重磅！中国最新AI算力地图出炉：北京加冕冠军！杭州、深圳位列三甲

会员服务 ·

重磅！中国最新AI算力地图出炉：北京加冕冠军！杭州、深圳位列三甲

2019 年 8 月 28 日 新智元

新智元报道

编辑：鹏飞、大明

【新智元导读】2019人工智能计算大会开幕，IDC和浪潮重磅发布最新中国AI算力发展评估报告！报告显示：北京超越杭州成中国算力霸主，深圳位列第三，苏州、南京和西安首次跻身Top 10！

人工智能三大支柱：算力、算法和数据。数据，就是人工智能这只大军的粮草；算法就是装备；而算力则是战力。

战力反应了一支军队的实力。同样的，算力也直接反应了一个城市在人工智能领域的投入和实力。

今天，以“计算，预见AI未来”为主题的2019人工智能计算大会（AICC2019）在北京拉开帷幕。

会上，不仅IDC和浪潮联合发布《2019-2020中国人工智能计算力发展评估报告》，分享并探讨了中国AI算力、数据、投资、基准等诸多人工智能领域的现状和未来。同时浪潮还公布其“元脑生态”大计划，聚焦当前阶段产业AI化的落地应用需求。

浪潮称，将共享其三大核心平台：高效创新的AI计算平台、敏捷协作的AI资源平台和即时交付AI算法工具平台。最终由具备AI功能开发核心能力的科技公司——左手伙伴，和具备实施AI整体解决方案能力的SI、ISV——右手伙伴，以及浪潮共同创建“元脑生态”。

中国城市AI算力排行榜：北京成霸主，广州进前五

那么中国城市的AI算力哪家强呢？IDC在报告中进行了一次排行： TOP 5城市依次为北京、杭州、深圳、上海、⼴州，排名6-10的城市为合肥、苏州、重庆、南京、西安。

相⽐去年，北京、⼴州、苏州、重庆和西安这五个城市的排名都所提⾼，尤其是广州由第二梯队进入前五，苏州、南京和西安更是首次跻身Top 10！

北京拥有AI初创企业近500家，是全国各城市中最多的，在AI成熟企业的数量上也领先全国。百度、字节跳动、京东等互联网企业，商汤、旷视、寒武纪、深鉴科技等初创公司均坐落于北京。在学术和人才资源上，清华、北大、北航、中科院等高等院校和科研机构为北京AI的发展提供了雄厚的科研和人才基础，今年北京也是超越杭州位居第⼀。

去年的霸主杭州虽被北京抢了位子，但其背靠阿里巴巴、浙大等，起点颇高。杭州的AI专利申请数和授权数，均位居全国前列。政府也发布了多个支持杭州AI行业发展的指导性政策。海康、大华等智能安防领域的领军企业，也在进行着大规模的AI投资和探索。

深圳一直是创新企业的摇篮和技术创新中心，培育了华为、腾讯、招商银行、平安科技、云天励飞等行业领先企业，在智能城市建设和自动驾驶技术方面位居全国前列。

⼴州则依靠GDP增速领先，政府在⼈⼯智能⽅⾯加大投⼊，以及⼤量⾏业领先企业的进驻，迅速从第二梯队进入前五。

而苏州、南京和西安三城，凭借政府对科技产业园的建设，⼈才和资本的聚集以及领先企业的带动，⾸次进⼊前⼗。

算力是基础保障，3年后推理为王训练退让

算力是人工智能发展的基础保障，未来仍有很大的发展空间。而随着数据的获取及处理的门槛在不断的下降，加上算法在不断优化，算力也开始不断提升，对芯片的需求也逐渐丰富起来。

狭义上的AI芯片特指AI加速器或计算卡，是专门用于加速AI应用中、大量计算任务的模块。而从广义来看，只要是面向AI计算的芯片，都可以称其为AI芯片，例如GPU、FPGA、ASIC等。

目前，人工智能领域的主流芯片依然是GPU芯片，其中英伟达和AMD是比较突出的两大厂商。

FPGA经常用做ASIC芯片的小批量替代品，近年来在微软和百度等公司的数据中心有部署，以提供强大的计算力和足够的灵活性。目前市场上应用比较多的是Xilinx和Intel两大厂商。

