北京竟然輸給了杭州，未來計算力佈局將如何安排呢？
編者按：計算力是深度學習的三大支柱之一，人工智慧的發展也離不開算力。最新公佈的AI計算力地圖，讓我們對於全國算力分佈有一個全新的認識：杭州竟然超越北上廣深，位列第一。北京擁有那麼多網際網路公司，為什麼會落後呢？接下來，我們一起來看看，為什麼會出現這樣的狀況。
中國最新計算力地圖出爐
人工智慧的發展，從理論到實踐都離不開算力、演算法和資料這三個核心要素，而計算力是其中最核心的要素，帶動了人工智慧整體的發展和成熟，算力是承載和推動人工智慧走向實際應用的基礎平臺和決定性力量。
最近，IDC和浪潮聯合釋出《2018-2019年中國人工智慧計算力發展評估報告》，公佈了中國TOP10計算力領先的城市名單。
名單有趣的地方在於，網際網路公司最聚集的城市——北京僅排第二，計算力不如杭州；合肥這座二線城市也脫穎而出，成為中國最領先的人工智慧計算力城市之一。
以下是報告亮點：
計算力TOP10城市分兩檔：杭州、北京、深圳、上海和合肥成為中國最領先的人工智慧算力城市，其次是成都、重慶、武漢、廣州和貴陽。
計算力排名第一的是杭州，主要得益於政府的政策支援以及阿里、海康威視、大華等領軍企業的貢獻；
2018年，中國人工智慧市場投資規模約25億美元，其中70%以上為以計算力為核心的基礎架構硬體市場投資。
2022年全球AI市場中用於計算力的投資將超過176億美金，市場未來五年的複合增長率將超過30%。
下面看報告的詳細內容。
杭州生態體系最完整，北京AI企業科研院所最集中
這份人工智慧計算力發展評估報告，主要從行業和地域兩個維度對人工智慧算力的發展水平和未來發展潛力進行評估。
地域屬性上看。當前，那些IT投資規模大、IT發展水平高、擁有較多人工智慧領軍企業的省市在計算力投資方面也走在了前面；未來，那些有清晰的人工智慧發展戰略、擁有更多人才儲備和人工智慧產業規劃投資的省市將有更大的發展潛力。
從下表是國內省份的人工智慧熱圖，顏色越深代表計算力投資越熱。
然後是TOP10的計算力領先的城市名單，分成兩檔：
第一檔：杭州、北京、深圳、上海和合肥，這五座城市成為中國最領先的人工智慧計算力城市。
第二檔：成都、重慶、武漢、廣州和貴陽。
很意外，網際網路公司扎堆的北京居然不是計算力排名第一的城市。
報告中稱，北京在人工智慧領域的計算力投資主要集中在網際網路、人工智慧初創企業和科研院所，百度、位元組跳動、京東等網際網路企業，商湯、曠視、寒武紀、深鑑科技等初創公司，中科院等國家級科研院所是人工智慧算力投資的主要代表。
雖然北京在人工智慧的資料處理、演算法和晶片等技術領域處於領先地位，但在產業鏈和生態建設方面還需進一步加強；另外，在算力建設方面受能源和產業規劃的影響，部分算力投資分散到了京津冀的周邊區域和其他地區，在一定程度上影響了本次評估的結果。
相比之下，杭州在人工智慧的政策和策略、投資規模和人才儲備、領軍企業和初創企業數量等幾個方面都有自己的特點和優勢，在人工智慧的技術發展水平、實際應用、生態建設和算力投資等方面具有明顯的整體優勢。
位於杭州的阿里、海康威視、大華等領軍企業加大在人工智慧領域的投資和研發，在人工智慧晶片、演算法研發和資料積累方面都取得了成果，在城市大腦、智慧交通、雪亮工程等領域都得到了廣泛的應用，形成了智慧城市、智慧安防、智慧汽車、智慧機器人、智慧家居和智慧硬體的產業鏈；
同時，杭州以阿里、海康等領軍企業為核心，以人工智慧小鎮和產業基地為依託，帶動了初創企業的發展和對高階人才的吸引，形成了良好的聚集效應和完整的人工智慧生態體系。
排第三的深圳主要得益於擁有更多的行業和更多型別的企業，包括網際網路行業的騰訊、迅雷，通訊行業的華為、中興，智慧製造的大疆、優必選，金融行業的招商銀行、平安科技，政府行業的智慧城市、雪亮工程，醫療行業的華大基因等。
AI算力投資大戶，離不開BAT等網際網路巨頭
行業維度上看。
人工智慧應用度最高的八個行業中，網際網路、政府和金融行業排前三，同時也是人工智慧計算力投資最高的三個行業。
在BAT等超大型網際網路企業的示範作用 下，幾乎所有網際網路企業都開始或多或少的投資於人工智慧以推動電商、娛樂社交、雲服務等自身業務的發展。未來幾年內，網際網路仍然是中國人工智慧市場應用最廣泛、投資總量最大的行業，將在人工智慧的發展中起到重要的引領作用。
由於人工智慧解決方案高度依賴於典型應用和典型應用場景，只有與行業應用和應 用場景高度融合，才能取得好的成果。IDC對人工智慧的典型應用和典型應用場景進行了梳理，如下圖所示。
縱軸是市場規模和未來發展潛力的大小，橫軸是IDC預測的解決方案成熟和得到廣泛應用的時間線。
未來算力需求推理遠超訓練，中國將誕生千億級產業生態
計算力是承載人工智慧應用的平臺和基礎，算力的發展推動了整個人工智慧系統的發展和快速演進，是人工智慧的最核心要素。
