工智能在各个行业的渗透度都在增加，尤其是在互联网和金融行业_人工智能技术正字啊渗透到了ict产业的各个环节,比如()等各领域

　　在日前举行的AICC2021人工智能计算大会上，IDC和浪潮信息联合发布了《2021-2022中国人工智能计算力发展评估报告》，报告指出，相比2020年，人工智能在金融、制造、能源、公共事业和交通等行业体现的推动作用尤为显著。同时，以智能计算中心为代表的算力基础设施，通过提供公共的算力、数据及算法服务，让算力服务易用，解决算力服务的供给问题。
　　“四年来，我们发现政策越来越重视人工智能算力，这方面的应用越来越成熟，无论是芯片的多元化还是人工智能服务器的计算能力、计算容量等都比四年前有了很大的提高。”IDC企业研究助理副总裁周震刚接受经济日报记者采访时说。
　　周震刚还表示，相比去年，人工智能在各个行业的渗透度都在增加，尤其是在互联网行业和金融行业。此外，制造、交通和能源行业在人工智能的应用也更加深入。
　　据了解，全球已有60多个国家和地区出台人工智能政策，发布国家级人工智能战略。国际调研机构IDC 预测，2021年全球企业在人工智能软件、硬件和服务的总投资将超850亿美元，预计将在2025年增至2045亿美元，五年复合增长率达24.5%。
　　不过，中国工程院院士、浪潮首席科学家王恩东认为，人工智能也带来了指数级增长的算力需求，计算产业正面临着多元化、巨量化、生态离散化交织的趋势与挑战。一方面，多样化的智能场景需要多元化的算力，巨量化的模型、数据和应用规模需要巨量的算力，算力已经成为人工智能继续发展的重中之重；另一方面，从芯片到算力的转化依然存在巨大鸿沟，多元算力价值并未得到充分释放。如何快速完成多元芯片到计算系统的创新，已经成为推动人工智能产业发展的关键环节。
　　人工智能产业化对算力的需求正在激增，浪潮信息副总裁刘军表示，算法模型发展也将更加复杂，巨量模型将是规模化创新的基础，“源1.0”等巨量模型的出现，让构建大模型、提升人工智能处理性能成为发展趋势。
　　目前，全球知名的人工智能公司在巨量模型上都投入巨大，谷歌、微软、英伟达、浪潮、智源研究院、百度、阿里等公司相继推出了各自的巨量模型。“巨量化的一个核心特征就是模型参数多、训练数据量大。”刘军以浪潮人工智能研究院开发的全球最大规模的中文人工智能巨量模型“源1.0”为例介绍说，其参数量高达2457亿，训练数据集规模达到5000GB。相比GPT-3模型的1750亿参数量和570GB训练数据集，“源1.0”的参数规模增加了40%，训练数据集规模增加近10倍。“我们对算力的追求没有极限。”刘军说。
　　人工智能芯片正呈现多元化发展趋势，芯片的多元化为人工智能产业化的加速提供了重要的产业基础和更加丰富的选择。但是，芯片从造出来到大规模用起来，还隔着一个巨大的产业鸿沟。以一台人工智能服务器研制为例，整个系统需要经过30多个开发流程，使用150多种加工制造工艺，对280多个关键过程控制点的质量进行严格把控，还要实现与算法框架和人工智能应用的优化和适配等问题。
　　“要想释放多元算力价值、促进人工智能创新，一是要重视智算系统的创新，加大人工智能新型基础设施建设，把从技术到应用的链条设计好，从体系结构、芯片设计、系统设计、系统软件、开发环境等各个领域形成既分工明确又协同创新的局面；二是要加快推动开放标准建设，通过统一的、规范的标准，将多元化算力转变为可调度的资源，让算力好用、易用。”王恩东说。
　　中国人工智能基础设施市场规模保持高速增长，中国服务器厂商已成为全球服务器市场的中坚力量。IDC最新发布的《全球人工智能市场半年度追踪报告》显示，中国人工智能服务器头部厂商市场规模同比增长率可超50%。IDC预计，2021年人工智能加速服务器市场规模将达到56.9亿美元，相比2020年增长61.6%，到2025年，中国人工智能加速服务器市场将达到108.6亿美元。
　　我国已明确提出在全国布局算力网络国家枢纽节点，同时积极推进智能计算中心“新基建”建设，发力构建普适普惠、安全可靠的现代化基础设施体系和生态。智能计算中心已被越来越多的地方政府视为实现支撑和引领数字经济、智能产业、智慧城市、智慧社会发展的关键性信息基础设施，为算力、数据、生态和产业发展提供平台化支持。显然，未来，拥有较高算力基础建设能力的地区或国家，将更有可能在人工智能带来的红利中更多获利。