中国AI长卷（一）：大国重算_风闻

编者按：“中国AI到底发展得怎么样了？”在各种社交平台上，我们经常会看到这样的问题，也会看到各种各样的答案，但这些答案有着普遍的缺陷。它们往往只抽取一两个片段或案例，用非常取巧，甚至有点抖机灵的方式，极端唱好或者唱衰中国AI。

事实上，所谓的中国AI产业覆盖面非常广泛。每个领域有各自的发展特点，产业优势以及产业局限性，很难用过分简单的方式，来概括事实上非常复杂的AI产业。

或许，复杂的问题就应该有详细的答案。就像一幅小画，画不尽中国广袤的山水。

想要探寻中国AI的底色，需要梳理来龙去脉，需要回看一步一景，需要去画一幅长卷。

今天我们都知道，驱动AI算法工作的“燃油”是AI算力。尤其当深度学习算法发展到了预训练大模型阶段，AI算力已经成为整个AI领域的最大成本开销。根据相关数据，算力成本要占到大模型训练成本的70%左右，在大模型推理阶段则高达95%。

如果说，AI产业是一间工厂，那么AI算力就是工厂所需的煤和石油。更为致命的是，这些“煤和石油”的供应处在一种半垄断状态。在这次AI复兴当中，英伟达用GPU占据全球AI算力市场的主导地位。英伟达的高端AI算力不仅成本高昂，供不应求，但对于蓬勃发展的中国AI产业来说，能否确保其供应稳定都要打上大大的问号。

在算力贵且不稳的前提下，中国AI产业却涌现出了巨大的AI算力需求。根据相关数据预测，2030年全球AI算力的需求将达到2020年的500倍。其中，中国AI算力的增长是主要驱动力。目前阶段，中美之间的AI算力差不多是1比1.5。种种迹象显示，未来两国间的AI算力需求将拉平，甚至中国反超。

成本高昂、供应不稳，需求激增，这三点勾勒出了中国AI算力的整体发展背景。

AI算力就是生产力。在种种令人不安的局面下，中国AI开始了聚沙成塔般的算力突围。

2017年，是人工智能第三次兴起的第一年。在这一年里，AlphaGO实现了对人类棋手的全面胜利，自动驾驶被广泛看好，深度学习算法四处开花。而这一切算法表现的背后，都离不开AI算力的支持。

这一年，英伟达拉开了股价飙升，AI算力产品频繁迭代的大幕。谷歌开始在云上布局TPU等自研算力。全球半导体产业开始看到AI算力这个极具想象力的新方向。

而与此前历次半导体风口不同的是，这次中国的从业者们没有后知后觉，待产业成熟后再加油追赶，他们选择了抢跑。

在2017年10月，海思打造了麒麟970，把端侧AI算力带到了华为手机。11月，中国科学院和寒武纪共同发布了新一代产品，其中包括面向手机与云端的AI处理器。这在当时被称为全球首个深度学习专用处理器芯片。

如果说，这些芯片还更多集中在端侧场景，不能直接对标英伟达提供的高端AI算力，尤其是AI训练算力，那么到了2018年，情况就正式发生了改变。

2018年10月，华为正式发布了全栈全场景AI解决方案。构成全站全场景AI主体的，是两款华为自研的AI芯片，也就是当年发布了用于推理的昇腾310，以及预告中的昇腾910，伴随着昇腾这个名字的出现，华为在AI基础设施领域的一系列布局开始浮现出来。

彼时，中美之间的贸易摩擦还没有开始。中国科技界不会料想到科技封锁的大棒即将迎面而来，更不会料想到AI算力这个还非常新颖、前沿的概念，居然会在几年后成为美国反复操纵，极力打击的中国科技“命门”所在。

如果没有华为对AI机遇的预判，昇腾在AI算力上的抢跑，或许后面的故事，就会是另一个走向。

2019年到2022年，中国AI算力发展进入第二阶段。简要概述这个阶段的发展目标，就是把AI芯片变成了AI算力。

提及AI计算，很多朋友会有种疑惑，一方面国产AI芯片似乎非常多，时不时就能看到相关报道，但另一方面却又都说AI算力卡脖子。其中的问题，就在于芯片和算力是有区别的。

芯片需要能够量产，能够变成板卡、服务器、小站等计算产品，还需要具备全套的软件生态来帮助用户进行调用、开发，需要与各个应用场景进行适配，证明可用性。在这一系列问题都得到解决之后，还需要形成足够大的市场规模。

