admin【热点话题回应】◎本报记者 崔爽 近日，北京智普华章科技有限公司通过其官方公众号宣布限制销售GLM编码方案。公告指出，随着GLM-4.7型号系列的推出，用户数量迅速增加，导致计算资源经常短缺。这是AI行业算力低下的一个缩影。算法的进步以及 GPT 和 DeepSeek 等大规模模型的激增正在增加对计算能力的需求。数据显示，2028年我国AI芯片市场规模预计将突破1万亿元，约占全球市场的30%。面对巨大的市场需求，高质量人工智能算力的自主可控供给是我国登上人工智能产业应用主导地位、全面赋能千行百业的先决条件。区别在哪里ence的计算能力从何而来？国内AI算力如何渡过难关？记者采访了相关专家。第一个问题：目前各行业算力是否存在差异？ “当前，算力供需矛盾依然突出，全球范围内都是如此，但各国算力差异尤其明显。”翠源科技创始人、总裁兼CEO赵立东1月22日对科技日报记者表示，智能算力是支撑人工智能等计算任务需求的算力。是人工智能产业的“水和电”。目前，国外厂商依然是全球AI算力的标准制定者和行业领先者，在硬件性能、软件生态等方面均不同程度超越国内厂商。行业专家有e透露，到2024年，外国厂商将占据中国AI芯片市场近70%的份额，与日本的自给率形成巨大差距。尤其是在大规模模型训练领域，自主能力不足的问题更加明显，这对我国人工智能产业的发展造成了一定的限制。不过，近两年国家AI计算能力也在不断进步。根据咨询公司摩根士丹利2025年发布的研究报告测算，智能GPU自给率预计将使中国人工智能从2020年的不足10%提升至2024年的34%左右，2027年提升至82%左右。在这一趋势下，算力行业的发展正从传统的单点硬件性能恢复转向更加实用化。制度层面的高效创新。第二个问题：两者之间的矛盾是如何产生的？那么计算资源的需求和供给会发生什么？当前，我国计算资源供给面临多重限制。高端芯片进口受到限制。国产GPU芯片在绝对计算性能、能效和工艺上仍落后于国外旗舰。芯片设计工具、底层算法框架等技术创新能力不足，仍落后于国际先进水平。同时，我国的计算资源是分散的，造成了“碎片化”的问题。各服务提供商的计算资源接口和协议不统一，跨地域、跨目标的算力调度能力较弱，导致计算资源利用率低。此外，产业发展的制度环境、数据权利核查、使用和交易的规定以及企业标准和合规性等。挑战日益突出，仍需改进。与此同时，人工智能正在加速在数千个行业的应用，推动对计算能力的需求增加。目前，各级智能工厂已建设超过1.3万个、3万个，覆盖智能电力应用工程、工业、金融、交通、医疗、教育等主要行业，正在全国各地落地实施。 “随着我国人工智能应用加速，算力需求不断增加，算力供给不足的问题将更加突出。”赵立东表示，随着大模型技术的成熟和开源的普及，算力的应用门槛进一步降低，保证算力的供应很重要。问题三：如何继续突破计算机的围攻克功率？在赵立东看来，解决这一问题的核心在于最大限度地发挥国家算力的潜力。另一方面，要坚定支持国家信息技术能力的实施和提升，充分利用国家现有信息技术资源。另一方面，又要加快国内芯片供应链建设，推动技术引进和产能提升。近年来，国家发展改革委、工业和信息化部等部门积极制定算力发展政策，推动智能算力建设优化设计、提高服务水平，解决智能算力供需问题。最新数据显示，中国企业已推出多款人工智能芯片产品。它已经建成并投入使用lligent算力规模超过1590EFLOPS，位居全球前列。浙江大学光华法学院教授程乐指出，当前计算效率低下的问题普遍存在，部分智能计算中心GPU实际利用率较低，造成资源浪费和供需结构失衡。未来，计算能源利用率、任务完成效率、单位能耗等现实性能指标还需要进一步提升。石石科技联合创始人、副总裁毛云航也表示，需要通过更精细的编程、资源池化、灵活部署，充分利用现有算力。我们需要各方真正团结起来，特别是算力侧、模型侧、应用侧协同创新。 ”赵立东表示，如果模型、应用、算力都具备的话，深度兼容，国家算力逐步支撑从训练到推理的全过程，才能真正在全球人工智能竞争中占据领先地位，为人工智能产业长期稳定发展拥有一块“定心石”。
（编辑：王婉莹）
每日更新