逐浪AIGC丨AIGC催生庞大算力需求 2026年占AI计算比重或超三成

21世纪经济报道记者白杨 北京报道

当AI大模型时代来临，算力的重要性也得到凸显。根据谷歌的测算，在1000张英伟达V100 GPU上训练OpenAI GPT-3大模型，共需要14.8天，在数据中心PUE为1.1条件下，总能耗达到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量相当于一个中国人4年的生活用电总量，而ChatGPT是在大约10000个GPU上运行的。

此外，北美数据中心公司QScale联合创始人Martin Bouchard认为，ChatGPT单次搜索比传统搜索引擎需要至少4-5倍的额外算力开销，而Alphabet董事长John Hennessy则认为，ChatGPT的搜索成本是传统基于文本形式搜索的10倍以上。

毫无疑问，大模型的发展正推动AI算力市场进入新的发展阶段。近日，浪潮信息联合IDC、清华大学全球产业研究院发布的《2022-2023全球计算力指数评估报告》（简称“报告”）预测，全球AI计算市场规模将从2022年的195.0亿美元增长到2026年的346.6亿美元，其中，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%。

AIGC推动产业变化

报告指出，目前，互联网行业、金融行业、教育行业、医疗行业和制造业等各个领域都在探索应用AIGC技术。其中，互联网行业是新兴科学技术渗透最快的，也是投资最高的行业，所以AIGC在该行业的应用也最为广泛。

比如游戏开发中的角色生成、场景设计和任务生成等方面可以依靠AIGC技术。同样的，自媒体从业者可以利用AIGC生成文章、视频、音频等内容来提升创作效率和多样性。在电子商务领域，AIGC可以应用于个性化推荐系统、智能客服和自动化的营销策略等。在社交媒体领域，AIGC可以用于图像识别和处理、内容过滤和推荐、情感分析等。

另外，金融行业是另一个广泛采用AIGC技术的领域。在金融业中，AIGC被广泛应用于自动编写金融资讯、提供虚拟客服咨询和辅助数据报告生成等方面。通过算法自动编写资讯，可以提高资讯生成的速度和时效性。虚拟客服可以降低人力时间成本，为客户提供个性化的服务。同时，AIGC还能够辅助分析师进行数据抓取、数据分析和报告生成，提高分析效率和准确性，降低人工成本。

除了为各个行业带来变革外，AIGC的发展也在推动算力产业转型升级。首先，企业需要为人工智能、机器学习和深度学习建设全新的IT基础架构，正由CPU密集型转向搭载GPU、FPGA、ASIC芯片的加速计算密集型，且越来越多地使用搭载GPU、FPGA、ASIC等加速卡的服务器，所以，异构计算将成为未来计算的主流。

同时，随着物联网终端数量和数据量的爆发式增长，网络通信承受了巨大的压力。为了满足数据实时性、安全性以及大规模连接的业务需求，边缘计算成为云计算的重要补充。

而在后摩尔时代，服务器CPU性能的提升放缓，跟不上对更快网络端口速度不断增长的计算需求。智能网卡则有助于提高和加速网络中的服务器可用性、带宽性能和数据传输效率。目前，AWS、Microsoft Azure和阿里云等超大规模云提供商均在使用智能网卡来实现价格和性能改进。

制造业算力水平超过金融业

报告还对全球行业计算力水平进行了评估，结果显示，互联网行业依然在全球算力水平中领先于其他传统行业，Top5行业还包括制造、金融、政府和电信。对比上一年度，制造行业排名超过金融行业，排名第二。

目前，互联网行业数字化转型的主要驱动力是：用户消费行为高度数字化、数字业务面临更多挑战与需求。报告称，与传统行业以改造为主不同，互联网行业的敏捷性强调的是迅速的迭代与升级，在转型过程中遇到的主要挑战是IT基础设施（服务器、存储等）敏捷性不足。

而互联网作为数字原生先导行业，对于利用云计算、容器化、自动化等技术来快速搭建、部署和扩展系统的能力要求高，且互联网市场变化十分迅速，要求IT基础设施具备足够的敏捷性进行短期迅速迭代以应对行业变化。

对于制造业，其算力发展水平历年与金融行业接近。从市场数据来看，2022年全球金融行业通用服务器投入规模达124.7亿美元，同比增速为26.3%；制造行业投入规模达125.8亿美元，同比增速为29.0%。

数据背后，是在全球高度数字化的背景下，制造业面临着更激烈的全球竞争，市场变化也更迅速，同时二者的主要算力需求有所差异，金融业更注重数据的快速交互、高频交易，而制造业通常需要大规模处理实时数据、模拟生产、优化供应链等，对算力的需求更加多元化。

报告显示，近年制造行业增加IT投入的场景主要有CRM、MES、CAE、ERP、办公系统(OA)，未来两年会主要增加投入的场景则包括MES、CAE、财务管理系统、供应链管理（SCM）等。全球云服务提供商也开始进军智能制造领域，为制造业的算力增长注入活力，除了传统制造业IT方面的需求外，设计仿真、全域数字孪生、工业元宇宙、自动驾驶仿真、工业智能决策、AI视觉质检等场景也对算力提出了需求。