「中國AI到底發展得怎麽樣了？」在各種社交平臺上，我們經常會看到這樣的問題，也會看到各種各樣的答案，但這些答案有著普遍的缺陷。它們往往只抽取一兩個片段或案例，用非常取巧，甚至有點抖機靈的方式，極端唱好或者唱衰中國AI。
事實上，所謂的中國AI產業覆蓋面非常廣泛。每個領域有各自的發展特點，產業優勢以及產業局限性，很難用過分簡單的方式，來概括事實上非常復雜的AI產業。
或許，復雜的問題就應該有詳細的答案。就像一幅小畫，畫不盡中國廣袤的山水。
想要探尋中國AI的底色，需要梳理來龍去脈，需要回看一步一景，需要去畫一幅長卷。
今天我們都知道，驅動AI算法工作的「燃油」是AI算力。尤其當深度學習算法發展到了預訓練大模型階段，AI算力已經成為整個AI領域的最大成本開銷。根據相關數據，算力成本要占到大模型訓練成本的70%左右，在大模型推理階段則高達95%。
如果說，AI產業是一間工廠，那麽AI算力就是工廠所需的煤和石油。更為致命的是，這些「煤和石油」的供應處在一種半壟斷狀態。在這次AI復興當中，英偉達用GPU占據全球AI算力市場的主導地位。英偉達的高端AI算力不僅成本高昂，供不應求，但對於蓬勃發展的中國AI產業來說，能否確保其供應穩定都要打上大大的問號。
在算力貴且不穩的前提下，中國AI產業卻湧現出了巨大的AI算力需求。根據相關數據預測，2030年全球AI算力的需求將達到2020年的500倍。其中，中國AI算力的增長是主要驅動力。目前階段，中美之間的AI算力差不多是1比1.5。種種跡象顯示，未來兩國間的AI算力需求將拉平，甚至中國反超。
成本高昂、供應不穩，需求激增，這三點勾勒出了中國AI算力的整體發展背景。
AI算力就是生產力。在種種令人不安的局面下，中國AI開始了聚沙成塔般的算力突圍。
2017年，是人工智能第三次興起的第一年。在這一年裏，AlphaGO實現了對人類棋手的全面勝利，自動駕駛被廣泛看好，深度學習算法四處開花。而這一切算法表現的背後，都離不開AI算力的支持。
這一年，英偉達拉開了股價飆升，AI算力產品頻繁叠代的大幕。谷歌開始在雲上布局TPU等自研算力。全球半導體產業開始看到AI算力這個極具想象力的新方向。
而與此前歷次半導體風口不同的是，這次中國的從業者們沒有後知後覺，待產業成熟後再加油追趕，他們選擇了搶跑。
在2017年10月，海思打造了麒麟970，把端側AI算力帶到了華為手機。11月，中國科學院和寒武紀共同發布了新一代產品，其中包括面向手機與雲端的AI處理器。這在當時被稱為全球首個深度學習專用處理器芯片。
如果說，這些芯片還更多集中在端側場景，不能直接對標英偉達提供的高端AI算力，尤其是AI訓練算力，那麽到了2018年，情況就正式發生了改變。
2018年10月，華為正式發布了全棧全場景AI解決方案。構成全站全場景AI主體的，是兩款華為自研的AI芯片，也就是當年發布了用於推理的昇騰310，以及預告中的昇騰910，伴隨著昇騰這個名字的出現，華為在AI基礎設施領域的一系列布局開始浮現出來。
彼時，中美之間的貿易摩擦還沒有開始。中國科技界不會料想到科技封鎖的大棒即將迎面而來，更不會料想到AI算力這個還非常新穎、前沿的概念，居然會在幾年後成為美國反復操縱，極力打擊的中國科技「命門」所在。
如果沒有華為對AI機遇的預判，昇騰在AI算力上的搶跑，或許後面的故事，就會是另一個走向。
2019年到2022年，中國AI算力發展進入第二階段。簡要概述這個階段的發展目標，就是把AI芯片變成了AI算力。
提及AI計算，很多朋友會有種疑惑，一方面國產AI芯片似乎非常多，時不時就能看到相關報道，但另一方面卻又都說AI算力卡脖子。其中的問題，就在於芯片和算力是有區別的。
芯片需要能夠量產，能夠變成板卡、服務器、小站等計算產品，還需要具備全套的軟件生態來幫助用戶進行調用、開發，需要與各個應用場景進行適配，證明可用性。在這一系列問題都得到解決之後，還需要形成足夠大的市場規模。
