我们常常被问到这样一个问题——今天有如此之多的技术创新，为什么偏偏AI如此引人关注？让国家机构高度关注、科技巨头纷纷入局，甚至还可以进入教育系统，成为大学专业？
如今看来，最显著的原因就是AI可以重新定义劳动的效率，进而对整个国家的经济发展产生直接作用。假如原本企业需要100%的人力成本才能创造出60%的产值，但有了AI的加持，100%的人力成本甚至可以创造120%的产值。对于未来全球进一步的劳动力总数下滑问题，AI替代人力也是一项极佳的解决方案。
因此AI也成为了以国家为单位的竞技场。而中国因为人口基数庞大、移动互联网下沉完善，研发AI技术的最大特点就是拥有强大的数据底牌。想让巨大的数据量有效运转起来，其实最依赖的是计算力。
也就是说，虽然中国大数据基础最好，但是过去一两年中，中国对于算力建设和创新的投入，或许才是最大的。
在最近的2018人工智能计算大会（AICC 2018）上，浪潮联合IDC研究发布了《2018中国AI计算力发展报告》摘要版（后简称《报告》）。据《报告》数据显示，在2017年中国的整体算力提高了230.7%。
而算力的提升，正在多个产业圈层引发新的蝴蝶效应，无形之中推动AI产业的巨大变革。
第一只扇动翅膀的蝴蝶，就是算力生态本身。
前文提到，在巨大的数据量之下，中国市场对于AI计算力有着大量需求。尤其是对BAT这样拥有足够数据和AI人才储备的科技企业来说，他们对AI计算硬件的需求量大且迫切。而在AI基础架构端，又有算力企业能够提供满足其算力需求的AI计算产品。两者结合，就促生了中国算力生态的自我循环发展。
以此次推出《报告》的浪潮为例，浪潮凭借着对BAT等领先互联网企业的AI服务器供应，以57%的市份额占据了国内AI服务器市场的半壁江山。同时浪潮推出了JDM（Joint Design Manufacture）模式，与领军企业联合开发包含AI服务器在内的AI一体化解决方案去赋能AI落地行业市场，进一步激发传统行业AI转型的服务器需求。这样，通过需求方与供应方的高效连接，就形成了AI计算市场的自循环。通过自循环，为AI算力提供商发展带来了创新的成本和动力。更直白的说法就是，AI算力提供商卖得好、有钱赚，就能更好地投入研发，为市场提供更具竞争力的计算硬件产品。
浪潮最新发布的超级AI服务器AGX-5，便是浪潮在计算量剧增的挑战之下，追求更高研发效力的研发新成果。作为目前全球最强大的AI计算主机之一，AGX-5计算性能高达每秒2千万亿次。此前浪潮还发布过面向AI云场景的弹性GPU服务器NF5468M5，适用于智能视频场景的AI服务器NF5280M5-V等等，适用于不同应用场景的硬件产品，为AI技术的行业化、场景化落地铺平了道路。
第二只蝴蝶，是计算生态带来的区域经济崛起。
在《报告》中，中国AI计算力城市发展排名的第一梯队是杭州、北京、深圳、上海、合肥，而第二梯队则是成都、重庆、武汉、广州、贵阳等城市。
这个排名多少让人有些意外，和传统经济话语体系下的东南沿海为先，或是互联网经济体系下的北上广深，都有着不小的差异。
这是因为，计算生态和以往第一、第二产业，以及互联网经济的发展模式都不尽相同。第一、第二产业要求有广袤的土地和适宜贸易的地缘优势。所以合肥、成都、武汉这种位于西部和中部城市并不占优势。而互联网经济又大多依赖年轻、教育程度较高密集的人口，因此大多也都集中在传统一线城市中。
在AI计算经济中，算力提供者通常扮演后备军的角色，并不需要占据地缘上的优势。反而依赖一些其他资源，比如更低廉的租金、更廉价的电力与宽带费用来负担日常运维。这时西南、中部这些城市的优势就显露出来了。当地政府对于大数据、AI产业大力支持，正在为当地打造更适宜的创业环境，留住人才。
计算力生态为区域带来的，不仅仅是更多财政收入和就业。榜单中排名靠前的城市，往往也能近水楼台先得月，在智慧城市方面得到进一步的升级。
计算之力正在突破物理结界，让这些以往弱势的地方区域找到全新的发展可能。
第三只蝴蝶：算力与算法相互推动，带来新的AI产业想象力
AI计算力和AI算法之间到底谁促进了谁的发展，这似乎是一个“先有鸡还是先有蛋”的问题。但可以肯定的是，中国AI计算能力的不断提升，正在给予AI算法研发更加丰厚的土壤。
浪潮AI&HPC总经理刘军在接受采访时也表示，今天AI计算和AI算法的目标空前一致，从计算行业的角度来看，既然最终目标是获得更高精度的AI模型，那么就为算法科学家提供更多的计算资源，让他们做出更大的模型、更精准的识别方式，在一个没有天花板的舞台上尽情施展。
就算法创新而言，AI计算力的发展同时也关系着算法研究的效率。不管是HPC计算的应用，还是更加大的服务器集群，都可以加速神经网络模型训练的速度，降低算法研发上的时间成本。
这也就意味着，算力的攀升与迭代，可以为算法创新带来更好的环境。尤其在新算法研究，与算法大规模部署落地时，算力环境就变得尤为重要。如果运用一般的云计算服务，研究者和应用工程师将面临冗长的调试周期、兼容性问题，并将不得不以“从头造轮子”的心态发明很多算力调集工具。
举例来讲，在应用颇为广泛的AI云方面，就给云端基础架构设计提出了很多要求，GPU资源的支持和高效分配、线上推理的高并发低延迟和高能效比、大规模数据存储与通信能力等等，都给AI的开发和应用带来了掣肘。
而假如引用了新的算力环境，很多事情将得到改观。如浪潮GPU服务器NF5468M5，就专门为AI云优化提供了弹性配置能力，帮助应用者更高效地调配资源。加上AIStation深度学习集群管理软件、Teye应用调优工具、Caffe-MPI并行深度学习计算框架等平台，还可以让算法研发者获取高效的测试优化能力，快速调优AI应用。这样很多AI门槛就在无形中得到了消弭，突破性研究也有了“后勤保障”。
这样一来，AI计算不断为算法提供更舒适的发展空间，算法得以应用，创造了经济价值，带来的生态效益又促进着AI计算的继续创新。计算力的增强与算法创新互相作用，带动着AI落地能力的不断增长，让AI从实验室走到城市的每一个角落，去散发它的光和热。
在AI的大命题之下，每一个细节都值得深入挖掘。而中国在计算力这一“专项技能”上的优势，正在源源不断地发挥着作用。在中国经济结构不断升级的道路上，计算带来的蝴蝶效应正在形成强大的推助力，或许我们正在从以往的“制造经济体”、“人力经济体”进化为“计算力经济体”，通过自身的算力优势，让中国的AI走遍中国，又进一步向更广阔的天地行进。
