗(yàn)室等進(jìn)行投資，建設(shè)一般以智能計(jì)算平臺(tái)為主，服務(wù)場(chǎng)景相對(duì)單一，建設(shè)成本比智算中心小。平臺(tái)可以向師生、研究人員提供免費(fèi)的算力支撐，服務(wù)于科研教育場(chǎng)景，高校和各類(lèi)科研機(jī)構(gòu)的科研資源疊加智能算

智算中心建設(shè)的第三方一般為國(guó)有控股企業(yè)。該模式下，既實(shí)現(xiàn)了政府對(duì)項(xiàng)目的建設(shè)全過(guò)程把控和需求的充分對(duì)接，還能有效利用相關(guān)國(guó)有控股公司已有的科技、人力資本、平臺(tái)資源、市場(chǎng)等優(yōu)勢(shì)。智算中心建成后歸第三方公司所有，可以由政府承諾用其他項(xiàng)目進(jìn)行補(bǔ)貼或者置換。具體細(xì)分為兩類(lèi)。一種是由地方政府成立新的國(guó)有控股公司，專(zhuān)門(mén)負(fù)責(zé)智算中心的建設(shè)投資，另一種由地方政府委托或者授權(quán)已有的國(guó)有控股公司負(fù)責(zé)出資?；谔厥忭?xiàng)目公司的建設(shè)運(yùn)營(yíng)（SPV）政府與企業(yè)共同出資成立智算中心建設(shè)運(yùn)營(yíng)項(xiàng)目公司，雙方在合作框架協(xié)議下按比例出資建設(shè)智算中心。政府既可以直接投資參與項(xiàng)目建設(shè)，也可以通過(guò)國(guó)有控股公司、下屬事業(yè)單位等參與項(xiàng)目建設(shè)。項(xiàng)目公司需要由政府授權(quán)，按照公司化方