商汤首付56亿！上海建成亚洲最大AI“发电厂”，搞定万亿参数模型( 三 )

除了性能以外，商汤AIDC的能耗也控制得不错，PUE做到了1.28，这意味着相对于运行服务器等硬件的能耗，支撑数据中心运行的灯光和空调等费用是非常低的。
具体来说，AIDC功耗比国内其他数据中心低10%，相当于每年都能节省约4500万度电（一台普通手机使用一年，功耗总量也不到10度电）。
这也使得商汤AIDC虽然不是最早做的，但却能在行业中站到一个相对领先的位置。

文章插图
回望过去的计算中心发展史，这大约并不是一个“偶发性事件”。
诞生于AI时代洪流之中听上去，AIDC或者叫人工智能计算中心，似乎是一个颇为新鲜的概念。
但其实在它之前，DC（数据中心）、IDC（互联网数据中心）、甚至是超级计算中心，就已经出现在人们的视野中。
被称作“人工智能”计算中心的AIDC，究竟为何会在时代的洪流中脱颖而出？
在新一轮深度学习热潮之前，大数据首先在互联网行业得到发展。
由此催生的IT基础设施便是互联网数据中心（IDC），若再往前追溯，则是大企业内部的数据中心（DC）。

文章插图
从DC到IDC，表面上看只是给数据中心“拉了根网线”，实际上是服务对象的变化、价值的升级。
硬件设施集中在一起，带来数据存储和处理能力增强和边际成本下降，超出企业内部需要的能力后，就可以打包成资源输出给外部客户。
随着互联网行业的崛起、成为过去数年间发展最快的行业之一，行业分工也由此发生细化，出现了专门的数据中心，专门给互联网厂商提供基础设施服务。
然而，在IDC中吃了一波时代红利的人可能没想到，AI的到来会再度催生出名为AIDC的产物。
随着AI大模型的出现，算法对算力的要求越来越高，人们对数据中心的要求不再是只提供基础设施服务，还希望它能够更高速地运行各种AI算法，并落地成各种智能应用。

文章插图
服务对象也不再限于互联网行业，还扩展到了更多希望通过“AI+”实现转型的传统领域。
智慧制造、智慧能源、智慧城市都是近一段时间的突出代表。
靠传统IT技术没能做到的产业数字化转型，终于在AI的作用下成了一股不可阻挡的趋势。
根据权威咨询机构国际数据公司（缩写也是IDC）预测，算力指数平均每提高1个点，数字经济和GDP将分别增长3.3‰和1.8‰——
AI除了技术的发展，也正在成为拉升经济的重要“战力”。

文章插图
但除了数据中心以外，领域内已经有很多现成的超算中心，人工智能计算中心的出现，是否并非必然？
事实上，二者仍然有很大不同。超级计算机主要面对尖端科技发展需要，如天气预测、能源勘探、卫星遥感。
科学和工程计算主要处理结构化的数值数据，对计算精度的要求最高，往往需要使用64位双精度计算，由CPU提供。
而AI面对的，则是大量文本、图像、视频这样的非结构化数据，对精度要求没那么高，对速度和效率更看重，更多靠GPU提供高并行的低精度算力。
AI在训练阶段主要用到32位单精度和16位半精度，在实际应用时的推理阶段，则经常只用16位甚至更低精度来保证运行效率。

文章插图
显然，从服务对象和技术自身两方面来看，AI都要求有专门的基础设施，AIDC本身其实是“洪流之下”的一大趋势。