2023人工智能2.0时代的公共智算服务发展指南-国家信息中心_32页_6mb

报告摘要

人工智能2.0时代的公共智算服务发展指南总结

核心内容概述

人工智能2.0时代标志着从单一智能向通用智能的转变，其发展特征包括创新加速、跨界融合、应用深化。智算服务作为支撑人工智能发展的重要基础设施，正朝着“云化共享”“高效计算”“开放兼容”“按需服务”“稳定安全”“绿色低碳”和“长效运营”等方向发展，成为数字经济、数字社会、数字政府的重要支撑。

公共智算服务是一种以基础性、公共性、普适性为原则，通过云服务方式模块化、组件化、服务化封装算力、算法、数据等资源，实现高质量、低成本、低门槛的智算资源供给。它旨在降低用户获取和使用成本，提升资源利用率，成为推动AI应用普及和产业智能化的重要手段。

主要观点

公共智算服务的必要性：随着AI技术的发展，智算资源需求快速增长，而其初始固定投入高、边际成本递减、边际收益递增的特性，决定了采用公共性服务模式是最佳选择。
服务特征：
- 云化共享：通过多租户共享、弹性调度和云原生技术实现资源的高效利用。
- 高效计算：支持大规模并行计算，提升训练和推理性能。
- 开放兼容：支持“一云多芯”“一云多算”，兼容主流深度学习框架，推动生态发展。
- 按需服务：通过标准化、模块化、任务化的服务资源组合，满足多样化需求。
- 稳定安全：需满足SLA、信息安全等级保护和容错恢复等要求。
- 绿色低碳：在“双碳”背景下，绿色用能和节能降耗成为智算服务的重要方向。
- 长效运营：需科学规划、合理盈利、专业化运营，实现可持续发展。
发展形势：
- 人工智能2.0时代，大模型成为主要推动力。
- 智算资源作为“准公共品”，推动标准化、低成本、低门槛的发展。
- 全球“双碳”趋势对智算服务提出绿色低碳要求。
现状与挑战：
- 智算服务发展迅速，但存在“重硬轻软”“重建设轻服务”“重投资轻运营”“协同难效率低”等问题。
- 需要推动服务模式创新，实现从粗放式向精细化、生态化转变。

关键信息

一、服务框架

服务架构：由服务资源构件化、服务调度智能化、服务供给多元化构成，实现高效、安全、灵活的智算服务。
服务内容：
- 算力资源服务：包括高性能网络、多元计算服务、高性能存储、算力调度优化等。
- 算法模型服务：提供基础通用算法模型、算法模型开发工具、模型调用与定制服务。
- 数据资源服务：包括数据集开放、数据治理工具、数据存储与传输能力。
服务生态：由政府、市场、技术、生态伙伴等共同构建，形成协同发展的服务体系。

二、推进策略

需求导向：强化产业赋能，通过典型案例带动公共智算服务的普及。
适度超前：优化智算设施布局，提升资源供给能力，实现绿色低碳。
技术先进：提升软硬协同能力，推动算法、模型、数据的融合。
强化运营：建立长效服务生态，提升资源利用率和用户满意度。
以评促建：建立科学的评价体系，引导智算服务高质量发展。

三、实践案例

北京市：
- 建设“北京市人工智能公共算力平台”，提供4000P算力。
- 发放算力券，降低企业使用成本。
- 建设算力调度服务平台，实现多云异构算力统一调度。
杭州市：
- 打造“高算力+强算法+大数据”产业生态。
- 建设市级多云算力调度平台，推进算力普惠。
- 建设智能计算产业集群，提升算力利用效能。
复旦大学CFFF平台：
- 国内高校最大规模异构智算平台，支持千卡、万卡并行计算。
- 提供高效、低成本、绿色的智算服务，支持科学智能研究。
- 实现“东数西算”，提升数据传输效率和科研成果落地速度。
小鹏汽车“扶摇”智算中心：
- 与阿里云共建，提供600PFLOPS算力，提升自动驾驶模型训练速度。
- 采用“专属集群”模式，支持弹性共享，降低训练成本。
- 提供高性能网络和存储，满足自动驾驶多模态需求。
百川智能：
- 依托阿里云提供算力，加快大模型研发。
- 开源大模型，共建生态，提升模型应用广度和深度。
- 实现模型的广泛应用，推动AI产业生态发展。

总结

公共智算服务是人工智能2.0时代的重要基础设施，具有云化共享、高效计算、开放兼容、按需服务、稳定安全、绿色低碳和长效运营等主要特征。其发展受到国家政策和地方实践的双重推动，面临“重硬轻软”“重建设轻服务”“重投资轻运营”“协同难效率低”等挑战。推进策略包括需求导向、适度超前、技术先进、强化运营和以评促建，以实现高质量、可持续的智算服务生态。实践案例表明，通过政企合作、生态共建、技术创新和模式优化，公共智算服务正在成为推动人工智能应用和产业发展的重要支撑。

展开完整摘要