在深入了解之前

熱詞1：算力

在2023中國算力大會上，工信部信息通信發展司司長謝存介紹，下一步，將出臺推動算力基礎設施高質量發展政策文件，強化頂層設計，提升算力綜合供給能力。

算力，這個近年來在學術界、產業界、公共討論空間中的新寵，起初只是超級計算領域關注的對象，代表著人們對“算得快”極致能力的不懈追求。時至今日，它已經歷了三次泛化，成為一種重要資源，廣泛應用于金融、醫療、能源、環境、交通等各個領域。

算力的第一次泛化，源自一個頗受爭議的區塊鏈產物——比特幣。在這個被“幣圈”稱為“挖礦”的虛擬貨幣生產鏈條中，“礦機”（即用來專門生產比特幣的電腦）每秒鐘能做多少次哈希計算，就成了它在比特幣網絡中能否取得優勢的關鍵。“礦機”中哈希算法輸出的速度，也就成了“算力”的度量單位。

算力的第二次泛化，來自于近年來不斷發展的數字經濟。在全球經濟領域，隨著第五代移動通信技術、大數據與物聯網技術的廣泛應用，“計算無所不在”成為一種趨勢。

隨著“算力”在數字經濟領域廣泛應用，我國政府宏觀經濟部門和以華為為代表的眾多企業提出了“算力指數”概念，即用來評估一個企業、一個區域乃至一個國家所能提供的總計算能力。之后，“算力經濟”“算力網絡”等概念也隨之而出。

其中，“算力網絡”的提出讓算力進入了基礎設施范疇。隨著一批超算中心、云計算中心的建立，高算力設備被密集地部署用于地方公共服務，算力的基礎設施屬性被不斷強化。

基于此，中國科學院計算技術研究所發明了一個構造詞來描述算力，即computility（compute+utility）。

算力的第三次泛化，則來自于奔騰至今的人工智能熱潮。深度學習技術的興起和突破，帶來了人工智能的熱潮，標志著信息化從數字化、網絡化走向智能化新階段。其中，人們把智能計算背后的三個驅動力歸結為智能三要素——算力、算法和數據，代表人工智能模型背后信息處理能力的“算力”更是獲得了前所未有的關注……

從中不難看出，未來，“看不見摸不著”的算力將會像水和電一樣“觸手可及”。

熱詞2：云計算

“云”實質上就是一個網絡。就像自來水廠一樣，使用者可以隨時獲取，但是要按使用量付費。

英特爾創始人戈登·摩爾曾說過：“集成電路上可容納的晶體管數目，約每隔兩年便會增加一倍”。在他看來，隨著處理器的性能每隔兩年翻一倍，計算機硬件的成本便會越來越低，直到單個企業也都能買得起大量服務器。

隨著豐富、低價的硬件資源在越來越多行業普及，許多大型企業發現，雖然在業務高峰期所需的硬件資源很多，但平均下來的負荷并不高，然而服務器還得按照最大需求來配，分配很不靈活，還會造成資源浪費。

“能不能將資源租出去呢？”——一些頭腦靈活的企業管理者們不約而同地想到，如果能把這些服務器閑置的能力整合成一個資源池，然后再出租給其他公司使用的話，不但變廢為寶，甚至還能開拓出新的商業模式。

正是這種“我來造池大家共飲”的思維轉變，催生了“云計算”。21世紀初，一些世界頂級互聯網公司提出了“云計算”的相關概念，并推動了“云計算時代”的開啟。

這些開展“云計算”業務的互聯網公司并不是直接出租實體服務器，而是把多臺服務器的CPU、內存、硬盤、網卡虛擬化為計算、存儲、網絡三大類資源池，再分成小塊靈活組合后租給用戶，這就是所謂的“資源池化”。

手握虛擬化的資源池，服務提供商按照用戶需求的不同，將服務級別劃分成了三級。這也就是我們熟悉的IaaS（基礎設施即服務）、PaaS（平臺即服務）、SaaS（軟件即服務）的由來。

其中，IaaS譯為“基礎設施即服務”，也叫“基礎云”。其只是簡單出租計算、存儲、網絡資源，并將這幾類資源組合成虛擬服務器。至于用戶在上面裝什么系統、開發什么軟件、開展什么業務，完全由自己搞定。這就像直接出租地皮一樣，用戶在上面蓋什么房子、種什么花草蔬菜、養什么寵物，自己來規劃。

直接出租什么軟件都沒有的虛擬服務器，雖說靈活性很大，但對有些用戶來說使用難度太高了，因此一些服務提供商將操作系統、數據庫、軟件開發環境等基礎的開發平臺搭建好，就好比為用戶蓋好了房子，通上了水、電、天然氣。這種級別的服務就叫做PaaS，譯為“平臺即服務”。

對于那些沒有時間、精力，也沒有雄心壯志開發什么軟件、只想“拎包入住”的用戶，特別是這類用戶占比還非常大，服務提供商則直接在云平臺上把各種軟件裝好，讓用戶隨時登錄使用就好。這種級別的服務就叫做SaaS，也就是“軟件即服務”。

可以說，云服務就是這樣的理所當然。就像你不需要筑壩蓄水、引水凈水，只需付錢，打開水龍頭就有水用；你也不需要燒煤發電、建設電網，只需付錢就能用電一樣。“云計算”，已經成了信息時代的水和電。

