1. 投資要件
當前市場普遍聚焦于云端算力發展，忽視了邊緣算力在 AI 乃至社會數字化發展中的重要 地位。隨著 AI 大模型應用逐漸滲透進入千行百業和各類垂直細分場景，單純的大規模計 算中心提供的算力將不能滿足多樣化的 AI 運算需求。基于幾點判斷，我們認為邊緣算力 具備不可或缺性： 第一，未來隨著計算芯片加(jia)速發展，單位算(suan)力成本(ben)中，電費(fei)與土地(di)費(fei)用占比將(jiang)愈發提升， 算(suan)力成本(ben)將(jiang)取(qu)決于智(zhi)算(suan)中心的(de)地(di)理(li)位置，以我國舉(ju)例，未來算(suan)力成本(ben)較低(di)的(de)西部(bu)將(jiang)是(shi)云 端算(suan)力主要(yao)部(bu)署(shu)地(di)。因此，大算(suan)力與低(di)時(shi)(shi)延需求將(jiang)出現錯(cuo)配。 第二，AI 模型推理(li) Token 費(fei)用較貴，如(ru)果需要(yao)成熟商用，邊緣預處(chu)理(li)將(jiang)是(shi)必須選項。通 過(guo)邊緣部(bu)署(shu)的(de)算(suan)力，將(jiang)用戶(hu)的(de)多樣化(hua)需求進行(xing)本(ben)地(di)的(de)預處(chu)理(li)，簡單的(de)需求直接利用本(ben)地(di) 模型和(he)算(suan)力推理(li)，復雜需求通過(guo)邊緣算(suan)力預處(chu)理(li)后，精(jing)簡成最(zui)(zui)少的(de) TOKEN 發送至云端， 從而能夠(gou)最(zui)(zui)低(di)成本(ben)的(de)實(shi)現應(ying)用功能，加(jia)速商業(ye)化(hua)。同時(shi)(shi)，面向(xiang)小算(suan)力時(shi)(shi)，ARM 架(jia)構由于 其(qi)架(jia)構簡單，比英偉達復雜架(jia)構計算(suan)卡更具(ju)成本(ben)優勢，也(ye)將(jiang)加(jia)速邊緣小算(suan)力的(de)滲(shen)透速度。
最后，無論是對用戶個人敏感數據進行推理，還是推理設計商業敏感數據，完全與云端 隔絕的邊緣算力，能為用戶提供最好的數據安全保護。因此，從時延、成本、隱私三大 方面來看，邊緣算力未來算力體系的重要構成部分，也是 AI 需求連接萬物的毛細血管。 當前市場普遍聚焦于邊緣場景中的大單品邏輯，忽視了邊緣生態的多樣性。當前市場聚 焦于智能音響，智能耳機等大單品及其部件，主要是其作為 AI 入口的邏輯更具備直接 性。但我們認為，隨著 AI 加速向邊緣滲透，應用的形式將愈發多樣，越來越多的中小廠 商將參與到不同場景，不同細分領域的 AI 智能硬件開發中來。隨著應用形式愈發多樣， 如何在海量不同設備上部署標準化的 AI 邊緣算力將成為一個重要問題。我們判斷，物聯 網模組將成為承載這類算力的重要形式。物聯網模組集(ji)成(cheng)了通信芯(xin)片與全球大廠的(de)算(suan)力 芯(xin)片，能(neng)為海量場景和(he)中小廠商提供(gong)穩(wen)定的(de)邊(bian)緣(yuan)(yuan)通信能(neng)力和(he)邊(bian)緣(yuan)(yuan)算(suan)力，大大降(jiang)低(di)了中小 開發者(zhe)部(bu)署邊(bian)緣(yuan)(yuan)算(suan)力的(de)門檻和(he)難度。AI 時代，是萬(wan)眾創新的(de)年代，海量的(de)開發將來(lai)自中 小開發者(zhe)，而模組提供(gong)的(de)算(suan)力，將成(cheng)為邊(bian)緣(yuan)(yuan)算(suan)力中的(de)重要(yao)部(bu)分。
2. 模型由大到小，AI 走上應用的快速路
