AI技术的应用正在从少数行业扩大到各行各业，从部分场景渗透到全部场景，从局部探索升级成全面落地，从少数公司的专享变为普惠的基础设施，这一过程，就是如火如荼的“AI产业化”进程。
2020年AI产业化破局，2021年进入深水区
AI产业化有不同说法，但不论是AI产业化、AI to B、产业互联网还是智能互联网，在疫情前均已成为行业共识，2018年就已被一些人认为是AI产业化元年，2019年是AI产业化发展年，2020年则是AI产业化的破局年，突如其来的疫情加速了世界智能化的进程。
一方面疫情对全社会都是一次在线化、数字化和智能化的大启蒙，阿里云总裁张建锋甚至说：“原本需要进行 3-5 年的数字化转型，可能在接下来1年就完成了。”数字化的目的是智能化，企业与组织都会加速拥抱AI。
另一方面，国家加速新型基础设施建设，AI属于投资的重点领域，云计算、大数据、5G等相关新基建领域也与AI密切相关，AI将会加速与交通、能源、制造等行业融合，成为社会基础设施，进而撬动经济增长。从已经公布的十四五规划纲要来看，智能新经济将是我国十四五期间经济高质量发展的重要着力点。
11月15日， IDC与浪潮联合发布了《2020-2021中国人工智能计算力发展评估报告》，报告预测称，中国AI市场规模在2020年达到63亿美元，同比增长37%，成为全球增长最快的AI区域市场，预计中国AI市场规模在接下来五年将保持30%以上的高平均增长率，到2024年会翻近三倍到172亿美元。
在WAIC（世界人工智能大会）上，百度CEO李彦宏指出，AI发展一共分为技术智能化、经济智能化与社会智能化三个阶段，经济智能化分为两部分，上半场是AI平台化蓄能，在搜索、信息流等少数领域落地；下半场是AI产业化，AI渗透到各行各业大规模商业化，李彦宏认为“我们正处于从经济智能化的前半段向后半段过渡的时期”，这一观点在行业内引发较大共鸣，人们都坚信，AI产业化时代已全面来临，后疫情时代，AI产业化进入深水区。
AI发展的不同阶段，有着不同的制约因素。早期，算法的突破决定着AI的发展水平，AlphaGo战胜李世石标志着深度学习算法的突破性进展；接着，AI被越来越多科技企业重视，各家都纷纷布局AI，导致AI人才一下变得十分稀缺；接下来，在AI产业化的深水区，最大制约要素则成为算力。
AI产业化进入深水区，算力成了“最后一公里”
《2020-2021中国人工智能计算力发展评估报告》认为，“随着AI算法突飞猛进的发展，越来越多的模型训练需要巨量的算力支撑才能快速有效地实施，算力是未来人工智能应用取得突破的决定性因素。”2020年中国人工智能基础设施市场规模达到39.3亿美元，同比增长26.8%。
马化腾曾指出，AI发展一共有四大要素：场景、大数据、计算能力与人才。每一个要素都会决定AI产业化的进程。为什么在AI产业化进入深水区后，算力成为最大的制约因素？
首先，算力外的要素，如数据、场景、人才、算法都得到了一定程度的解决。互联网巨头拥有海量大数据且正积极通过云开放出来；AI产业化阶段AI渗透到千行百业不缺场景，遍地开花的AI应用也表明AI确实有广泛的应用价值；经历多年产学研结合的培养后AI人才荒已经得到一定程度解决，仅仅是百度就宣称自己已给行业培养100万AI人才；基于深度学习的算法模型如今也已趋于成熟，不断进化。
其次，算法今天呈现出“膨胀”的趋势，就是模型越来越大，越来越复杂，对计算力要求越来越高。目前，某些模型已逼近人工智能的算力极限，OpenAI最近公布的史上最大AI语言模型GPT-3不仅模型尺寸增大到1750亿，数据量也达到惊人的45TB，这种进化一方面，对于新任务，不需要重新收集大量带标签的数据，数据利用效率进一步提升；另一方面，可以避免算法微调出现过拟合，导致模型泛化能力下降。然而，传统的计算力供给形式已经难以满足不断进化的算法模型，成为制约AI算法进化的因素。
再其次，AI产业化意味着AI将应用到全行业与全场景，进入到工业化大生产阶段，一方面数据会进一步爆发式增长，另一方面，AI计算不存在在线离线一说，因为机器要不断处理数据、训练模型、学习进化，计算不能停止。AI产业化时代，计算量会指数级增长，传统云计算、数据中心等传统基础设施架构下的算力已无法满足需求。
