2021年人工智能行業(yè)應(yīng)用滲透度排名:互聯(lián)網(wǎng)、金融居前
(全球TMT2021年10月29日訊)10月26日,《2021-2022中國人工智能計(jì)算力發(fā)展評估報(bào)告》(以下簡稱:報(bào)告)在AICC2021人工智能計(jì)算大會上發(fā)布。
從單點(diǎn)到多元化應(yīng)用場景,AI加速向傳統(tǒng)行業(yè)滲透
報(bào)告顯示,2021年人工智能行業(yè)應(yīng)用滲透度排名TOP5的行業(yè)依次為互聯(lián)網(wǎng)、金融、政府、電信和制造,相比2020年,金融行業(yè)人工智能應(yīng)用速度加快并超過政府行業(yè),位列第二,制造、交通和能源行業(yè)在人工智能的應(yīng)用也更加深入,分列第五、第七和第九位。相比去年,人工智能在各個行業(yè)的滲透度都在增加。

報(bào)告指出,人工智能在主要行業(yè)的應(yīng)用場景已經(jīng)從碎片化過渡到深度融合的一體化,從單點(diǎn)應(yīng)用場景轉(zhuǎn)換為多元化的應(yīng)用場景。與2020年相比,人工智能算力釋放的場景在金融、制造、能源和公共事業(yè)、交通和互聯(lián)網(wǎng)等行業(yè)體現(xiàn)得尤為顯著,相關(guān)行業(yè)的人工智能應(yīng)用場景呈現(xiàn)更為多元化的趨勢,產(chǎn)業(yè)AI化在傳統(tǒng)行業(yè)的應(yīng)用拓展不斷提速。
多元算力與巨量模型,產(chǎn)業(yè)AI化的重要推手
伴隨人工智能在各個行業(yè)的應(yīng)用,各類人工智能芯片的需求也在大大提高,更加細(xì)分多元并最終體現(xiàn)在AI算力的多元化。報(bào)告認(rèn)為,GPU依然是實(shí)現(xiàn)數(shù)據(jù)中心加速的首選,占有90%以上的市場份額,GPU在訓(xùn)練負(fù)載中依然具有絕對優(yōu)勢,高算力低能耗且適應(yīng)各類復(fù)雜環(huán)境的芯片將更受關(guān)注。推理工作負(fù)載在各個行業(yè)應(yīng)用中不斷增加,F(xiàn)PGA、ASIC、NPU等其他類型的加速芯片將在各個領(lǐng)域被更多地采用。預(yù)計(jì)到2025年,其他類型加速芯片的市場份額將超過20%。
智算中心,產(chǎn)業(yè)AI化的核心基礎(chǔ)
算力的多元化及巨量模型成為加速產(chǎn)業(yè)AI化的重要推手,但發(fā)展過程中,算力、數(shù)據(jù)、AI能力等方面依然存在著不同程度的挑戰(zhàn)。算力方面,AI的研發(fā)、訓(xùn)練需要大量的算力;數(shù)據(jù)方面,擁有深度的、細(xì)致的、海量的數(shù)據(jù)是訓(xùn)練出“智能”的前提。隨著AI模型的巨量化,算力成本方面的挑戰(zhàn)也會愈加突出。智能計(jì)算中心建設(shè)的公共屬性原則在當(dāng)下和未來顯得尤為重要,并主要體現(xiàn)在產(chǎn)業(yè)和民生兩個層面。
從產(chǎn)業(yè)層面看,首先,智算中心的公共屬性可以避免企業(yè)AI計(jì)算平臺(硬件基礎(chǔ)設(shè)施)的重復(fù)建設(shè),實(shí)現(xiàn)公共服務(wù)所帶來的天然邊際成本效應(yīng)的降低,讓企業(yè)能夠以更低的成本獲得人工智能算力,同時(shí)避免AI算力的浪費(fèi);其次,智算中心作為服務(wù)的提供者,其將AI能力作為“公共服務(wù)”提供,對其易用性、適用性、功能性都有所優(yōu)化或強(qiáng)化,企業(yè)可以更加快速和便捷地應(yīng)用到實(shí)際業(yè)務(wù)中,加快企業(yè)AI應(yīng)用的落地。報(bào)告為行業(yè)用戶提供建議,可借助新型公共算力基礎(chǔ)設(shè)施(如智能計(jì)算中心)實(shí)現(xiàn)降本增效、加速成果轉(zhuǎn)化,關(guān)注以通用巨量模型為代表的AI算法基礎(chǔ)設(shè)施,降低針對不同應(yīng)用場景的模型適配難度和開發(fā)使用成本。
從民生層面看,智能計(jì)算中心的公共屬性決定了其并非是盈利性的基礎(chǔ)設(shè)施,將承載智能化的居民生活服務(wù)、政務(wù)服務(wù)智能化,做到真正的普適普惠。報(bào)告認(rèn)為,以政府為主導(dǎo),提供普適、普惠算力服務(wù)的智能計(jì)算中心,通過提供公共的算力、數(shù)據(jù)及算法服務(wù),搭建公益、普惠、安全的架構(gòu),讓算力服務(wù)易用,解決算力服務(wù)供給缺失問題的同時(shí),也為探索未來人工智能計(jì)算力如何布局起到良性作用提供了參考。