从GPT(生成式预训练模型)到GPTs,第四次科技革命即将踏浪而来,人工智能也将迎来第四次发展浪潮。双浪叠加背景下,人类的数字化大航海征途再启新篇。
　　
　　算力作为新型生产力是驱动经济社会发展的底层动力,其供给规模受限与需求指数级增长之间的矛盾日渐突出,传统计算范式正在失效,计算模式从中心式演进到分布式,再到云计算阶段,即将进入融合智能计算阶段,标志着新计算时代的开启。
　　
　　未来算力发展将具备两大核心特征:“数字经济的基础设施”和“通用人工智能的核心动力”。与之相对应,算力将在两个关键维度上加速发展:普适(Inclusive)与智慧(Intelligent)。
　　
　　“普适”意味着算力将成为人人可得(Affordable)、人人可用(Available)、人人适用(Adaptable)的“3A”型基础资源，是发展数字经济的坚实底座。
　　
　　“智慧”意味着算力将具备自适应(Self-adapting)、自学习(Self-learning)自进化(Selfevolving)为代表的“3S”智能,是实现通用人工智能广泛应用、推动数字经济迈向更高阶段的必然要求。
　　
　　放眼全球,算力或将成为影响国家综合实力和国际话语权的关键要素之一,已是全球主要经济体的战略必争之地。
　　
　　经初步测算,到2025年,中国算力核心产业规模将不低于4.4万亿元,成为与新能源汽车比肩的超万亿级高潜赛道,若将视野扩大到算力关联产业,规模可达24万亿元。
　　
　　立足中国,算力产业的发展蓝图是由千行百业的算力需求落地所绘制的。实体经济呼唤新计算时代的新型算力,基于对代表行业的调研评估,可大致将各行业的算力需求潜力分为四类,包括以ICT和制造业为代表的“普慧双驱型”,以汽车行业为代表的“智慧拉动型”,以金融业为代表的“普适促进型”,以及以医疗和教育产业为代表的“发展酝“普慧”酿型”。
　　
　　不难看出,尽管各行业的算力需求各有千秋,但落脚点均在“普慧”。
　　
　　算力包括三大关键要素:算力设施(Infrastructure)、算力应用(Application)、算力服务(Service)。
　　
　　在三大关键要素的作用下，算力将经历从产生到落地的完整闭环，彻底转化为新型生产力。
　　
　　预测未来最好的方式就是创造未来。正如“普慧”算力的叙事离不开数字经济和通用人工智能这两个宏大主题,“普慧”算力的产业实践也将扎根于数字经济、人工智能大模型等提供的发展土壤。
　　
　　在数字经济方面,数字经济最核心的资源是数据要素,“普慧”算力作为数字经济的基础设施,将充分盘活数据资产,助力中国充分释放“数据红利”,中国数字经济体量有望在2030年突破百万亿元。
　　
　　在通用人工智能方面,AI大小模型协同进化是未来发展方向“普慧”算力作为通用人工智能的核心动力,既是科技公司搭建AI模型的“卖铲人”,又是检验算力公司创新能力、制造能力的“试金石”,更是推动中国迈向科技强国的“加速器”。
　　
　　驱动“普慧”算力前行的双轮上，一边是安全，一边是发展，只有统筹安全与发展,以政府、企业、科研机构等多方力量，坚持走高质量发展道路，落实各项具体举措，才能真正以“普慧”算力开启新计算时代。
　　
　　一、从GPT到GPTs,通用人工智能点燃第四次科技革命
　　
　　人类历次科技革命的爆发标志都是新一代通用技术(GPTs,General Purpose Technologies)引发生产力跨越式发展,进而使生产资料、经济范式等发生颠覆式变革。
　　
　　区别于SPTS(专用技术,Special Purpose Technologies),GPTs代表着对人类经济社会产生巨大、深远和广泛影响的革命性技术，详见图1。
　　
　　1）在农业经济时代:轮子、农耕技术等的普及,提高了人们迁徙和获取食物的效率,人类可以在大规模开发土地资源的基础上持续繁衍,为经济发展提供源源不断的底层动力。但由于纯体力劳动效率较低、土地资源有限(尤其是耕地属于不可再生资源),农业经济增长相对缓慢且存在明显的“天花板”。
　　
　　2）在工业经济时代:蒸汽机和电气化分别引发了第一次工业革命和第二次工业革命,这两项GPTs从根本上改变了体力劳动的性质,代之以机器化大生产,在蒸汽动力、电力等新型生产力驱动下,人类获取矿产等自然资源的效率大幅提升,以大规模流水线生产为特征的现代工厂加速兴起,推动人类社会实现了跨越式发展。
　　
　　3）在数字经济时代:信息通信技术(ICT,Information and Communications Technology)作为推动信息技术革命的GPTS,则从根本上改变了某些类型的脑力劳动,人类获取信息、处理信息的效率得到极大提升,以算力为生产力,信息、数据为生产资料的数字经济模式开始萌芽。
　　
　　2022年11月底,OpenAl推出的ChatGPT(聊天生成预训练转换器,Chat Generative Pretrained Transformer)引发全球热议,人工智能技术有望成为新一代的GPTs--通用人工智能
　　
　　(Artificia General Intelligence,简称AGI)。AGI将推动数字经济更加蓬勃发展,使人类社会发展迈向更高阶段,从GPT(生成式预训练模型)到GPTs(通用技术),人工智能有望作为新的底层通用技术,点燃第四次科技革命!
