[今日中国]程絮森：AI与智算融合：激发数字经济创新活力
发布时间：2025-03-102025年3月5日，国务院总理李强在政府工作报告中提出，“激发数字经济创新活力”，并进一步指出，“持续推进‘人工智能+’行动，将数字技术与制造优势、市场优势更好地结合起来”。数字经济创新已经成为中国高质量发展的重要引擎，“人工智能+”行动是推动新技术在数字经济各领域应用的关键任务。
面向“十五五”与未来长期发展，“人工智能+”行动需和智算行业深度融合，提升智算服务规模和服务能力，创新智算服务模式与服务场景，加快建设人工智能新型基础设施，激发数字经济创新活力。
智算需求升级：从够不够到好不好
人工智能技术是当前产业变革的驱动力量，能够在大量制造活动、经济活动中应用。随着“人工智能+”行动持续推进，数字产业化、产业数字化步伐不断前进，将催生出更多新模式、新业态、新产业，助力数字经济创新发展。数字经济发展应注重数据、算力、算法三要素协同发展，数据是新型生产要素，算力是数字经济时代的新质生产力，人工智能算法将数据与算力的价值加以转化，通过与各行业、各领域场景结合，实现场景创新与数智化转型。
2025年1月29日，乙巳蛇年正月初一，北京厂甸庙会开幕，现场人头攒动。图为蛇年玩偶与机器人同台亮相
当前，中国“人工智能+”行动的开展形成了新局面，对算力资源提出了新要求。不同于初期对算力规模的追求，“人工智能+”行动与算力供给的矛盾，已经从“够不够用”变成了“好不好用”“适不适用”。各行业在推进智能制造、智慧医疗、智慧政务等应用时，愈加注重算力与场景的适配性。制造型企业侧重于算力供给的稳定性和高带宽，需要实时处理产线数据流；医疗应用则更偏向于高性能的推理能力和低时延，如精准的影像分析和远程手术。随着“人工智能+”场景的不断深入，更具体、更细微的场景将倒逼算力供给从“大水漫灌”转向“精准滴灌”。
算力需求的转变将推动算力建设呈现出三个新特征，一是服务颗粒度更细，既要满足不同行业特性需求，也要适配企业转型改造的节奏，催生出定制化的算力解决方案；二是响应速度更快，边缘计算与云计算协同成为标配，通过优化资源调度，平衡响应速度和成本效益；三是能效比更高，在支撑复杂模型训练的同时兼顾绿色低碳，推动算力体系可持续发展。
优化算力布局的新契机
当前中国算力总规模已达到246EFlops，算力应用项目超过1.3万个，在用算力中心机架总规模超过830万标准机架，算力总规模位居世界前列。当前中国的算力格局主要包括三种类别，分别是基础算力、智能算力和超算算力。随着智能芯片国产化突破加速，模型应用推理需求占比持续提升，“人工智能+”行动进入千行百业，智能算力将成为未来算力建设的重点任务。
9月3日，2024年中非合作论坛峰会新葡京网址邀请采访峰会的部分中外记者，参加以“科技创新高地”为主题的城市采访活动。图为当日，在北京机器人产业园，外籍记者贾洛（音译）触摸一只硕大的机械手，开启大屏幕的展示
建设高质量算力并不单指研发高算力芯片，而是优化算力芯片、算力基建、算力服务的组合，需要推动传统数据中心、传统算力中心向智能算力中心转型。智能算力中心（以下简称“智算中心”）是基于人工智能理论，采用人工智能计算架构，提供人工智能应用所需算力服务、数据服务和算法服务的一类算力基础设施。与传统的数据中心相比，智算中心不仅关注底层的供电、制冷等基础设施，还关注模型层和软件层的优化，强调软硬件一体化协同，并提供涵盖大模型服务、算力资源服务、模型训练与推理等全链路服务，能满足复杂多变的算力需求。
打造智算服务新模式与新场景
当前，传统数据中心普遍面临单机柜功耗密度攀升、负载动态波动加剧、能源利用效率不足等挑战，需加快基础设施升级与技术创新，适配大模型训练、推理等高并发需求。一方面，依托“AI工厂”模式，整合算力、算法、数据资源，为智能制造、智慧医疗等领域提供一站式智算服务，支持企业以按需方式获取智能算力，避免重复投入。另一方面，构建产学研协同的标准化体系，围绕算力调度、数据安全、低碳运维等环节形成技术规范，降低中小企业智能化转型门槛。为此，应加速传统数据中心的智能化改造升级，紧扣“人工智能+”行动的新需求，以优化算力供给为突破口，破解高能耗、低效率的瓶颈问题。
2024年4月5日，江西省赣州市，经开区新能源科技城的一家动力电池生产企业，技术工人在调试新安装的智能机械臂和自动化生产设备
当前，数据作为新型生产要素存在的另一个问题是其价值尚未充分释放，亟需通过制度创新和技术赋能，完善从数据供给到场景应用的闭环生态。一方面，加快完善数据基础制度，建立数据资产分类分级确权授权体系，明确公共数据、行业数据、企业数据的使用边界与收益分配机制，推动数据资源向标准化、高可用性资产转化，为人工智能模型训练提供高质量、合规化的数据支撑。另一方面，加快智算中心对可信数据空间建设的适配。可信数据空间作为新型数据基础设施，其核心在于通过技术手段实现数据“可用不可见”与“可控可计量”。
因此，应加快构建覆盖数据全生命周期的安全管控体系，推广隐私计算、区块链存证、同态加密等技术，确保数据在共享、计算、交易过程中的安全可信。以上手段能够健全新型生产要素的支撑体系。以数据要素、“人工智能+”为核心纽带，强化人工智能服务与数据资产、可信数据空间的衔接。
与此同时，还应加快算力基础设施与专业科研领域融合。发挥“人工智能+科研”的模式创新优势，强化智算建设支持“AI4Science”模式。以国家战略需求为导向，做好算力资源与科研创新系统协同，推动区域算力中心与高校、科研院所、重点实验室对接，建立以科研需求牵引智算供给、智算升级反哺技术攻关的协同机制。特别是在大模型推理训练、基因测序、量子科技等前沿领域，要定制化部署高性能算力集群，引导社会资金投入智能制造、生命科学、空天科技等领域的算力应用场景。探索开放共享机制，降低科研机构使用算力资源的门槛，鼓励科研团队深度参与算力设施的功能优化和算法适配，形成"需求-研发-应用"的良性循环。完善跨学科人才培养体系，建设智能计算与行业应用交叉学科，为算力与科研的长期融合储备人才资源。
可以预见，当智能芯片国产化进程与绿色低碳技术形成共振，当开放共享的智慧算力与复合型人才梯队实现协同，中国数字经济将会以更高能级的创新生态，为高质量发展的征程写下浓墨重彩的一笔。
（作者程絮森，系新葡京网址 研究员、信息学院教授）