要顶着性能没有英伟达好，成本、生态、商业信任全都没有优势的逆境走向市场，国产AI算力这条路非常艰难。这也是为什么绝大多数国产AI芯片都只能停留在研制成功的新闻通稿里。

万幸的是，在中美贸易摩擦的背景下，这一阶段重要科技领域的自主可控成为各界共识，而AI算力在其中首当其冲。所以，国产AI算力没有像此前的算力国产化议题那样，反复被质疑是否有必要自研，全球化采购是否成本更优。因为理智的科技从业者都知道，AI算力被当作美国的棋子只不过是早晚的问题。

在政策形势、市场需求，以及头部科技企业的带动下，国产AI芯片的算力转化虽然没有百花齐放，但也顺利完成了阶段性的目标升级。

2019年8月，可用于AI训练，能直接对标英伟达高端产品的昇腾910芯片正式发布。其整数精度（INT8）算力可以达到640TOPS，整体性能接近了英伟达的A100。这标志着，中国AI算力的“拳头产品”来到了全球一线水平。

随后，昇腾生态的建设全面加速。深圳鹏城实验室基于昇腾910搭建了“鹏城云脑Ⅱ”，实现了中国首个自主可控的E级智能算力平台，可以提供不低于1000Pops的整机AI计算能力和64PB的高速并行可扩展存储。在武汉等25个城市，搭建了基于‌昇腾AI集群的人工智能计算中心，借助“东数西算”热潮，开启了云端AI算力这一新型基础设施的建设。

其他科技公司，同样也在这一阶段推动着AI芯片走向AI算力。百度在2020年量产了‌昆仑芯1代AI芯片，‌随后在百度搜索引擎、‌小度等业务中进行了部署。随后，基于百度自身业务与百度智能云庞大的AI算力需求，昆仑芯片达成了一定的量产规模。

先后布局AI芯片的，有华为这样的全产业链科技公司，也有阿里、百度等基于云计算业务拓展的AI芯片布局，同时还有寒武纪、海光信息、燧原科技、天数智芯、壁仞科技、摩尔线程、龙芯中科等半导体企业。中国AI算力的产业纵深，在一定程度上被拉开，IT市场的国产化AI算力选择也开始多样了起来。

时间来到2022年，一个关键性指标开始浮出。根据IDC发布数据，2022年中国AI加速卡出货量约为109万张，其中英伟达市场份额约为85%，昇腾市场占有率10%，百度昆仑为2%，寒武纪和燧原科技均为1%。

这意味着，中国AI计算市场上的国产化占比已经超过了10%。虽然这个规模看上去依旧不够大，但它意味着国产AI算力已经获得了稳定的市场基数，成为除了英伟达之外，中国AI计算具有可行性的第二选择。

这是用极限速度跑出来的10%，也成为中国AI产业的压舱石。

记得2018年，我与一些AI开发者、AI公司的创始人聊过GPU供应问题。在问到他们是否认为英伟达GPU会走向断供的问题时，大家普遍觉得不用担心，一方面是因为中国市场足够大，且增长足够快，英伟达不可能放弃，另一方面中美之间的AI技术差距还很明显，美国政府没有必要在这个领域出手干预。

然而事实证明，达摩克里斯之剑终会落下，我们永远不能乐观地认为科技铁幕上能打开一扇小窗。

2022年国产AI算力能够走向规模化商用的另一重推动力，是因为英伟达高端GPU的禁售风波开始了。在此之前，英伟达雄踞了中国AI芯片市场超过90%的份额。但在2022年10月，美国商务部以担心军用转化为借口，对出口中国的AI芯片启动管制。其中，英伟达的H100和A100等高端GPU成为主要管制对象。

对于这个荒谬的新规，英伟达也并非没有寻找出路。作为禁令的对策，英伟达马上开发了两款专为中国市场设计的“平替”，也就是A800和H800。这两款GPU性能都低于美国制裁措施规定的阈值，但在性能降低的同时，价格却进行了上涨。

然而即使这样的替代方案，也在一年后被宣告“此路不通”。美国商务部在2023年10月宣布禁止英伟达向中国供应A800和H800，而且新的禁售令不仅影响英伟达，还将AMD和英特尔的芯片覆盖在内，并且影响了大量芯片设备厂商。这种做法，可谓是堵上了中国获取中高端AI算力供应的全部大门，甚至计划对使用亚马逊云、微软云等美国云计算平台来获取云端AI算力的中国企业进行限制。铁闸落下，空余无奈。