　　
　　二、人工智能发展并非一帆风顺,正迎来第四次浪潮
　　
　　AGI也称强人工智能(StrongAI),是指与意识、感性、知识、自觉等人类特征相连结,能够执行人类智力行为的机器智能。相对应地,应用型人工智能(Applied Al)也称弱人工智能(WeakAl),是指能实现专用或特定技能的机器智能,如人脸识别、机器翻译等。
　　
　　迄今为止,人类所接触的各种人工智能系统,都属于应用型Al,这类应用能在某些单项智能上超越人类例如下围棋等。但如果要在更广泛意义上达到甚至超越人类智能,必须实现AGI。不过,人工智能过往的发展并非一帆风顺,面向AGI的未来也将不会一蹴而就。
　　
　　1956年,达特茅斯(Dartmouth)会议召开,标志着AI元年开启,在近70年的发展历程中,AI产业经历了“三起两落”:
　　
　　1）一起一落(1950s-1970s)
　　
　　达特茅斯会议之后,大量AI程序和创新研究涌现,包括搜索式推理、自然语言等,相关研究获得了大量经费支持。
　　
　　但好景不长,到了70年代,Al发展遭遇瓶颈,原因是大部分AI程序都不具备解决复杂问题的能力,AI研究者们也遇到了无法克服的基础性障碍并受到了哲学家等的批判,研究机构随之开始大幅削减对A课题的资金投入,经历过1974年经费削减的研究者们以“AI之冬”一词概括了AI产业的第一次低谷。
　　
　　2）再起再落(1980s-2000s)
　　
　　80年代,名为“专家系统”的AI程序问世,它能够依据一组从专门知识中推演出的逻辑规则在某特定领域回答或解决问题,大大增强了AI的实用性,大部分公司开始采用“专家系统”并内设A部门。
　　
　　1980-1985年,各类公司对AI的投入总计达十亿美元以上,AI再一次大获成功。然而,“专家系统”的实用性只局限于特定领域,持续升级难度高且维护成本居高不下,严重阻碍了其推广应用。
　　
　　1987年,Al硬件市场需求大幅下跌,Svmbolics等厂商生产的LISP机不仅价格昂贵,性能也不敌Apple和IBM生产的台式机,开始迅速被市场淘汰,标志着AI的第二次寒冬来临。
　　
　　3）第三次崛起（2010s-2020s)
　　
　　21世纪以来,互联网的飞速发展推动人类进入大数据时代,数据、算法、算力三要素齐头并进,以深度学习为核心的机器学习算法取得了持续突破。
　　
　　2006年,加拿大多伦多大学教授Geoffrey Hinton及其团队在《Science》发表的一篇文章中,首次提出了深度学习的概念,并详细给出了“梯度消失”问题的解决方案一一通过无监督的学习方法逐层训练算法，再使用有监督的反向传播算法进行调优。
　　
　　该解决方案的提出,开启了深度学习元年。
　　
　　深度学习元年之后,AI进入快速发展阶段。到2016,谷歌DeepMind研发的AlphaGo在围棋人机大战中击败人类棋手李世石,人工智能开始被大众熟知,各界对AI的热情被充分调动,语音识别、图像和视频处理等AI应用开始逐渐渗透到各行各业。
　　
　　ChatGPT推出后迅速成为现象级应用,仅用两个月就实现了月活用户数量破亿,成为了历史上达到这-指标最快的产品,有望推动AIGC(人工智能生成内容,AlGenerated Content)等进入爆发周期,加速实现AGl。
　　
　　根据一项由OpenAl和宾夕法尼亚大学等机构学者进行的预测?以GPT(生成式预训练模型,Generative Pre-trained Transformer)为代表的大型语言模型(LLM,Large Language Model)将给美国劳动力市场带来重大影响，呈现出了GPTs的特征。
　　
　　从影响范围来看,大约80%的美国劳动力至少有10%的工作任务将受LLM使用的影响,大约19%的美国劳动力可能会感受到至少50%的任务受到影响。
　　
　　从影响程度来看,通过获得LLM支持,美国大约15%的工作任务可以在相同质量水平下更快地完成,当在LLM上面搭建软件和工具时,这一份额将增加到所有任务的47%-56%。
　　
　　当前,实现AGI还面临着技术、数据、计算能力、知识表示和人类智能理解等多方面的挑战,ChatGPT作为AGI发展的重要里程碑,其核心技术壁垒是数据、算法、算力等要素资源的精巧组合,证明了沿着“大数据、大模型、大算力”路径发展AGI的可行性,预计随着各国科技巨头加紧布局相关技术,AI产业经历“三起两落”后,将迎来第四次浪潮,详见图2所示。