要頂著性能沒有英偉達好，成本、生態、商業信任全都沒有優勢的逆境走向市場，國產AI算力這條路非常艱難。這也是為什麽絕大多數國產AI芯片都只能停留在研製成功的新聞通稿裏。
萬幸的是，在中美貿易摩擦的背景下，這一階段重要科技領域的自主可控成為各界共識，而AI算力在其中首當其沖。所以，國產AI算力沒有像此前的算力國產化議題那樣，反復被質疑是否有必要自研，全球化采購是否成本更優。因為理智的科技從業者都知道，AI算力被當作美國的棋子只不過是早晚的問題。
在政策形勢、市場需求，以及頭部科技企業的帶動下，國產AI芯片的算力轉化雖然沒有百花齊放，但也順利完成了階段性的目標升級。
2019年8月，可用於AI訓練，能直接對標英偉達高端產品的昇騰910芯片正式發布。其整數精度（INT8）算力可以達到640TOPS，整體性能接近了英偉達的A100。這標誌著，中國AI算力的「拳頭產品」來到了全球一線水平。
隨後，昇騰生態的建設全面加速。深圳鵬城實驗室基於昇騰910搭建了「鵬城雲腦Ⅱ」，實現了中國首個自主可控的E級智能算力平臺，可以提供不低於1000Pops的整機AI計算能力和64PB的高速並行可擴展存儲。在武漢等25個城市，搭建了基於昇騰AI集群的人工智能計算中心，借助「東數西算」熱潮，開啟了雲端AI算力這一新型基礎設施的建設。
其他科技公司，同樣也在這一階段推動著AI芯片走向AI算力。百度在2020年量產了昆侖芯1代AI芯片，隨後在百度搜索引擎、小度等業務中進行了部署。隨後，基於百度自身業務與百度智能雲龐大的AI算力需求，昆侖芯片達成了一定的量產規模。
先後布局AI芯片的，有華為這樣的全產業鏈科技公司，也有阿裏、百度等基於雲計算業務拓展的AI芯片布局，同時還有寒武紀、海光信息、燧原科技、天數智芯、壁仞科技、摩爾線程、龍芯中科等半導體企業。中國AI算力的產業縱深，在一定程度上被拉開，IT市場的國產化AI算力選擇也開始多樣了起來。
時間來到2022年，一個關鍵性指標開始浮出。根據IDC發布數據，2022年中國AI加速卡出貨量約為109萬張，其中英偉達市場份額約為85%，昇騰市場占有率10%，百度昆侖為2%，寒武紀和燧原科技均為1%。
這意味著，中國AI計算市場上的國產化占比已經超過了10%。雖然這個規模看上去依舊不夠大，但它意味著國產AI算力已經獲得了穩定的市場基數，成為除了英偉達之外，中國AI計算具有可行性的第二選擇。
這是用極限速度跑出來的10%，也成為中國AI產業的壓艙石。
記得2018年，我與一些AI開發者、AI公司的創始人聊過GPU供應問題。在問到他們是否認為英偉達GPU會走向斷供的問題時，大家普遍覺得不用擔心，一方面是因為中國市場足夠大，且增長足夠快，英偉達不可能放棄，另一方面中美之間的AI技術差距還很明顯，美國政府沒有必要在這個領域出手幹預。
然而事實證明，達摩克裏斯之劍終會落下，我們永遠不能樂觀地認為科技鐵幕上能打開一扇小窗。
2022年國產AI算力能夠走向規模化商用的另一重推動力，是因為英偉達高端GPU的禁售風波開始了。在此之前，英偉達雄踞了中國AI芯片市場超過90%的份額。但在2022年10月，美國商務部以擔心軍用轉化為借口，對出口中國的AI芯片啟動管製。其中，英偉達的H100和A100等高端GPU成為主要管製對象。
對於這個荒謬的新規，英偉達也並非沒有尋找出路。作為禁令的對策，英偉達馬上開發了兩款專為中國市場設計的「平替」，也就是A800和H800。這兩款GPU性能都低於美國製裁措施規定的閾值，但在性能降低的同時，價格卻進行了上漲。
然而即使這樣的替代方案，也在一年後被宣告「此路不通」。美國商務部在2023年10月宣布禁止英偉達向中國供應A800和H800，而且新的禁售令不僅影響英偉達，還將AMD和英特爾的芯片覆蓋在內，並且影響了大量芯片設備廠商。這種做法，可謂是堵上了中國獲取中高端AI算力供應的全部大門，甚至計劃對使用亞馬遜雲、微軟雲等美國雲計算平臺來獲取雲端AI算力的中國企業進行限製。鐵閘落下，空余無奈。
