从“纸面算力”到“好用算力”，超聚变打通AI+“最后一公里”

如果要评选2024年的年度科技名词，AI+当属最热门的候选项。

年初的《政府工作报告》中首次提出了“人工智能+”行动，正在从顶层设计着手，加快形成以人工智能为引擎的新质生产力。

折射到市场层面，AI+作为一种新的范式，不断深入千行万业。金融、医疗、制造、交通、智慧城市等各行各业都在掀起一场智能革命，通过AI和算力的结合挖掘新质生产力，不断释放出创新的乘法效应。

同时也遇到了一些待解的难题，比如作为基础设施的AI算力：当AI成为场景革新的驱动力量，算力环节如何破局？

刚刚结束的2024年中国算力大会“AI+，释放算力新价值”论坛上，来自超聚变、中国电信、滴普科技、百度、英特尔等算力产业上下游的厂商，以及人工智能领域的院士和专家，深入探讨了AI算力的现状和趋势。

也让我们看到了问题的答案。

01 打破算力瓶颈，行业需要“好用算力”
“AI+各行各业”不是简单的两者相加，而是要利用数据、算力、算法等智能要素，催生出新的业态和增长动能。

借用一个形象的比喻：AI+就好比是做饭，算法是锅、数据是米、算力是火。特别是在“算法跟着算力走”的背景下，算力已经可以在某种程度上和生产力划等号，算力强则AI强，算力不足，AI就会掉链子。

现实情况却是，AI算力的瓶颈在2024年依旧存在。

一是算力缺口的加剧。

参考美银等机构的报告：大模型进入到万亿参数时代后，对算力的需求达到了每年750倍的指数级膨胀，而目前的硬件算力供给只有3倍每两年的增速，供需缺口正在随着时间加剧。

也就意味着，让无数企业头大的“算力焦虑”，在时间的作用下将只增不减，同时也在拷问当前的算力供给方式：仅仅只是在数量上做文章，永远填不满各行各业的算力缺口，必须要思考怎么提升智能算力的效能。

二是算力亟需绿色化。

马斯克和黄仁勋都曾抱怨“算力的尽头是电力”，之后就传出了“微软算力中心搞崩了电网”的新闻。按照国际能源署的预测，2026年数据中心、人工智能等行业的电力消耗将达到1000太瓦时以上，增速是全球用电量的数十倍。

在这样的语境下，绿色智算所涉及的不单单是环保议题，能否在绿色智算的布局上未雨绸缪，给出可行的创新解决方案降低功耗，直接关系着下一个十年的算力供给能力，左右着AI+在各行各业的融合进程。

三是算力应用的困境。

没有汽车工业的繁荣，石油不过是廉价的燃料。同样的逻辑也适用于AI，倘若不能在应用层降低门槛、疏通堵点，使能各行各业的开发者高效打造AI原生应用，所谓的算力价值也就无从谈起。

目前AI应用还处于试点阶段，想要走向规模化落地，面临着算力、模型、应用等不同层级的痛点。比如算力的单一和兼容性问题，尤其是在模型推理的多元算力需求下；大模型调用的高门槛，模型和算力资源的匹配就劝退了不少开发者；以及应用开发时面临缺少工具链、开发效率低等挑战。

AI算力的瓶颈是否无解呢？答案是否定的。

2024年中国算力大会“AI+，释放算力新价值”论坛上，超聚变全球Marketing与销售服务部总裁、算力事业部总裁张小华道出了行业上下游的一个共识：推动算力从“纸面算力”到“可用算力”再到“好用算力”的转换。

简而言之，AI算力既要增量，也要提质。

正如超聚变算力领域与拓展部总裁唐启明在演讲中提到的：“面向AI算力，超聚变正在重构基础设施、跨越生态裂谷，逐步推向行业落地，通过纵向做深构筑竞争力，横向扩展以IT赋能OT，和伙伴一起共促AI算力产业繁荣。”

超聚变指出了方向，也给出了可行的路径。

02 告别能耗魔咒，构建“绿色”智能算力
首先要解决的就是绿色智算。

为了解决算力资源分布不均衡的情况，国家在2022年初启动了“东数西算”工程，将东部的算力需求有序引导到西部，发挥西部的自然气候和电力优势，通过算力资源的跨域调配，解决算力中心的能耗压力。

可随着大模型推理需求的爆发，对时延的要求越来越高，不少城市开始建立城市级、区域级的智算中心，以满足不断增长的推理算力需求。但在智算中心的建设上，并没有盲目上马，纷纷画出了能耗红线。

比如工信部等六部门在《工业能效提升行动计划》中提出：到2025年，新建大型、超大型数据中心电能利用效率（PUE）要优于1.3；北京、上海、深圳、杭州、广州等城市先后对新建数据中心提出了严格要求，其中深圳已明确鼓励PUE值低于1.25的数据中心。

正如外界所熟知的，PUE值越接近1，表明非IT设备的耗能越少，数据中心的能效水平越高。目前国内大型数据中心的平均PUE值为1.55，超大型数据中心平均PUE值也只有1.46，意味着能耗只有一半用在了“计算”上，其他的则浪费在了散热、照明等方面。

