2022年11月，ChatGPT的横空出世在全球掀起了人工智能的又一轮竞赛。不同于以往大家关注人工智能时只看重数据和算法，作为拉动人工智能发展的三驾马车之一，算力成为了新一轮竞争的焦点，算力需求经历了从线性增长到指数型增长的转变。

随着这场人工智能竞赛的广度和深度不断加强，行业对算力的发展提出了更多需求。那么如今，国内的算力行业到底发展如何？技术变现的卡点在哪里？我国在这场竞赛中又有多少胜算呢？

针对上述问题，专访了南方科技大学计算机科学与工程系副教授、博导程然。深耕计算机科学的程然教授，从技术和市场交叉相融的角度，为我们展示了算力行业的发展情况与前沿的创新魅力。

构建中间层是关键

《芯片战争》一书中曾提到，花一亿元人民币造出一颗芯片是没有意义的，我们必须保证大规模制造、保证良品率、保证更新速度，还得保证做出来很便宜才行。为此，我们需要的不是一个大项目，而是整个生态系统。

算力行业如今面临着同样的问题。

大模型的出现带动了算力产业的崛起，越来越多的智算中心拔地而起。但正如上个世纪电力的发展一样，在发电厂建设成功之后，如何把电送到千家万户，让边远乡村的夜晚也能亮起路灯，解决这样的问题还需要大量的基础设施建设。

程然教授提到，当前算力行业主要由政府来引导。

从2022年开始，在“东数西算”工程的指导下，我国八大国家算力枢纽、十大中心规划逐步落地。截至2023年底，我国在用数据中心机架总规模超过810万架，算力总规模达到230EFlops。目前，我国算力总规模连续五年平均增速达30%，基础设施规模已位居全球第二。

但随着算力产能的不断扩大，如何让算力更好地与实体经济进一步融合成了下一阶段要直面的问题。

程然表示，现在算力行业缺少的就是“供电局”的角色，需要把算力的周边服务做好。其中，软件服务尤为重要。

“我认为，（算力行业未来的）最大挑战在于软件，而不是硬件或人力。回顾计算机的发展历程，真正让计算机普及的是操作系统的创新，而不是硬件的进步。就像微软和苹果之所以成为世界领先的科技公司，是因为它们把计算机庞大复杂的功能变成了用户桌面上一个个小图标。同样，当前的算力中心在软件体验上仍有很大提升空间。开发出易于用户操作的算力软件将成为关键。”程然分享道。

纵览如今的算力产业链，上游基础硬件设施方面，新型半导体材料的创新和国产芯片的逐步替代为算力的发展带来明显助力；

中游算力网络平台的建设在政策指导和电信服务商、互联网企业等力量的推动下，逐步完善，算力供应能力大幅提高；

下游应用场景则是“嗷嗷待哺”。在人工智能大模型技术进入公共视野以来，市场需求呈现出前所未有的增长。

但中下游之间的环节配套尚不完善，基础软件服务能力较弱。同时，下游市场需求碎片化。中下游之间的灰色地带仍有待开发。如何才能将智算中心的算力资源与具体需求方更好地匹配起来呢？

面对行业发展的共性问题，不少从业者顺着以往的思维惯性，将目光放在了“对手”身上，希望能借鉴美国的路径，实现“弯道超车”。然而，程然却表示，我们的目标不是 “弯道超车”，而是“另辟蹊径”。

“就像F1比赛，真正的高手很难在弯道超车。我们应当走出一条属于自己的道路，而不是一味追随别人。算力已经在国产化方面取得了不少成果，我们应该鼓励创新，找到适合自身的发展路径，而不是总想着去追赶他人设定的标准。”

算力市场上有许多新力量与程然不谋而合，他们正在积极开拓不同的路径，不断涌现各种各样的新业态。

2024年9月，定位为“算力运营商”的无问芯穹（Infinigence AI）公司宣布完成近5亿元A轮融资，其成立时间只有16个月，就目前已经累计完成了近10亿元融资，成为国内AI基础建设领域累计融资额最高的公司。

除了无问芯穹这样的“运营商”以外，算力租赁行业也是一片新蓝海。

面对高昂的算力成本和有限的预算，不少中小企业采取“由买转租”的方式。不少个体和公司嗅到了新机遇，纷纷开启算力租赁服务。据相关统计数据显示，目前“算力租赁”概念相关上市公司已达到101家，总市值达1.60万亿元。

