熱點快評|任正非談第四次工業革命，數字經濟将迎大算力時代

9月19日，ICPC（國際大學生程式設計競賽）基金會主席及教練和世界計算機競賽的金牌獲得者來到華為考察。在此期間，任正非與ICPC競賽團隊展開現場對話時稱：“我們即将進入第四次工業革命，基礎就是大算力”。主要關注點如下。

第一，大算力将成為第四次工業革命的重要基礎。相較于18世紀第一次工業革命的機械化時代，19世紀第二次工業革命的電氣化時代，20世紀第三次工業革命的自動化時代，第四次工業革命很有可能是基于AI（人工智能）發展的大算力時代。随着AI的推廣，算力逐漸成為一種新的生産力，正在高速的推動各行各業乃至經濟社會的變革與發展。尤其在ChatGPT出現後，促使更多科技公司邁入AIGC（生成式人工智能）和大模型賽道，全球算力需求正在呈現指數級的增加。根據《2023智能算力發展白皮書》，截至2022年底，全球算力總規模已達到650EFLOPS（1EFLOPS=每秒1018次浮點運算），其中，通用算力規模為498EFLOPS，智能算力規模為142EFLOPS，超算算力規模為10EFLOPS，其中智能算力規模同比增幅達25.7％。據估計，全球算力産業規模達8000億美元。大算力的快速發展離不開更高性能晶片的支援，AI晶片搭載率有望得到持續增長。由于算力場景的變化，導緻傳統計算方式已經無法滿足新時代要求，有效推動了多種晶片異構平台的加速組建。全球科技巨頭紛紛由原來專注于CPU或GPU設計生産，轉向“CPU+GPU+DPU”協同發展的戰略，業務範圍涵蓋資料中心、遊戲、專業可視化以及汽車等多個領域，不斷開辟市場邊界。随着大算力産業發展的路線越來越清晰，預計晶片行業的競争也将變得更加激烈，誰能夠掌握更多的算力資源，提供更好的算力服務，就能夠把握住第四次工業革命的曆史性機遇。

第二，大算力将是大陸經濟高品質發展的重要引擎。根據IDC、浪潮資訊、清華大學全球産業研究院聯合釋出《2022-2023全球計算力指數評估報告》，全球主要國家的數字經濟占GDP的比重正在持續提升，預計樣本國家整體比重将從2022年的50.2%增長到2026年的54.0%。而計算力指數平均每提高1點，國家的數字經濟和GDP将分别增長3.6‰和1.7‰。近年來，在數字經濟和“東數西算”等政策影響下，大陸 AI 算力市場也在持續高速發展。截至目前，大陸在用資料中心機架總規模超過760萬标準機架，算力總規模達到197EFLOPS，位居全球第二。為支援數字經濟發展，大陸圍繞加快算力基礎設施建設出台了一系列重要政策舉措，實施一大批重大工程項目，為經濟高品質發展注入強大動力。目前大陸算力産業已初具規模，伺服器、計算機、智能手機等計算類産品産量全球第一，高算力晶片加速疊代更新，一批行業骨幹企業茁壯成長，算力應用廣泛深入各大領域，催生新技術、新模式、新業态，助力各行各業加快數字化、智能化轉型。中國信通院資料顯示，2022年大陸算力核心産業規模已達到1.8萬億元。畢馬威釋出的《普慧算力開啟新計算時代》報告預計，到2025年大陸算力核心産業規模将不低于4.4萬億元，算力關聯産業規模可達24萬億元。算力有望成為國家數字經濟藍圖中繼電子資訊制造業和軟體業之後的又一超級引擎。一方面，大算力促進國内信創産業發展。比如華為通過“AI+衛星通信+國産晶片”的重大突破定義了國内智能手機發展新範式，其鴻蒙、算力等重要産業及生态有望實作持續突破，為市場帶來新亮點。聯想集團已建構起新IT全棧全周期的服務能力，聚焦邊雲網（智能基礎設施）帶來的算力流轉，提出了融合化、場景化、訂閱化、綠色化的四維算力，助力實作算力普及與智慧賦能。中國移動、中國電信等公司為支撐多樣化、個性化、極緻化計算需求，也在規劃建構智算中心，為國産算力産業鍊的發展創造更多新機會。另一方面，大算力促進高性能計算和超級計算機的發展，利用量子計算等技術進一步提升算力。在國内，量子科技在《國務院政府工作報告》、十四五規劃和2035年遠景目标等政策檔案中均多次被提及，國内已有20多個省市将量子科技寫進地方“十四五”規劃，正是看中了其對算力産業的支撐作用。量子計算利用量子比特（qubit）代替傳統計算機中的二進制比特（bit）來實作更高效的計算能力，如并行計算能力、量子疊加和量子糾纏、量子算法。随着大陸量子計算技術的不斷發展，将會有更多應用場景可以發揮量子計算機的高效算力。

第三，大算力将推動金融行業加快數字化轉型。算力是未來金融行業的核心生産力，由算力帶來的變革将極大地改變銀行等金融機構的生産及服務模式。一是以分布式架構為基礎的雲計算平台廣泛使用，對金融機構的基礎算力提出了更高要求。金融機構可以适度超前布局大模型等基礎設施架構，以滿足激增的算力需求。同時圍繞資料中心綠色節能、算力高效排程、不同區域供需對接等問題開展調研論證，做好規劃資料中心算力的優化布局。二是大資料、人工智能技術的應用進一步推動了金融機構的算力提升。金融機構可以率先推進諸如大模型等人工智能領域商業化應用，根據自身實際情況模索出一條适配的發展路徑。比如對于大型金融機構，擁有海量金融資料，應用場景豐富，可以引入業界領先的基礎大模型，自建金融行業大模型，并采用微調形成專業領域的任務大模型，快速賦能業務。對于中小金融機構，可綜合考慮應用産出和投入成本的成本效益，按需引入各類大模型的公有雲API或私有化部署服務，直接滿足個别領域的賦能訴求。三是重視算力提升過程中面臨的風險與挑戰。大模型本質是一個海量參數的深度學習算法，受制于目前模型黑盒、計算複雜度高等因素，存在答非所問、科技倫理風險等方面問題。金融機構可以加強配套風險管理機制的建設，并推動配合政府和監管部門研究推出相關行業标準和規範，防範由于資料安全、資料隐私等問題産生的消費者權益及聲譽風險。網際網路銀行已率先開展了算力應用實踐，相較于傳統金融機構，AI賦能更全面，效果也更明顯。比如網商銀行依靠AI算力模型實作1600名員工服務5000萬客戶，全行沒有一個網點，但效益和品質均保持良好。該行推出的大山雀衛星遙感風控系統、大雁系統和百靈互動式風控系統，更好的支援了金融服務鄉村經濟發展。微衆銀行也是通過AI算力模型賦能，使2000多名員工累計為全國3.4億個人客戶提供了包括線上銀行賬戶、存款理财、小額信貸和支付等在内的綜合金融服務。可以預見，在大算力時代，AI模型的應用效率将會成為銀行等金融機構提升市場競争力的關鍵因素。（點評人：中國銀行深圳市分行大灣區金融研究院 曾聖鈞）