如果要评选AI圈儿的年度关键词，GPT-3绝对榜上有名。

1750亿个参数，比2019年发布的谷歌T5还翻了16倍，解锁各项技能，和人类对话，无所不能。GPT-3正是AI崛起，突飞猛进的最佳例证。

报告从AI算力产业发展趋势、市场规模、区域算力分布和行业AI算力保有程度等多个角度进行全面综合评估，旨在评估中国人工智能发展的现状，为产业AI化提供极具价值的参考依据和行动建议。

此报告也是自2018年起连续第三年发布，已经逐渐成为AI领域内许多用户、企业，甚至地方政府的权威参考。

逆势强增长：37%持续增长，北京仍居中国AI城市首位

2020年，在数据大爆炸和算力、算法的极大提升下，中国AI资源迎来了爆发式的增长。

《报告》显示，人工智能是全球IT产业发展最快的新兴技术应用之一。

先来看一组数据，2020年，整个中国的人工智能市场规模是63亿美元，据IDC预测，到2024年，这个数字将会达到172.2亿美元。而且，虽然今年受到疫情影响，但中国AI整体市场仍然保持着37%的增长。

提到算力时候大家常会提到是芯片，而算力的载体服务器也是近些年不得忽视的因素。前些年，深度学习之前发展缓慢，除了算法的原因外，很重要的一个原因是算力的不足，而解决计算力最重要的支撑是AI服务器。

在这里，国内头部AI服务器厂商浪潮有着清晰的定位。多年来，浪潮一直专攻计算系统，打造了业内最强最全的AI服务器产品阵列。作为系统提供商，浪潮积极推动开放生态建设，AI服务器适配了寒武纪、燧原科技、英特尔等芯片产品，促进AI计算产业的协作共赢。

其次，是架构层面的趋势。

AloT时代，日益增长的业务实时性需求使边缘和端侧的计算能力变得越来越重要，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。

浪潮信息副总裁、浪潮AI&HPC产品线总经理刘军表示，「现在的边缘端大家做了一些部署的尝试，做一些样板，场景怎么打通，要更进一步让边缘进入批量化，大规模上业务，我们还是要解决额定功耗条件下尽可能去提升算力的核心问题。」

在这样的成果背后，海量的数据功不可没，它是大量模型训练的基础。据 Open AI 的一份报告显示，从 2012 到 2019 年，人工智能训练集增长将近 30 万倍，每 3.43 个月翻一番，比摩尔定律快 25000 倍。

但是，如果没有足够的算力支撑，就会有大把的数据被浪费掉，算法也不能进入到AI产业的生产力阶段。

为什么人工智能对算力的需求如此之高？

一方面，随着AI应用成熟度的提升，从通用场景走向细分，人工智能面临着识别度不高、准确度不高等关键问题。

根据《报告》，除了人工智能投入相对集中的行业之外，在业务需求的推动下，很多碎片化应用也开始被广泛使用，并辐射到媒体娱乐、现代农业、智能家居、智慧电力等多个不同领域。

另一方面，IDC认为，未来三年，用户的算力还是集中在两个方面：训练和推理，其中，训练仍然是未来投资的主要方向，并且这个方向已经从纯感知的训练，图像识别，视频识别，语音识别，转向了对语意理解，纯感知到感知以后的推理分析。

对于自动驾驶、机器人、内容推荐等综合场景的算力需求也相对较高，平均算力值将达到146P OPS左右。

这些都对算力提出了更高的要求，而算力也已成为制约AI产业化进一步发展的关键。

在2019年4月，浪潮曾提出「智能计算中心」，即「智算中心」。今年4月，以智能计算中心为代表的算力基础设施首次被国家发改委明确新型基础设施的范围。

如果智能计算中心成为全行业的算力提供者，以中国AI市场的规模，类似GPT-3、谷歌T4的超大AI模型的出现将被提上日程，届时，我们就会真正感受到「算力改变中国，算力驱动未来，算力是生产力」。

而那时，算力时代也将真正到来。