當然，英偉達也並沒停下試試看的腳步。英偉達又一次設計了三款面向中國的「特供版」。其中，能夠用於AI訓練的H20在理論上只有H100的20%綜合性能，縮水之嚴重令人驚嘆。
至此我們或許可以說，依靠進口的中國AI算力之路已經被堵得水泄不通，接下來，只能路自己修，步自己走。
幸運的是，修出來的路還不止一條。在今天，國產AI算力已經可以通過多種方式供應市場。它們支撐著百模大戰的繁榮，實現了英偉達禁令甚至沒有激起太大的水花。當然，這些方式互有交疊，用戶可以有多樣化的搭配與選擇。但整體而言，今天中國AI算力的來源有三條途徑：
第一種，全國算力網絡與雲端AI算力。
在科技自立自強的大背景下，幾年來中國極大程度上加強了AI算力設施的基礎建設。作為「東數西算」的核心組成部分，中國興建了大量智算中心，預計在2025年將提供超過105EFLOPS的AI算力，組成了一張龐大的AI算力網絡。
而作為與國家AI算力基礎設施結合相對緊密的運營商，也正在加緊提升對算力網絡的利用與挖掘。在目前階段，運營商紛紛加碼雲計算與AI大模型，逐漸形成了雲端AI算力在技術上的成熟與長期成本上的優勢。
與此同時，各大雲計算廠商也加強了AI算力的投入。一方面趕在禁令之前，大量囤積英偉達高端顯卡，另一方面也在探索自研AI芯片的使用，以及對其他國產AI算力的引入。
綜合來看，全國一體化的AI算力網絡，正在成為中國智能化的主要算力基石。
第二種，昇騰生態。
經過多年的發展，華為已經將昇騰建設為國內最為成熟，且完全沒有英偉達GPU參與的AI計算生態。科大訊飛創始人劉慶峰曾經表示，華為的昇騰AI芯片可以達到與英偉達A100相當的性能。
相對來說，昇騰的優勢在於軟硬件體系較為齊備，可以廣泛使用華為自研的技術進行支持；可以和同樣由華為打造的鯤鵬生態結合，實現多元計算；整體產業生態較為繁榮，硬件、軟件合作商豐富。弱勢之處則在於，外界對昇騰芯片還是有性能不足與價格過高的質疑，並且昇騰生態相對封閉，與其他廠商的AI算力生態基本不打通。
今天，中國已經有一半的大模型由昇騰來支撐，並且華為雲已經將昇騰算力帶到了雲端，推出了昇騰AI雲服務。可以說，昇騰的出現和成長，讓中國有了可以對標英偉達生態的AI算力選擇。
第三種，異構智算。
昇騰之外，大多數AI芯片廠商還無法實現規模化出貨，更多是以參與混合型算力的方式，加入數據中心、企業AI集群的建設當中。目前情況下，大多數企業與數據中心還是會選擇英偉達來構建AI算力的主體，同時通過加入海光、寒武紀等國產芯片以及加速卡來構建AI算力，或者采取使用英偉達GPU進行訓練，使用國產AI算力進行推理的模式。比如說，百度在文心一言訓練中使用的是英偉達GPU，推理側則使用自主研發的昆侖芯2代。
類似策略，可以逐漸降低對英偉達的依賴度，並且發揮出多元化的AI芯片優勢。由此，異構智算開始成為企業和數據中心新的需求。面向這種需求，IT廠商也正在捕捉機會。比如聯想推出了完全異構智算平臺，來幫助實現異構化AI算力的管理與調配；新華三推出了面向異構智算的網絡解決方案，解決異構智算帶來的丟包與負載等問題。
這三根「足」，給中國AI算力帶來了某種穩定性。經過極限情況下的多年經營與發展，今天中國AI算力談不上充沛與廉價，至少有了可以遮風擋雨的穩固。
至少我們可以看到，中小企業應用AI算力的綜合門檻正在降低，AI算力的選擇在增多，異構協同能力在加強，並且熟悉了昇騰與海光DCU這樣能夠直接替代英偉達GPU的存在。中國AI是否會因為算力而陷入生存僵局，已經不再是個問題。
總結一下，在AI算力層面，我們有辦法，但辦法不夠好，其實也不夠多。
然而換個角度想想，幸好我們有方法，否則麻煩就大了。
依靠精準的預判搶跑，在多重助力下超高速發展，在外部壓力下極限成型。
智算，終成國之重器。---(文: 腦極體/來源: 鈦媒體)
