当前人工智能已进入大模型时代，算力、数据、模型快速增长，相比之前的人工智能，大模型具有更好的通用性、更广的应用范围，具备赋能各行各业的潜力，颠覆传统的生产流程、创新模式，引领产业加快向智能化升级，是形成新质生产力的关键力量之一。
根据 IDC 预测，到 2030 年人工智能（AI）将为全球经济贡献 19.9 万亿美元，推动全球 GDP 增长 3.5%。
趋势一：软硬协同优化助力大模型降本增效
如何平衡性能和成本成为大模型发展面临主要难题。根据斯坦福大学发布的《2024 年人工智能指数报告》，训练成本随着模型规模增加而急剧上升，如 2017 年的 Transformer 模型训练成本约为 900 美元，而 2023 年的 GPT-4 和 Google 的 Gemini Ultra的训练成本分别约为 7800 万美元和 1.91 亿美元。
趋势二：高质量数据集是大模型能力跃迁的关键
AI 发展正在从“以模型为中心”加速转向“以数据为中心”。OpenAI 强调，增加大模型的参数量不再是提升大模型能力的最有效手段，大规模、高质量数据和数据高效处理工程化才是关键。
传统“以模型为中心”AI 范式主要围绕模型进行迭代、优化设计，数据集相对固定，“以数据为中心”范式更侧重于提升数据集的数量、质量，关注数据集本身，模型相对固定。
增加百科、书籍、期刊等高质量、大规模、多样性的数据集占比对于提高模型精度、可解释性和减少训练时长效果显著。如 GPT-4 相比 GPT3 训练数据规模提升约 40 倍（达13 万亿个 token），Llama 2 相比 Llama1 相比，训练数据规模增加40%(达 2 万亿个 token)。
趋势三：超大规模智算集群成为人工智能发展基石
万卡集群成为大模型军备赛的标配。生成式 AI 的演进推动底层基础设施不断升级，万卡及以上超大规模智算集群成为人工智能发展的新要求。万卡集群目前代表业界前沿技术能力，主要集中在头部科技公司，指单一集群拥有一万张及以上的计算加速卡（如 GPU、TPU 或其他专用 AI 加速芯片），充分整合高性能 GPU 计算、高性能存储以及网络、智算平台等关键技术，将各类底层基础设施整合成为一台“超级计算机”，主要用来训练参数和数据量越来越庞大的大模型。
趋势四：算力服务由资源租赁向平台化、一体化供给演进
算力服务由资源租赁向平台化模式演变。随着算力使用方从大型企业扩展到科研机构与中小企业，粗犷式的算力资源租赁服务面临运营门槛高、技术易过时等问题，云商普遍通过算力平台实现专业运营管理和调度等能力，为客户提供稳定、可靠、高效的算力服务，如阿里飞天智算平台，中国电信息壤算力服务平台等。
与此同时，各地政府搭建公共算力服务平台，推进全国一体化算力体系和算力大市场的建设。政府算力平台通过广泛吸纳社会通、智、超多元算力资源，结合当地算力券等普惠政策，进一步降低中小企业的算力使用门槛，成为推进政府算力监测、监督管理的基础底座平台。
趋势五：AI Agent（智能体）将成为智能交互的新流量入口
趋势六：AI 技术设备加速 AIDC 基础设施升级
趋势七：算力与电力协同发展成为新态势
报告获取：公众号『报告智库』回复数字“1”
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑
