計算力指數排名及觀察

從報告覆蓋的15個國家來看，美國和中國的計算力指數毫無疑問地處於領跑者位置，這也與兩國的經濟體量相當。此外，中國的計算力發展水平漲幅13。5%，大幅領先於其他國家，這也與實際觀察結果相符。2021年以來，全國許多地方都在投入地方計算中心的建設，如武漢、西安等地方；一些研究機構和大中型企業也獨立構建或者進一步加大自建計算中心的投入，如深圳鵬城實驗室、北京智源人工智慧研究院等。

雖然中國的算力總規模不算小，但實際上中國整體的算力比較分散，單個算力中心的規模不算大，特別可能任務和使用者也分散，所以真正需要規模化的算力叢集時，即使是各大雲廠商也不見得能拿出足夠的算力資源。就像近期有個潛在需求，計劃使用50臺8卡A100伺服器跑AI模型，但多處詢問之後幾乎都提供不出來，通常能夠提供幾臺、十幾臺到二三十臺不等，一次效能提供50臺及以上的確實少之又少。

行業及應用計算力水平及觀察

從全球的行業計算力水平看，排名TOP5的行業包括網際網路、金融、製造、電信、政府。網際網路行業對算力的需求，大家都是有目共睹，網際網路行業的計算力指數排在首位也是毫無懸念，國際巨頭亞馬遜、META、微軟等，國內巨頭阿里、騰訊、位元組等，都是算力投入的大戶。製造行業計算力排在第三位著實有些意外，感覺在國內的話可能排不到第三，2018年因為工業網際網路調研過一批中型工業企業，從這些企業的反饋來看，計算在實際工作中並沒有突出的表現，甚至許多還比較初級。

從具體應用場景的算力需求，人工智慧領域的AI大模型和AI生物計算是2021年以來的兩大熱點方向。智源釋出悟道1。0和悟道2。0大模型，華為釋出了盤古大模型，阿里釋出了M6大模型，百度釋出了文心模型等，AI大模型的訓練極其消耗算力，通常需要幾百片到上千片GPU計算5-10周甚至更長，但目前AI大模型的應用方面還有待提升，需要更多的結合具體應用需求才能落地。去年AlphaFold 2的釋出，人類98。5%蛋白質全都被預測出來，點燃了國內外學界和業界把AI應用到生命科學領域的熱情，國內高校和企業都加大了相關投入，對AI和算力的需求都比較旺盛，去年年中以來也接觸到好幾個關於生物計算方面的算力需求。

計算力經濟影響及觀察

報告中提到，一個國家的計算力指數平均每提高1點，對應的數字經濟和GDP將分別增長3。5‰和1。8‰。根據觀察計算力對經濟的拉動作用表現在三個方面，一是算力提升首先需要進行資料中心等基礎設施的投資，這部分一定程度上類似於以前的房地產或基建投資對經濟貢獻；二是算力提升必然帶動各類計算機的採購，這又帶動晶片、網路等各類電子硬體產業的發展，三是各行業的算力水平提升之後，如網際網路、金融、醫療等行業的計算力水平提升，也會相應帶來新的經濟價值。

在此，最後也討論一下近期的熱點話題“東數西算”，這是近期國家啟動的又一項重大工程。資料中心嚴重依賴於能源供給，西部地區能源充足，以及散熱等各方面條件，確實比較適合建設資料中心，但數字經濟發展在東部地區更為集中，算力需求也主要集中在東部地區，正是在此背景下，國家推出了“東數西算”工程。但“東數西算”最大的挑戰在於資料傳輸，運營商在大力推進算力網路的研究，另外關於大規模資料傳輸的技術方案也將大有用武之地。雖然國家在推動“東數西算”工程，但是西部地區政府在具體資料中心建設專案上，還是要慎之又慎，不要盲目蜂擁而建，最好能提前把主要的需求等明確後再動。