当然，英伟达也并没停下试试看的脚步。英伟达又一次设计了三款面向中国的“特供版”。其中，能够用于AI训练的H20在理论上只有H100的20%综合性能，缩水之严重令人惊叹。

至此我们或许可以说，依靠进口的中国AI算力之路已经被堵得水泄不通，接下来，只能路自己修，步自己走。

幸运的是，修出来的路还不止一条。在今天，国产AI算力已经可以通过多种方式供应市场。它们支撑着百模大战的繁荣，实现了英伟达禁令甚至没有激起太大的水花。当然，这些方式互有交叠，用户可以有多样化的搭配与选择。但整体而言，今天中国AI算力的来源有三条途径：

第一种，全国算力网络与云端AI算力。

在科技自立自强的大背景下，几年来中国极大程度上加强了AI算力设施的基础建设。作为“东数西算”的核心组成部分，中国兴建了大量智算中心，预计在2025年将提供超过105EFLOPS的AI算力，组成了一张庞大的AI算力网络。

而作为与国家AI算力基础设施结合相对紧密的运营商，也正在加紧提升对算力网络的利用与挖掘。在目前阶段，运营商纷纷加码云计算与AI大模型，逐渐形成了云端AI算力在技术上的成熟与长期成本上的优势。

与此同时，各大云计算厂商也加强了AI算力的投入。一方面赶在禁令之前，大量囤积英伟达高端显卡，另一方面也在探索自研AI芯片的使用，以及对其他国产AI算力的引入。

综合来看，全国一体化的AI算力网络，正在成为中国智能化的主要算力基石。

第二种，昇腾生态。

经过多年的发展，华为已经将昇腾建设为国内最为成熟，且完全没有英伟达GPU参与的AI计算生态。科大讯飞创始人刘庆峰曾经表示，华为的昇腾AI芯片可以达到与英伟达A100相当的性能。

相对来说，昇腾的优势在于软硬件体系较为齐备，可以广泛使用华为自研的技术进行支持；可以和同样由华为打造的鲲鹏生态结合，实现多元计算；整体产业生态较为繁荣，硬件、软件合作商丰富。弱势之处则在于，外界对昇腾芯片还是有性能不足与价格过高的质疑，并且昇腾生态相对封闭，与其他厂商的AI算力生态基本不打通。

今天，中国已经有一半的大模型由昇腾来支撑，并且华为云已经将昇腾算力带到了云端，推出了昇腾AI云服务。可以说，昇腾的出现和成长，让中国有了可以对标英伟达生态的AI算力选择。

第三种，异构智算。

昇腾之外，大多数AI芯片厂商还无法实现规模化出货，更多是以参与混合型算力的方式，加入数据中心、企业AI集群的建设当中。目前情况下，大多数企业与数据中心还是会选择英伟达来构建AI算力的主体，同时通过加入海光、寒武纪等国产芯片以及加速卡来构建AI算力，或者采取使用英伟达GPU进行训练，使用国产AI算力进行推理的模式。比如说，百度在文心一言训练中使用的是英伟达GPU，推理侧则使用自主研发的昆仑芯2代。

类似策略，可以逐渐降低对英伟达的依赖度，并且发挥出多元化的AI芯片优势。由此，异构智算开始成为企业和数据中心新的需求。面向这种需求，IT厂商也正在捕捉机会。比如联想推出了完全异构智算平台，来帮助实现异构化AI算力的管理与调配；新华三推出了面向异构智算的网络解决方案，解决异构智算带来的丢包与负载等问题。

这三根“足”，给中国AI算力带来了某种稳定性。经过极限情况下的多年经营与发展，今天中国AI算力谈不上充沛与廉价，至少有了可以遮风挡雨的稳固。

至少我们可以看到，中小企业应用AI算力的综合门槛正在降低，AI算力的选择在增多，异构协同能力在加强，并且熟悉了昇腾与海光DCU这样能够直接替代英伟达GPU的存在。中国AI是否会因为算力而陷入生存僵局，已经不再是个问题。

总结一下，在AI算力层面，我们有办法，但办法不够好，其实也不够多。

然而换个角度想想，幸好我们有方法，否则麻烦就大了。

依靠精准的预判抢跑，在多重助力下超高速发展，在外部压力下极限成型。

智算，终成国之重器。