ASIC芯片是针对专⻔应用而特别设计的，所以可以满足体积小，功耗低，保密性强，计算效率高等用戶需求，并且出货量越大其成本越低。目前，国内主要的ASIC芯片供应商包括寒武纪、地平线、华为等，国外有Graphcore等。

而芯片从不同的维度，可以划分为不同的类型。从承担任务的角度可以将芯片划分为训练芯片和推理芯片；从部署的位置可以划分为云、边、端等。

训练芯片主要是处理海量数据，从而训练出复杂的深度神经网络。这个过程运算量非常大，需要庞大的计算规模，对于处理器的计算能力、精度、可扩展性等性能要求很高，目前主要依靠GPU集群。

而推理则是训练的下一个阶段。直接利用已经训练越好的模型，使用新的数据去推理出各种结论，例如通过人脸识别去判断一个人的年龄。虽然相比训练芯片，推理芯片的计算量少了，但更注重综合指标，包括单位能耗算力、时延、成本等都要考虑。

根据IDC预计，到2022年，人工智能推理市场占比将达到52.1%，首次超过训练市场。这意味着，未来已不再是单纯的算力比拼，将会更加注重多种指标的综合。不光要算的快，还要算的巧、算的妙。

未来，GPU依然是数据中心加速的首选，但随着边缘、端侧需求的快速增⻓，人工智能芯片市场将迎来多元化发展。

2023年中国AI服务器市场达83亿美元，16卡GPU服务器增速超10倍

不断膨胀的人工智能市场，带动人工智能服务器的发展驶入了快⻋道。IDC预计到2023年，中国人工智能基础架构市场将超过80亿美金，未来五年年复合增⻓率达到33.8%，增速是中国整体基础架构市场的三倍以上。

服务器厂商相继推出搭载GPU、FPGA等多种加速类型专⻔AI服务器，适用于深度学习、计算机视觉、语音识别、NLP、视频分析等多个领域，广泛应用于视频监控、图像处理、自动化客服、精准营销推荐等典型AI应用场景。

另外，一些厂商也推出了专用的GPU一体机，如英伟达的DGX系列服务器和浪潮的AGX系列服务器。

全球人工智能基础设施市场规模在2023年将达到229亿美元，未来五年复合增⻓率为27.9%。

中国人工智能基础架构市场在2023年将达到83亿美元，未来五年复合增⻓率为33.8%，其中服务器市场规模占整个硬件市场85%以上。

16卡GPU服务器增⻓迅速，销售额从2017年的2090万美元增⻓到2018年的2.63亿美元，同比增速高达1161.7%！而在GPU服务器整体份额中，浪潮占比最高，份额接近8成。

另外，GPU中的M4、P4、T4型号份额占比从8.5%提升到27.6%；FPGA销售额同比增⻓1736.1%。这一趋势表明，中国人工智能已逐渐步入大规模应用阶段，产业AI化进程正不断加速。