最后，扑面而来的5G时代也是AIoT时代，自动驾驶、智能制造、智慧能源、智能物流与智能城市等等新应用爆发，更多的设备、更多的场景、更多的数据，意味着更多的计算需求，同时，边缘智能变得越来越重要，原来的集中计算模式已难以满足。
综上，就不难理解，为什么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》会认为，“算力是未来人工智能应用取得突破的决定性因素。”
多管齐下，方能破除AI产业化算力瓶颈
AI计算力的瓶颈如何破除？AI被视作是第四次工业革命，蒸汽技术革命（第一次工业革命）与电力技术革命（第二次工业革命）均伴随着能源革命，而计算机及信息技术革命（第三次工业革命）本质是一次遵循摩尔定律的计算力革命，智能革命则会掀起一次新的计算力革命，新一轮计算力革命的目的就是满足AI工业化大生产的计算力需求。每一轮工业革命都不是任何一个企业可以推动的，同样，智能计算力革命也要全社会多方参与、多管齐下。
1、技术层面，在同等成本与能耗下，基于AI芯片的AI服务器会提供指数级增长的计算力。
服务器是计算的物理载体，传统服务器已无法满足AI计算需求。近年来在英伟达、寒武纪、华为等玩家的推动下，专为AI计算定制的芯片出现并规模化出货，基于AI芯片，浪潮等服务器巨头推出多款AI服务器来生产AI计算力，AI服务器成为服务器市场的最大增长点。
《2020-2021中国人工智能计算力发展评估报告》显示，人工智能芯片将继续呈现多样性的发展，GPU依然是数据中心加速的首选，占有95%以上的市场份额；AI服务器市场规模已占整体人工智能基础设施市场的87%以上，中国AI服务器将保持高速增长，并将在2024年达到66亿美元，会是服务器市场增长的核心驱动力。
IDC此前发布的《2019年中国AI基础架构市场调查报告》则显示，2019年我国AI服务器出货量为79318台，同比增长46.7%，同期我国通用服务器市场出货量却同比下降3.8%。作为中国最大的服务器巨头，浪潮一直在给社会提供计算基础设施，在AI方兴未艾时布局智慧计算,在AI服务器领域连续三年稳居第一且占据过半市场份额。
2、架构层面，AIoT时代边缘智能变得愈发重要，云边协同成为新趋势。
AIoT时代大量的边缘智能应用，对边缘智能计算提出更高要求。
《2020-2021中国人工智能计算力发展评估报告》指出，人工智能算力会逐渐向边缘渗透，到2023年，将近20％用于处理AI工作负载的服务器将部署在边缘侧。IDC观察到的一个比较大的技术突破是，“一些物联网，工业互联网已经部署到边缘端的一些产品，开始利用人工智能在边缘端发挥作用。”
浪潮信息副总裁刘军对罗超频道表示，在制造业边缘AI发展较快，出现了互联网、5G与AI融合的场景，未来在不同现场，“在外场在移动设备上，在无人环境下，都能把AI用上。”浪潮今年专门成立边缘计算事业部，对于服务器设备、终端设备与AI设备统一部署。
在AI算力供给上，云边协同会是一个重要趋势。云端负责模型迭代更新、数据汇集；边缘端负责接收数据，初步处理，再将数据传回云端汇总，AI大脑会负责云边协同调度。边缘端一般条件会比较恶劣，一般没有专业机房，供电会有限制，往往要求低功耗，AI边缘计算要解决的就是在功耗限制下提供最好的算力支持以及配套的内存支持、连接能力，这些是未来边缘计算发力的重点方向。
3、形态层面，传统的云计算中心已经很难满足指数级膨胀的AI计算力需求，新型AI公共算力基础设施呼之欲出，智算中心成为最优解。
IDC调研显示，“超过九成的企业正在使用或计划在未来三年内使用人工智能，而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公共算力基础设施。未来，随着更多规模化、普惠型的人工智能基础设施平台建成，整个中国人工智能产业将进入另一个发展的快车道——企业的刚需决定人工智能发展前进的速度，新型公共算力基础设施的建设则为人工智能发展拓宽了道路。
在实践层面，今年4月浪潮提出的“智算中心”就是人工智能公共算力基础设施的一个范例。“智算中心”是智慧时代计算力的生产与供给中心，是新“电厂”，有望化解AI计算需求爆发与传统算力不足的矛盾，在接受罗超频道采访时，浪潮信息副总裁刘军指