打牢智能根基，加速行业升级

时间：2024-09-03

■文/胡厚崑

人工智能产业下一步发展的关键是建好、用好算力基础设施，规划好应用创新方向，为各行各业的数字化转型升级打下更坚实的智能根基。

在2022世界人工智能大会开幕式上，华为公司的人工智能辅助药物设计平台获得了卓越人工智能引领者奖（SAIL奖）。谈及人工智能辅助药物设计和开发，我想和大家分享一个最新的案例。众所周知，细菌耐药已成为人类健康的重大威胁。世界卫生组织统计数据显示，全球每年至少有70万人因此死亡，远远超过了艾滋病和疟疾的致死人数。因此，克服这一挑战也成为全球医疗界的共同任务。一个好消息是，西安交通大学第一附属医院最近取得了突破，研发出一款新的超级抗菌药，有望成为全球近40年来首个新靶点、新类别的抗生素。在这个项目里，华为公司提供的人工智能药物分子大模型作出了一定的贡献。利用该大模型，科研人员可以对上亿个分子化合物进行提前预测和筛选，使筛选范围在很短时间内大大缩小。在人工智能的辅助下，先导药的研发周期从过去的数年缩短至一个多月，研发成本降低70%，这是巨大的进步。

随着人工智能技术的快速发展，其在各行各业、不同场景中运用的案例也越来越多，且越来越深，即深深嵌入不同场景下的生产、作业流程中。这种变化为我们传递了一个新的重要信息：与电力和互联网一样，人工智能本身作为一类新的通用技术，其技术价值的发挥恰恰在于将它化有形为无形，让它深深嵌入各行各业的作业场景中，如此才能发挥最大的价值。

算力作为新型基础设施，取得快速发展

在过去的几年间，人工智能产业发展取得了很大的进步。例如，在算力方面，国内已经有20多个算力领先的城市除了建立起各类超算中心之外，还在积极建设人工智能计算中心。当前，已经有10个城市上线，包括深圳、武汉、西安、成都等。上海也正在积极进行人工智能公共算力平台的建设，这必将为上海科技创新与数字经济发展注入强劲动力。

有了大算力，就能够产生系列大模型，应用创新就有了坚实基础。如上述药物开发的案例，应用创新的突破口就来自药物分子大模型。大模型让每个场景化人工智能应用开发都不必从零开始，真正实现从小作坊式向工业化开发转变。无论是在互联网、金融等领域，还是在煤矿、农业以及气象等行业中，都可以看到大模型的身影。

从算力中心走向算力网络

人工智能产业需要一步一个脚印，踏踏实实发展。人工智能产业下一步发展的关键是建好、用好算力基础设施，规划好应用创新方向，为各行各业数字化转型升级打下更坚实的智能根基。

第一，持续推进算力网络建设，让算力中心从点走向面，形成网。随着全国各地算力中心的建成，我们不仅要将计算中心作为独立的系统发挥作用，还要逐步形成全国范围内相互连接的算力网络，发挥更大的价值。

关于算力网络的建设和部署，有3个关键。首先，结合我国的实际情况，我们可以“AI先行”。根据预测，未来10年，人工智能的算力需求将增长500倍以上，成为未来算力的最大增量。我国算力网络的建设可以从这个增量开始，通过新建的人工智能计算中心先试先行，形成人工智能算力网络，为国家推行“东数西算”的战略落地实践率先迈出关键的一步。其次，算力网络正在走向融合异构。不仅仅是人工智能计算中心联网，各地的超算中心、一体化大数据中心等都可以并入算力网络，形成全国范围内统一的算力大平台，以支撑我国数字经济的高质量发展。当然，谈到算力网络，算力很重要，网络也非常关键。我们认为，应该大力推广创新全国网络技术，构建一个能够提供更大带宽、更低时延、具有高度确定性的连接网络，以保障数据、应用和算法的高效调度。

当前，深圳的鹏城实验室及国内几大运营商都在积极推进算力网络计划，华为公司也将与产学研各界联手共同推动算力网络的建设和发展。就像今天的电网、通信网和高铁网一样，未来的算力网络也一定会成为国家经济发展的新的基础设施，为我国数字经济以及整个经济的发展提供强大的动力。

第二，算力网络要建得好还要运营得好，算力网络的运营需要打好基础。当前，各类计算中心所产生的数据在格式上、算法上都不太相同，相互之间无法直接调用，只能在本地发挥价值，这就给算力基础设施的统一运营造成了很大的困难。为此，我们需要构建相对统一的标准。具体来说，在算力的硬件、应用接口、节点互联和数据共享等多个层面实现标准的相对统一和兼容，做到不同的算力中心“同唱一首歌”，这样才能使算力、数据和生态形成汇聚，实现全网共享、高效运营。此外，仅仅有统一的标准还不够，发展人工智能基础软件生态也是做好运营的关键支撑。我们认为，在大力发展芯片、网络等硬件的同时也要注重基础软件，如人工智能框架、开发套件、基础模型的协同发展，释放硬件算力，最终让人工智能能够在更多行业落地。

当前，华为公司正在联合各方产业伙伴打造统一的人工智能基础软件生态，提高我国产业韧性。我们的人工智能框架昇思MindSpore从2020年开源以来，已经得到产业界伙伴和开发者的积极响应，目前已经成为国内热度最高的人工智能开源社区之一。我们希望能够与各方伙伴一起共同打造一个全球主流的人工智能框架。

第三，加速行业应用的孵化与创新，让人工智能技术发挥更大的价值。当前，孵化大模型已经成为行业与场景创新突破的共识。就拿前面提到的药物研发来说，场景复杂多样，如蛋白质小分子结构的预测、小分子属性的预测以及小分子的优化和生成等，如果针对每一个场景都单独构建人工智能训练模型，那必然是效率非常低且成本非常高的。现在，我们通过一个医药行业统一的盘古预训练大模型，基于超大规模参数、海量训练数据，就可以适配药物研发的多个关键场景，从而大大缩短药物研发的周期。但是，大模型的研发门槛高，费时费力，要避免重复投资和开发。因此，我们呼吁政、产、学、研、用联合起来，一起梳理不同行业需要的基础大模型和行业大模型，规划好大模型沙盘，牵引大模型的孵化和创新，这样既可以减少重复投入，又有利于集中优势资源，共同加速人工智能的应用及向各个产业、各个行业的渗透。