在投資方面， IDC預測，2022年全球人工智慧市場中用於計算力的投資將超過176億美金，該市場未來五年的複合增長率將超過30%。
人工智慧的特點決定了對算力提出了不同於以往的新要求，傳統的面向通用計算負載的CPU架構無法完全滿足海量資料的平行計算需求，以異構計算、加速計算、可程式設計計算等為代表的新的計算技術和架構更適合人工智慧的平行計算需求，得到了快速的發展，未來將迎來廣闊的發展空間。
人工智慧的工作負載主要分為訓練和推理，IDC認為，人工智慧的計算力分佈將呈現“二八法則”，在早期階段80%的算力集中在訓練場景，在未來的大規模應用階段80%的算力將集中在推理場景，未來對推理的需求將遠遠超過對訓練的需求。
人工智慧發展的早期階段是對人工智慧價值的自我發現的過程，核心是尋找人工智慧的典型應用場景並通過訓練使得人工智慧系統獲得達到甚至超過人類的能力，在這一階段更多的計算負載集中在離線的資料中心中的訓練場景；
經過三到五年的發展，人工智慧將進入大規模應用階段，應用階段是將經過訓練的應用場景與客戶的實際應用相結合，將人工智慧的能力賦能產品或行業解決方案，使得人工智慧成為普惠的應用技術，在這一階段計算負載將更多以推理的方式存在，呈現 “雲+端” 部署、分散化、終端化、場景化的特點，對算力的需求也將迅速增長，更加多元化。
對於中國而言，根據IDC對中國人工智慧市場的研究資料，2018年，中國人工智慧市場投資規模約25億美元，其中70%以上為以算力為核心的基礎架構硬體市場投資；IDC預測，到2022年，中國的人工智慧市場投資規模將超過百億美元，未來五年的複合增長率超過59%，將形成一個新的千億人民幣規模的產業生態，其中人工智慧基礎架構硬體市場規模將超過千億人民幣。
AI摩爾定律提出挑戰：計算力是一切
去年，OpenAI一份“AI與計算”的分析報告，道破計算力對AI發展的影響：
自2012年以來，在最大的AI訓練執行中所使用的計算力呈指數增長，每3.5個月增長一倍（相比之下，摩爾定律的翻倍時間是18個月）。
自2012年以來，這個指標已經增長了30萬倍以上（如果增長一倍的時間需要18個月，僅能增長12倍）。
計算能力的提升一直是AI進步的一個關鍵要素，所以如果這種趨勢繼續下去，我們就得為遠遠超出當今能力的AI系統做好準備。現實的情況是，這種趨勢正在突飛猛進中，也對晶片設計提出挑戰。
清華大學電子工程系教授汪玉在“2019新智元AI技術峰會——智慧雲·芯世界”峰會上指出，高能效計算晶片有三種突破路徑：
通用處理器：尺寸微縮異構多核；
定製加速器：軟硬體協同優化設計；
新器件+新模型：存算一體、量子計算、光計算等
其中，異構計算和雲的結合也是解決計算力的問題方向之一。
異構計算中常以FPGA為核心，能夠根據系統資源和演算法特徵靈活的調整並行度，達到最優的適配，也是硬體適配軟體的模式，能效比高於CPU和GPU。
目前，阿里雲已經推出了FPGA as a Service(FaaS)的服務，浪潮開發高效能異構計算伺服器，英特爾中國研究院院長宋繼強也在本屆峰會中介紹了“超異構”的努力和探索，並認為，涵蓋晶片級、封裝級和系統級的超異構設計理念是釋放“AI+”潛力的強大推力。
另一方面，雲的發展也對計算力帶來新機會，尤其是近兩年邊緣計算火起來之後，無論是計算力方面還是應用方面，都對雲提出了新要求。
阿里雲資料智慧總經理曾震宇認為，雲作為一箇中樞其實有非常大的必要把各個端上的各種計算出來之後產生的資料彙集到雲端。
為什麼要彙集到雲端？因為每一個邊緣點上面看到的可能只是一個片面，或者只是毛細血管的一小部分而已，彙集在一起以後才能有相應的全貌。
“針對我們這些相對比較大的場景（如工業、城市），一定要把資料匯聚以後全域性計算。比如我們做的關係網路計算是不可能發生在端上的，端上只能識別出來人臉是誰的、這輛車是什麼車牌號，但端上本身沒有這種複雜計算。”
資料彙集到雲端以後關於人、關於交通工具、關於各種各樣的裝置，5G出來以後人均帶有的裝置IP可能就遠超過一個，在這種情況下大量的計算一定是發生在雲端，就可以在雲端做各種各樣複雜的迭代計算、深度網路計算和關係網路計算，產生出來的結果也是非常驚人的。
這一切都離不開計算力。
AI如何持續滲透平安城市？安防企業為何紛紛“進軍”商業？智慧交通除了“大腦”還該關注什麼？如何抓準家庭社群安全零散的市場？
2019年5月23/24日，億歐將舉辦GIIS2019中國智慧城市峰會，本次峰會將延續前兩次會的主題，邀請知名專家學者、行業龍頭企業、標杆初創企業、知名投資人等，聚焦技術在智慧城市領域（平安城市、智慧商業、智慧交通、家庭社群安全）的應用現狀及未來發展。
活動連結：
https://www.iyiou.com/post/ad/id/795
本文已標註來源和出處，版權歸原作者所有，如有侵權，請聯絡我們。