对于智算中心分布密集的一二线城市，能否在自然气候不占优势的前提下，降低智算中心的PUE值呢？

2024年中国算力大会上，超聚变的FusionPoD for AI 新一代全液冷整机柜GPU服务器斩获了“算力中国·年度重大突破成果”。在主办方公布的获奖理由里，除了在算力密度、海量数据访问上的出色表现，散热和供电能力的权重同样不可小觑：100%全液冷散热搭配105kW高效集中供电，让PUE低至1.06，5年TCO（总成本）降低15%以上，可以说是当下绿色智算的首选方案。

可以佐证的是，目前超聚变液冷服务器的出货量已经达到70000+节点，其中和浙江电信联合创新的端到端完整的数据中心液冷解决方案，采用了FusionPoD for AI整机柜液冷服务器规模部署，在有“中国四大火炉”之称的杭州，实现了极致能效和超低PUE。

一个不应被忽略的消息在于，超聚变在2024年中国算力大会上发起成立了“液冷AI开放联盟”，将致力于构建标准化的智算底座，让产业用户可以更快、更易、更好地获取和使用AI算力。

言外之意，基于液冷AI开放架构的“绿色算力”，在接下来一段时间里，每年都会成倍提升。

开源证券等第三方机构也在报告中预测了绿色智算的趋势：AIGC正驱动智算中心朝高密度、低PUE发展，2022年到2027年中国液冷数据中心市场将保持59%的复合增长率，2027年市场规模将突破千亿大关。

把以上信息做个归纳的话，智算中心告别能耗“魔咒”，已经是一种现在进行时，一种行业主旋律。

03 软硬件协同，打通AI+“最后一公里”
绿色智算加速了“可用算力”进程，距离“好用算力”还有多远呢？

作为算力基础设施与服务领域的“塔尖”选手，超聚变已经给出了自己的回答：

南向创新提升智算效能。

不只是前面提到的FusionPoD for AI全液冷整机柜GPU服务器，还包括开箱即用的超聚变超融合训推一体机等产品，同时推出了AI Space大模型加速引擎，借助模型迁移、适配和调优能力来提升智算效能。

北向使能AI融入现有业务。

直接的例子就是2024年中国算力大会上发布的超聚变FusionOne Al解决方案，围绕AI落地在算力、模型、应用等环节的痛点，提供了三大核心能力，进而缩短从算力到应用的距离，加速AI融入业务。

在算力层，超聚变打造了兼容多元AI算力、异构算力的XPU资源池，瞄准了行业普遍存在的痛点：在实际业务中常常需要CPU、GPU、FPGA、NPU等多种算力，被迫部署不同架构的服务器。

超聚变通过XPU资源池的方式，可以广泛兼容intel、AMD、NVIDIA、昇腾、摩尔线程等多种异构算力，并在智能调度的帮助下实现了50%有效算力提升，助力客户在推理算力上“一次投资，持续演进”。

在模型层，超聚变的模型工程涵盖了开源和第三方商用模型、场景化数据集，以及测试、联调、发布、部署、管理在内的模型使能工具和算子加速，进一步降低了大模型微调开发和推理上线的技术门槛。

以大模型与算力资源的匹配为例，在传统流程中，工程师需要根据模型的需求调整算力资源，在模型的计算需求与可用的硬件资源之间找到一个平衡点，对经验和能力的要求非常高，超聚变的解法是“模型与算力资源自动按需匹配”。

在应用层，超聚变提供了数据工程、知识库、插件在内的全周期AI工具链，并配备了专业的AI服务团队，前者旨在降低AI原生应用开发的门槛，后者对应的是100多位经验丰富的AI工程师。

个中逻辑并不难解释。相较于算力和模型，应用直接和客户的生产力挂钩，在AI+方兴未艾的氛围下，只有打通AI+的“最后一公里”，让算力的价值照进现实，让各行各业看到AI+的“倍增效应”，整个产业才会有序向上生长。

目前FusionOne Al解决方案已经服务超聚变的主流业务场景，覆盖了4000+员工、10000+合作伙伴，生成了百万行代码，实现80%以上的效率提升……超聚变软硬件协同释放算力新价值的解法，已经得到了验证。

每次提到AI+的时候，总有人想要寻找杀手级应用或者iPhone时刻，或许最正确的方式恰恰是像超聚变这样，解决AI+的一个个痛点和堵点，让智能算力润物细无声地“滋润”各行各业的每一个场景。

04 写在最后
诚如2024年中国算力大会所呈现的， 一个AI驱动的美丽新世界在算力时代变得越来越清晰。

通往“新世界”的道路上，有挑战，有机遇，还有一群默默“铺路”的技术人。有理由相信，超聚变和伙伴们的联合创新，将重塑算力新格局、释放算力新价值，点亮千行万业的数智化之路。

在AI+的浪潮下，城市将变得更加智慧、安全，企业将更加高效、充满活力，生活将更加便捷、充满想象。