智算如火，浪潮如水传统确定一个蛋白质结构

传统确定一个蛋白质结构，通常需要几个月甚至是几年，过去半个多世纪人类共解析了五万多个人源蛋白质的解构，但是基于深层神经网络的AlphaFold仅用一年时间就将结构信息预测比例从17%大幅提高到58% 。
在交通领域，数字世界和物理世界走向融合，未来城市每辆车的具体位置、每个路口有多少辆车、车移动的方向等都能用全量实时数据进行感知和调整，每年可为一座千万级人口的城市节约1500亿元，避免94%的人为交通事故，提升通行效率15-30%……
这些超乎想象的事实背后，都有同一个身影：智慧计算。《2021-2022全球计算力指数评估报告》显示，算力指数平均每提高1点，数字经济和GDP将分别增长3.5‰和1.8‰ ，当一个国家的算力指数达到40分、60分时，计算力对于GDP增长的推动力将增加1.5倍和3.0倍。
【智算如火，浪潮如水】智算正在以蓬勃的创造力带来磅礴的推动力。
这是浪潮信息生态伙伴大会IPF这几年持续聚焦“智算”的原因所在。今年的IPF2022给人以耳目一新的感觉，正如其主题：“智算创见数实相融” 。智算从看见到创见，推动数字世界与物理世界从相联到相融。

文章图片
算力算法“基建化”的底层逻辑
“智算要想真正迸发出创造力，就需要算力算法基建化，即国家将算力、算法做成公共资源开放出来。 ”浪潮信息CEO彭震在接受采访时这样说。
算力基建化，已经得到了业界的广泛认可，而且推进迅速。在国家统筹布局下，全国性的算力枢纽工程开始建设，最近资本市场上炙手可热的“东数西算”就是如此。算力基建化，正在发挥越来越重要的作用。以浪潮建设的南京智算中心为例，运行一年多的时间，算力规模相当于1个小时内可以完成100亿张图像处理、300万小时语音翻译、1万公里自动驾驶数据处理，现已服务55家用户单位，覆盖了包括智能制造、气象检测和智慧交通等13个行业。

文章图片
然而，为何算法也需要基建化？一方面是源自行业的进化，算法正在从专用算法走向通用算法。以前人们对神经元计算的认知比较浅，自然语义理解、文本识别、语言翻译、问答对话等不同应用场景采用专用算法效率更高，但是随着高泛化能力和高通用性的大模型的出现，无监督学习也使得开发者在模型训练初期基于高质量的数据，让AI可以自动做数据标识和训练，一个模型可以覆盖众多场景。
另一方面是源自AI落地的痛点，这几年AI很热，但在落地的最后一公里上却遇到难题，归根结底是高昂的开发成本和技术门槛，数据的收集、标注和训练耗时耗力、复杂繁琐，相比起来，大模型催生出“预训练大模型+下游任务微调”这样更高效、简单的新模式，算法进入工业化时代。
在这样的背景下，算法大模型就成为类似智算中心那样的新基建。以浪潮发布的全球最大规模中文人工智能巨量模型“源”为例，单体模型参数量达2457亿，训练采用的中文数据集达5000GB ， “源1.0”上线不到5个月的时间，就已有超过200家单位试用，支持了100多个行业应用。
“今时四宇求新，於赫有智，智隆于算。构基建为本，利之以芯，范之以理，修之以智。革新凭其威，技艺信其敏。感世事之大千兮，未尝有极。识倏忽之人情兮，安有常则？故内引智算于先，外察渊慧于势。智能为炉兮，元脑为工，算力为炭兮，数据为铜。汇引众力，则无惧关山难越。聚用众智，则敢为智算之先。 ”很难想象这段精辟解析智算的诗是“源1.0”所作，机器智能正在媲美于人。