熱詞3：互聯網數據中心（IDC）

你是否思考過，瀏覽網頁、發送消息以及網購訂單的數據都從何而來，又在哪里運算、存儲？

一切問題的答案，都指向互聯網時代的“糧倉”——互聯網數據中心（Internet Data Center）。

如果說一個個如同“臺式大電腦”一樣的服務器是存儲數據的基本物理單元，那么將10臺服務器放在一個2米多高的柜子里，就形成了機柜。這些機柜不僅需要持續供電，還要有一個能散熱、不震蕩、沒灰塵的環境，于是便有了供眾多機柜集中存放，兼具恒溫、恒濕，防靜電、防震等多項功能的場所——機房。把機房造的足夠大，或者是將幾百乃至上千個機房集結在一起，就成了數據中心。

從地理層面來說，互聯網數據中心必須遠離會帶來灰塵的火力發電廠，還要避開地震帶、臺風、易澇區域，確保地質穩定，且周邊沒有大的噪聲源。

“第三方服務”是互聯網數據中心最為突出的特質。就服務層面而言，互聯網數據中心主要聚焦于數據托管，開展服務器托管業務。通過購買這一“第三方服務”，政府部門、企事業單位就無需再建立專門機房、鋪設昂貴的通信線路，也無需高薪聘請網絡工程師，就可以解決自己使用互聯網的許多專業需求。

在20世紀90年代，一些有服務器硬需求的企業，考慮到噪聲、安全性等因素，開始選擇租用運營商的場地、電力、網絡寬帶，讓對方代為管理和維護。

1997年，蘋果公司推出了一款名叫“Virtual PC（虛擬PC）”的虛擬機軟件。后來，VMWare也推出了現在大名鼎鼎的VMWare Workstation。這標志著虛擬機時代的到來，也為數據中心的演進打下了基礎。

21世紀初，隨著“云計算”的誕生，數據中心迎來了自己的新階段并持續至今——“云計算”階段。

在這一階段，互聯網數據中心通過虛擬化技術、容器技術，將所有CPU、內存、硬盤等資源交由更為強大的虛擬化軟件管理，然后分配給用戶使用，并實現了從物理硬件出租到虛擬硬件出租、軟件平臺出租、服務出租的進化。

帶著多種多樣的服務，互聯網數據中心開始走進千家萬戶、融入生產生活。

熱詞4：大模型

2022年12月，微軟投資的AI創業公司OpenAI推出的對話式AI ChatGPT意外出圈，讓人們對“大模型”有了模糊的第一印象——人工智能、人機交互、海量數據處理。

其實，ChatGPT只是大模型在自然語言處理領域中的一個典型應用。所謂的大模型指的是具有非常龐大的參數數量的深度神經網絡模型。這種模型通常需要在大規模的數據集上進行訓練，以盡可能地提高預測準確度。

時至今日，轟轟烈烈的全球大模型浪潮已經持續了七個月，從赫赫有名的OpenAI、Google、Anthropic、Meta，到國內互聯網科技巨頭百度、阿里巴巴、騰訊、京東、華為、360，推出的各種大模型產品已多達數百個，可謂層出不窮。

百度的“文心一言”、阿里巴巴的通義大模型、騰訊的行業大模型……在這場“百模大戰”中，國內大模型活力驚人，已廣泛涉及創業、投資、融資、應用等各個領域。

據中國科學技術信息研究所5月發布的《中國人工智能大模型地圖研究報告》顯示，截至5月28日，國內10億級參數規模以上基礎模型至少已發布了79個，個個都是一等一的大模型。

那么，大模型到底是如何界定的？會產生怎樣的影響效應？

相關專家表示，那些擁有數億乃至數十億個參數的復雜深度神經網絡模型背后，往往意味著大量計算資源、存儲空間、時間和電力等資源的占用，這是大模型區別于小模型的關鍵所在。

有趣的是，標準不是一成不變的，隨著AI技術的不斷迭代，關于“大模型”的標準也在不斷提高。

“在2022年，10億參數的模型就叫大模型，但現在公認的大模型參數動輒上千億”，百度集團副總裁侯震宇介紹說：“因為千億參數以上才會出現‘智能涌現’效應，才會形成泛化能力，才能在各個場景下具備通用能力。基于這種大模型精調出來的模型才具備更好的產業應用效果。”

所謂“智能涌現”效應，指的是模型規模、算力水平超過某個參數閾值后，AI效果將不再是隨機概率事件。

在通用領域，參數量越大，智能通常涌現的可能性就越大，AI準確率也會更高。以百度旗下“文心一言”舉例，在進行中國工業互聯網研究院的系統性知識問答評測中，千億參數級別的“文心一言”表現搶眼，在電子設備、裝備、鋼鐵、采礦、電力、石化、建材等七大行業均獲國內第一。

在專用垂直領域，大模型裁剪優化后更容易獲得精確的效果。以華為云盤古氣象大模型舉例，過去要預測一個臺風未來10天的路徑，人們需要大約3000臺服務器的高性能計算機集群花費5小時進行仿真模擬計算，而現在通過大模型只需要1臺服務器，再等上10秒鐘就能完成臺風路徑的預測。

目前來看，國內互聯網巨頭的大模型正接連投入“實戰”，在商業場景落地方面不斷打磨，大模型賦能產業的序幕已然拉開。