算力行业中协同与流通性弱的诸多现实性难题受到了各方力量的重视。

算力如何赋能产业？

技术只是种子，只有落地到具体场景中才能开花结果。

随着算力逐渐深入互联网、金融、公共服务等各领域，程然选择在工业设计中发掘算力的无限潜能。

程然认为，即使有智能算力的加持，制造业的完全定制化生产还有一定的距离。现阶段，优化现有产品、提高生产效率是更为现实的目标。

顺着这条思路，程然与中国商飞开展合作项目，尝试利用智能计算的方式来完成宽体客机的超临界机翼设计。

超临界机翼是飞机机翼的一种。不同于传统机翼，其主要功能在于减轻高速跨音速飞行时机翼周围跨音速气流的的阻力波阻效应。由于气动性能与超临界机翼形状之间的关联十分复杂，工业设计就需要十分精准。

传统设计主要依赖工程师的经验。通过工程师和模型仿真的不断交互，一点点“试”出最理想的设计。但“试”的过程不仅消耗时间、人力，材料成本也十分高昂。

深耕演化计算（一类算法的统称）领域的程然决定做一些不一样的尝试。

以往演化计算中的随机变异策略会导致结果的不确定性，而机翼设计，尤其是超临界机翼设计对精度的要求非常高。因此，程然的团队结合了生成式AI技术，学习了超临界机翼的物理外形和气动特性，进行定向变异优化。

通过“少量数据+核心知识+演化算法+生成模型”的方案，成功消除了随机变异带来的不确定性，使得设计过程更加精确。

“演化（计算）并没有大家想象中那么粗犷。现在算力充沛，精度就可以做得非常高，误差不到千分之一！”程然兴奋地表示。

这是程然首次将生成式AI融入演化计算，成功解决了工业设计中的实际问题。对于程然来说，这些合作的核心驱动在于实验室里的技术能够真正地运用在实际生产中，帮助企业降本增效。

在人工智能技术和行业场景深度融合的趋势下，程然看到了一种新的可能性——人人都可以根据自己的理念去创造。

“用数据和知识驱动，加上算力，做出一个完全自动的，周期短的，虚拟环境内的演化。在释放人力和成本的同时，还能够让你的产品在这里不断生出后代，后代又会生出后代，不断朝着你预想的设计目标不断演化。”程然分享着自己的想法。

如此的智能化生产可以重塑设计到制造的整个流程，使其更加流畅、一体，及时满足不同消费者的需求。在这其中，算力是最重要的基石。

算力的未来是“开放式”

ChatGPT爆发之时，不少人将Scaling law（标度律，是描述一个系统的某个特性随系统的某个参数变化而呈现特定规律）奉为圭臬，认为只要堆算力、堆数据就能够“大力出奇迹”，训练出领先的人工智能。

当前，国内的“百模大战”已经打响。互联网大厂希望用大模型续写移动互联网时代的神话，科创公司则希望成为中国的OpenAI。

另一方面，“AI重塑一切”的口号响彻各行各业。有数据显示，截止到2023年，67%的中国企业已经开始探索生成式AI在企业内的应用机会或进行相关资金投入。

然而，算力资源的稀缺导致了行业的集体焦虑。无问芯穹的创始人夏立雪在接受采访时表示，目前大模型落地的阻碍之一，是算力领域呈现巨大的需求和供给错配。

作为算力第一供应商的英伟达，股价水涨船高，市值几度超越微软，飙升成为全球第一的科技公司。甚至国内的“百模大战”都为英伟达贡献了四分之一的营收，创下历史新高。

面对普遍的算力焦虑，程然从演化逻辑角度为我们进行了解释。在自然界中，不管是大象还是蚂蚁，都能和谐生存，这是物种的多样性。正是这样的多样性才有了系统的稳定。行业也是如此，单极化地发展某项技术是危险的。

“在发展大模型的基础上，应该多去探索其它的人工智能。”程然以刚刚获得诺贝尔奖的Geoffrey Hinton为例。

Hinton所坚持的人工神经网络在20世纪60年代就被提出，一直没有受到学界和行业的重视。在坐了几十年的“冷板凳”之后，神经网络算法才在一场算法挑战赛中崭露头角。

2022年随着ChatGPT轰动全球的发布，神经网络算法成为主流。2024年Hinton获得了诺贝尔物理学奖。

从“冷板凳”到技术主流，程然呼吁算力的发展也要留有这样的可能性。

“AI的发展会导致未来不可预测。既然不可预测，那我们就更应该大胆地尝试一些东西。”程然说道。

毋庸置疑，算力已经成为智能时代行业发展的源动力，其影响正在迅速扩散到各行各业。科学作家万维钢在他的新书《拐点》中更是直接表示：“如果这个世界真有神，算力就是神。”

中国的算力市场有着巨大的发展前景和动力，算力的建设也才刚刚开始。在东数西算工程的带领下，全国一体化算力网络体系正在加速构建，算力市场也在不断涌现新的服务商和新的服务方式。

正如程然所说，自然界中一个小小的昆虫也有自己存在的精准的生态位置，相信算力行业将有越来越多的“小而精”，这场人工智能竞赛才刚刚开始，未来充满希望！