2018年中国GPU服务器市场份额排名前三的供应商依次为浪潮、华为和曙光，其中浪潮占比超过50%。

浪潮凭借较早的进入人工智能领域，通过JDM模式与领先互联网公司进行深入合作，在中国互联网行业，浪潮GPU服务器市场份额超过60%，并不断向传统行业渗透。

这意味着未来人工智能将会是传统企业数字化转型的关键，IDC预测到2023年，全球35%的员工将开始使用机器人或其他形式的人工智能。

AI算力投资排行：互联网行业居首，不同行业差异明显

2019年上半年，按照⼈⼯智能算⼒投资排名的TOP5⾏业与去年排名保持⼀致，依次为互联⽹、政府、⾦融、制造和服务。

其中，服务⾏业中以科⼤讯⻜、商汤、旷视、依图、寒武纪第四范式等为代表的⼈⼯智能科技企业，加快对⼈⼯智能基础设施的投资，逐渐形成独特的核⼼竞争优势。

⼈⼯智能正在成为⼀股颠覆性⼒量。⼈⼯智能⽤例的范围已经很⼴泛，并且每年都保持⾼速增⻓。

⼤数据、⾼性能计算和复杂的机器学习能⼒的融合，使得⼈⼯智能成为现实。

⼈⼯智能在各⾏业的应⽤也更加丰富和成熟，其中在互联⽹、政府、⾦融、电信、制造等⾏业已经形成了⽐较典型的应⽤场景。

但在不同的产业间、不同规模的企业间，在⼈⼯智能应⽤的进程上差异明显。随着⼈⼯智能技术价值的不断凸显，⼈们对⼈⼯智能系统的热情已经超出了炒作的范围！⼈⼯智能技术也真正开始应⽤，并成为传统企业数字化转型的关键⼀步，在整个商业界、IT界和普通⼤众中，产⽣前所未有的影响。

而战力的保障是粮草。三军未动粮草先行，粮草决定了军队能否好无后顾之忧的打持久战。

2025年中国将拥有全球最大的数据圈

根据IDC和浪潮联合发布《2019-2020中国人工智能计算力发展评估报告》指出，全球新创建的数据量将从2018年的33ZB增⻓到2025年的175ZB。

175ZB的数据量是个什么概念呢？如果换算成4K版哪吒之魔童降世，大概相当于70000亿部。

另据《IDC：2025年中国将拥有全球最大的数据圈》白皮书显示，在所有国家中，中国数据圈的增量最显著！

2018年，中国数据圈7.6ZB，占全球数据圈23.4%。而IDC预计到2025年时，这个数字将变成48.6ZB，占全球数据圈的27.8%。届时，中国将成为全球最大的数据圈！

其中，数据增长主要动力来自娱乐平台、视频监控录像、联网设备、生产力工具和元数据，这些数据对于信息的分析和上下文化至关重要。

在数字经济时代，数据在各行各业扮演的角色越来越重要，公司也越来越倚重数据，并且这种依赖只会在未来不断增加。

据IDC统计，世界领先的互联网公司大数据量已达到上千PB，传统行业⻰头型企业数据量也能达到PB级，个人也能够产生数千TB数据。

这些数据资源类型丰富、场景各异，为人工智能系统自主学习并建立预测模型提供了丰沃的土壤。

除了使用实际数据，未来人工智能系统还将越来越多的使用大量模拟数据用于模型训练，这也将使得人工智能模型的开发速度大幅升。

可以说在未来，谁的粮草足、数据多，谁就占据了先机。同时，数据量的暴增也在催着算力不断升级。

标准为王的时代，AI领军企业纷纷参与行业基准制定

越来越多的⼈⼯智能领军企业参与到⾏业性能评测基准建设中，但总的来说业界⽬前缺少统⼀的基准，⼤多数现有的深度学习性能基准相对单⼀。随着AI框架不断优化，模型不断迭代以及算法不断更新，各类基准也将持续的完善升级与之适应。

⽬前业界主流的AI Benchmark有DAWNBench、MLPerf等。 DAWNBench由斯坦福提出，是⼀种⽤于端到端深度学习训练和推理的基准套件，它提供了⼀组常⻅的深度学习⼯作负载，⽤于在不同的优化策略、模型架构、软件框架、云和硬件上量化训练时间、训练成本、推理延迟和推理成本。

MLPerf由⾕歌、Intel、NVIDIA、AMD、浪潮、阿⾥、百度、哈佛、斯坦福等产学界机构组成，MLPerf是衡量机器学习软件框架（如 TensorFlow、PyTorch和MXnet）、机器学习硬件平台（包括Google TPU、Intel CPU和Nvidia GPU）和机器学习云平台中训练和推理性能的⼀个⼴泛的基准套件。

除此之外，中国⼈⼯智能⾏业领军企业也开始积极推进⾏业基准建设，如SPEC于2019年设⽴SPEC Machine Learning技术委员会，由发起者浪潮担任⾸任主席，Intel担任秘书⻓，成员包括浪潮、Intel、Alibaba、AMD、ARM、HPE、IBM等12家企业，涵盖了从芯⽚、整机、框架、应⽤等不同产业环节的领先企业和科研机构，以推进机器学习测试标准；另外，阿⾥巴巴发布的AI Matrix基准，⽤于阿⾥内部的芯⽚设计和技术选型，同时也⾯向开发者开放⼀部分能⼒。