近日,国际数据公司(IDC)发布2020H1《全球人工智能市场半年度追踪报告》(《Worldwide Semiannual Artificial Intelligence Tracker》),报告显示,2020上半年全球人工智能服务器市场规模达到55.9亿美元,占人工智能基础设施市场的84.2%以上,成为AI基础设施的需求主体。目前,浪潮、戴尔、HPE分列全球AI服务器市场份额前三,其中浪潮以16.4%的市场占有率成为全球AI服务器的龙头玩家。IDC预计,未来人工智能服务器市场将持续保持高速增长,在2024年全球市场规模将达到251亿美元。
AI应用加速,公共AI算力成为74.5%企业刚需
过去一年,人工智能在行业的应用获得了快速发展,通用型应用场景已经具有相当的成熟度,在业务需求的推动下,具有高行业属性的碎片化应用也开始被广泛使用,并辐射到了媒体娱乐、现代农业、智能家居、智慧电力等多个不同领域。与2019年相比,疫情推动下的智慧医疗以及疫情常态下园区、办公楼宇、社区的生物识别类应用比预计发展得更快,尤其是制造和能源企业对于人工智能的采用。企业对具有公共基础设施属性的人工智能算力基础设施提出强烈需求,以降低创新成本,提升算力资源的可获得性。
通过IDC调研发现,超过九成的企业正在使用或计划在三年内使用人工智能,其中74.5%的企业期望在未来可以采用具备公用设施意义的人工智能专用基础设施平台。企业对于人工智能算力基础设施平台的TOP5需求分别是:用于人工智能训练的数据支撑、人工智能加速计算能力、配套的政策吸引、规模效应下的价格和成本因素,以及丰富的应用场景配置。
AI模型跑步进入万亿级时代,算力需求2月翻一番
人工智能是全球IT产业发展最快的新兴技术应用之一,人工智能应用对算力最大的挑战依然来自于核心数据中心的模型训练。近年来,算法模型的复杂度呈现指数级增长趋势,正在不断逼近算力的上限,由此带来的AI计算在整体计算市场占比正逐年提高。在人工智能发展的三要素中,无论是数据还是算法,都离不开算力的支撑。当下,先进模型的参数量和复杂程度正呈现指数级的增长趋势。OpenAI提出GPT-3模型,参数量超过1750亿,对算力的消耗达到3640 PetaFLOPS/s-day。而距离GPT-3问世不到一年,更大更复杂的语言模型,即超过一万亿参数的语言模型Switch Transformer即已问世。目前,人工智能所需算力每两个月即翻一倍,承载AI的新型算力基础设施的供给水平,将直接影响AI创新迭代及产业AI应用落地。
中国AI算力高速增长,占比全球AI算力三成
据IDC与浪潮联合发布的《2020-2021中国人工智能计算力发展评估报告》,中国人工智能服务器已经成为全球人工智能产业发展的中坚力量,未来将占全球人工智能服务器市场的三分之一左右,是全球人工智能产业发展的中坚力量。人工智能服务器的投资能够为人工智能应用的落地提供核心的算力保障,对于未来国家计算力指数的提高具有极大的推动作用。
浪潮作为全球领先的AI算力基础设施供应商,目前已经连续三年保持中国市场份额50%以上。面向高速增长的AI算力需求,浪潮打造了性能最强、布局最全的AI计算产品阵列,涵盖训练、推理、边缘等全栈AI场景。浪潮AI计算平台全面支持GPU、FPGA、ASIC等各类AI计算芯片,并率先推出符合OAM标准的AI计算开放加速系统MX1, 通过多元开放的AI服务器架构为人工智能发展提供更高的性能和可扩展性的AI算力支撑,以敏捷高效的人工智能基础设施驱动智慧时代的变革发展。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。