8月28日，中国工程院主办的“AICC2019中国人工智能计算大会”在北京召开，上述数据来自会上IDC和浪潮集团联合发布的《2019中国人工智能计算力发展评估报告》，它只是人工智能走入千家万户、百行千业的一个小场景。

5G、物联网等多种技术的发展及融合加速了数据井喷，并以前所未有的速度和方式被存储和计算。类型丰富、场景各异的数据资源为人工智能系统自主学习并建立预测模型提供了丰沃的土壤。有赖于此，生物识别、欺诈分析、智能客服、公共安全及预警等AI场景在国内加速成熟应用。

中国工程院院士、浪潮集团首席科学家王恩东说：“数据爆发的增长，算法创新加速，和计算能力的快速提升，让人工智能在全球范围内迅速从学术热点变成投资热点、产业热点。AI产业正在快速上规模，市场需求开始井喷。”

人们将算法、数据和算力称为人工智能的三大要素，如果没有算力的支撑，人工智能难以走向应用。或许正是因此，将数据和算法协调起来的芯片尤为引人关注。

IDC预测，GPU依然是数据中心加速的首选，随着边缘、端侧需求的快速增长，人工智能芯片市场将迎来多元化发展。但是，推理类芯片将成为未来最大的潜在市场和人工智能芯片市场的重要决胜点。

据浪潮技术人员介绍，目前的AI芯片中，GPU芯片主要处理图像领域的运算加速。FPGA芯片适用于多指令、单数据流的分析。ASIC芯片为特定场景应用定制，在低功耗的移动设备端或边缘侧尤其具有优势，我国的寒武纪、地平线、华为等厂商常与这类芯片扯上关系。人工智能芯片又分为训练芯片和推理芯片，训练是指在已有数据中学习并获得某些能力的过程。推理过程则指对新的数据使用计算能力完成特定任务(比如分类、识别等)。

从2012年到现在，每三个半月用于AI计算的计算量翻一倍，从2012年到现在，AI计算的能力增长了30万倍，同时期的芯片性能提高了30倍左右，远远超过了摩尔定律。

“相比云计算和大数据等应用，人工智能对计算力的需求几乎无止境。”王恩东说，“计算力的提升，对体系结构提出了挑战。在半导体技术逐步接近极限的情况下，计算机发展迎来了体系结构创新的黄金期，计算力的提升将更多通过体系结构创新来满足。”

IDC认为，人工智能基础架构产品在中国未来五年的复合增长率超过33%，这个增长速度是普通的IT基础设施投资的三倍多，随着计算需求的增长，会有越来越多的新的架构、芯片和其他技术出现。

虽然看起来不是很快，但“AI产业化”向“产业AI化”转变的现象正在发生。据IDC数据，互联网依然是中国人工智能算力投资最大的行业，62.4%的钱是他们扎堆儿花出去的，从2018年起，金融、传统企业和政府用户，在人工智能基础架构领域的采购量超过了互联网，这个趋势还将保持下去。

王恩东说：“中国的AI投资已经和美国相当，但在核心技术的投入和面向应用的深度研究上还有差距。应用是AI产业发展的瓶颈也是最大的机会，要从根本上解决问题，必须建立开放融合的人工智能生态。”

国内很多人工智能企业锁定的都是单点单技术的应用，如人脸识别、考勤打卡，交通监控管理等。美国则流行用AI改变某些行业的业务流程和应用模式，比如，金融业的风险管理、证券业的高频交易等。

IDC也强调，人工智能时代的用户需求越来越复杂，任何企业都无法提供所有的解决方案，生态系统将变得和知识产权一样重要。