　　
　　双浪驱动新计算时代来临,算力紧缺亟待解决。
　　
　　第四次科技革命与AGI双浪叠加的时代背景下,新一轮科技创新周期将肇始于底层算力创新,繁荣于AIGG等上层应用爆发,大数据、物联网、人工智能、区块链等数字技术趋向于组合式进化,将释放出巨大的乘数效应。
　　
　　算力是多技术、多领域的交汇点,更是一切创新成果从首次落地到大规模扩散的元动力,算力需求指数式增长的同时,传统计算架构正失去竞争力,一个打破思维定式、充分释放算力“底层动力”价值的新计算时代即将开启。
　　
　　具体来说,科技创新周期一般会经历“技术创新--模式创新--应用创新”三阶段。
　　
　　以个人电脑和移动互联网的普及为例，两者均是围绕ICT硬件创新展开，进而带来门户网站、平台化等商业模式创新，最后是各类软件应用的不断涌现。
　　
　　对应到产业层面,竞争焦点也会从硬科技实力逐步过渡到产业生态构建等软实力。
　　
　　随着PC、智能硬件渗透率增长见顶,互联网流量红利消退,科技创新即将开启新一轮循环,各类前沿技术走向深度融合,由硬科技实力主导的技术创新再次回到聚光灯下,单一硬件层面的革已不足以帮助企业构建起核心竞争力,而是要掌握更核心的凝聚力和更底层的驱动力一一算力。
　　
　　狭义的算力可以用一台计算机理论上具备的每秒浮点运算次数(FLOPS)来衡量3。例如,世界上第一台通用计算机“ENIAC”每秒只能进行图2人工智能经历“三起两落”迎来第四次浪潮5,000次计算,目前全球排名第一的超级计算机“Frontier”每秒能进行百亿亿次运算(1.194Exaflop)。
　　
　　计算机性能一路狂飙,是信息技术大规模普及的必然结果,过程中,算力对经济社会发展的作用越来越重要,算力内涵得以逐渐摆脱物理载体限制,扩充成了数字经济时代集信息计算力、数据存储力、网络运载力于一体的新型生产力4。
　　
　　算力内涵扩充的逻辑升华点在于,从“技术工具”进阶为“底层动力”,背后离不开计算模式的不断演进:
　　
　　计算模式在前三阶段的演进主要由摩尔定律和冯诺依曼计算架构两大底层理论支撑,前者持续引导着芯片制程工艺改进,后者实现了计算机硬件设计和软件设计的分离,大幅提升了计算灵活性形成了以“CPU(CentralProcessingUnit，中央处理器）”名核心的通用计算体系。
　　
　　然而,摩尔定律正不断逼近物理极限,依靠先进制程提升计算性能的方式越来越难以为继,愈发多样化、个性化的计算需求倒逼着通用计算架构向通专并行、提高专用性实现定制化等方向创新,例如有CPU+GPU、CPU+ASIC、CPU+FPGA等创新模式。
　　
　　个明显的迹象是,产业界正加速推动芯片和计算架构创新CPU正不断丧失主导地位。
　　
　　例如,谷歌自2016年以来就不断创新专为机器学习定制的专用芯片TPU(Tensor Processing Unit,张量处理器),并利用TPU进行了大量的人工智能训练工作。
　　
　　英伟达则抓住AI大模型爆发契机大力推广“GPU+加速计算”方案。
　　
　　此外,也有观点认为TPU、GPU都并非通用人工智能的最优解指出量子计算具有原理上远超经典计算的强大并行计算能力IBM在2023年宣布了将与东京大学和芝加哥大学合作建造由10万个量子比特(量子信息处理的基本单位)驱动的量子计算机,有望推进量子计算在新药物研发、探索暗物质、破译密码等方面的应用。
　　
　　总而言之,在融合智能计算阶段,算力作为“底层动力”对经济社会发展的影响更为广泛且深刻,算力正由终端计算等需求驱动的“被动式”发展,转向促进AI大模型训练、实现通用人工智能超越经典计算等代表的“主动式”发展。
　　
　　新硬件、新架构竞相涌现,现有芯片、操作系统、应用软件等都可能被推翻重来,新计算时代呼之欲出。
　　
　　无论被动还是主动，都指向同一个结论，算力供给增速明显难以满足指数式爆发的需求，储备算力成为各行各业的必要举动。
　　
　　而算力具有高投入、高风险、强外部性和高垄断特征,意味着围绕算力的竞争将会是大国和大企业参与为主的竞争。
　　
　　面向下一轮竞争,硬核的技术实力、雄厚的资金储备、高水平的人才队伍等都是参与下一轮竞争的“加分项”,而唯有准确掌握发力方向,才是决胜未来的“必选项”。
　　
　　编辑：Harris