11月24日，投資60個億的中國聯通長三角（蕪湖）智算中心項目開工；

11月22日，面向汽車研發的阿爾特（無錫）智算中心正式啟用；

11月21日，首期規劃1000PFLOPS智算能力的中國移動智算中心（武漢）落地；

11月20日，首個國產化智算中心項目在貴安正式簽約；

此外，如鄂爾多斯、南昌等地，均有智算相關的土地規劃出爐……在過去一周中，幾乎每一天都有智算相關項目消息傳出。而這，幾乎是最近一年來的常態，智算中心建設已經進入了爆發期。

智算的火爆，背后是AI大模型興起，以及其對算力帶來的全新需求。

大模型算力消耗有多恐怖？

隨著人工智能技術的快速發展，AI大模型已成為當今世界計算力需求增長的主要驅動力。這些模型不僅在理論研究上取得突破，也在實際應用中發揮著越來越重要的作用。日漸普及的AI大模型正推動著全球及中國的算力基礎設施變革。

AI大模型需要多少算力，我們可以從ChatGPT的訓練算力消耗中窺得一斑。OpenAI的報告顯示，訓練一次1746億參數的GPT-3模型需要的算力約為3640PFlops-day。雖然ChatGPT 4的細節沒有公布，但據ARK Invest估算，GPT-4參數量最高達15000億個，算力需求最高可達31271 PFlops-day。

這僅僅是ChatGPT的訓練需求——在ChatGPT引發了廣泛關注后，世界各國都在殺入大模型領域，各類大模型產品層出不窮。在不到一年的時間里，僅我國國內，就發布了不下200個大模型產品。

可想而知，這些大模型需要的算力將有多么恐怖。

算力基礎設施面臨的挑戰

算力需求的暴增，對算力基礎設施帶來了兩個方向的挑戰。

一方面是計算力生產的挑戰。隨著摩爾定律在物理法則層面的極限到來，依賴單芯片的算力已經無法滿足超大規模算力的需求，因此需要更多的芯片聯合工作，就此數據中心的規模越來越大，以集群式的算力中心建設已經成為常態。

一方面是生產算力所需環境的挑戰。在算力中心超大規模化發展的情況下，算力中心能源供給的充足和穩定，以及龐大能源消耗帶來的熱量如何有效的散發，也成為了一個需要面對的現實話題。

而這些也僅僅是AI大模型訓練中需要的算力，隨著大模型產品的落地和普及，推理型的算力需求將進入增長期，其增量將超過訓練需求，長遠看其算力需求總量或將與訓練需求平齊甚至超越。

因此，AI大模型帶來的算力新需求不僅是技術挑戰，也是基礎設施發展的重要機遇。特別是在中國市場，數據中心行業的迅猛增長預示著巨大的潛力和機遇。在12月12日-14日舉辦的第十八屆中國IDC產業年度大典上，將設置多個會場和議題，邀請來自快手、世紀互聯、超聚變、科大訊飛、智譜AI、比亞迪等智算產業上下游專家、企業，共同探討如何面對算力挑戰。

第十八屆中國IDC產業年度盛典（IDCC2023）將于2023年12月12-14日在北京國家會議中心隆重舉行，大會主題為“算力進化 數字開物”，聚焦算力產業熱點話題，匯聚業內精英人士，共同探討數字經濟的發展方向和未來趨勢。歡迎報名，現場參與！