今年年初(chu)，隨(sui)著(zhu) Chatgpt 的(de)(de)(de)(de)(de)發布(bu)，以(yi) LLM 模(mo)(mo)型(xing)(xing)為主(zhu)(zhu)導的(de)(de)(de)(de)(de)生成式(shi)大(da)(da)模(mo)(mo)型(xing)(xing)高速發展。在(zai) Chatgpt 之前，AI 發展通常以(yi)面向(xiang)細分(fen)行業的(de)(de)(de)(de)(de)小模(mo)(mo)型(xing)(xing)為主(zhu)(zhu)，追(zhui)求較小運行成本下(xia)的(de)(de)(de)(de)(de)較快商業化。 Chatgpt 問世(shi)之后，證明了“野(ye)蠻”堆砌參數(shu)與(yu)算力(li)的(de)(de)(de)(de)(de)生成式(shi)模(mo)(mo)型(xing)(xing)之路是可以(yi)走通的(de)(de)(de)(de)(de)，因 此，短期內全(quan)球(qiu) AI 模(mo)(mo)型(xing)(xing)開發的(de)(de)(de)(de)(de)風(feng)向(xiang)轉向(xiang)了堆砌參數(shu)與(yu)算力(li)的(de)(de)(de)(de)(de)模(mo)(mo)式(shi)。 隨(sui)著(zhu) GPT-4 的(de)(de)(de)(de)(de)發布(bu)，標志大(da)(da)語言模(mo)(mo)型(xing)(xing)正式(shi)邁入(ru)了多模(mo)(mo)態時(shi)代(dai)，參數(shu)量近一步(bu)膨脹。4 月(yue) 份，OPENAI 創始人 SAM Altman 在(zai)一場(chang) MIT 舉(ju)辦的(de)(de)(de)(de)(de)活動上表示，“未來(lai)的(de)(de)(de)(de)(de) AI 進展不會 來(lai)自于讓(rang)模(mo)(mo)型(xing)(xing)變得更(geng)大(da)(da)”，我們認為，這代(dai)表著(zhu) OPENAI 之后的(de)(de)(de)(de)(de)努力(li)將會更(geng)多的(de)(de)(de)(de)(de)轉向(xiang)如何 讓(rang)現有的(de)(de)(de)(de)(de)大(da)(da)模(mo)(mo)型(xing)(xing)更(geng)好用(yong)，滲透進更(geng)多的(de)(de)(de)(de)(de)場(chang)景。
從北美的(de)趨勢來看，當下，在大(da)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)基礎上，快(kuai)速建立小(xiao)(xiao)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)生態，正(zheng)是許(xu)多(duo)大(da)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)龍 頭正(zheng)在高速推(tui)進的(de)發展(zhan)方(fang)向(xiang)(xiang)。如(ru)何(he)推(tui)動模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)實(shi)現“人(ren)人(ren)可(ke)(ke)訓(xun)(xun)，人(ren)人(ren)可(ke)(ke)用(yong)”已經(jing)成了(le)海外(wai) 大(da)廠爭相(xiang)布局(ju)的(de)方(fang)向(xiang)(xiang)。 4 月 12 日，微(wei)軟正(zheng)式開源(yuan) DeepSpeedchat 訓(xun)(xun)練模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)，這個(ge)(ge)訓(xun)(xun)練方(fang)式擁(yong)有三(san)大(da)核心(xin)優勢， 第(di)一，簡化(hua) ChatGPT 類型(xing)(xing)(xing)(xing)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)的(de)訓(xun)(xun)練和(he)強化(hua)推(tui)理體驗，第(di)二，DeepSpeed-RLHF 模(mo)(mo)(mo)塊(kuai)， 第(di)三(san)，DeepSpeed-RLHF 系(xi)統。 基于(yu)這三(san)大(da)特性(xing)，DeepSpeed-HE 比現有系(xi)統快(kuai) 15 倍以上，使 RLHF 訓(xun)(xun)練快(kuai)速且(qie)經(jing)濟(ji)實(shi) 惠。例如(ru)，DeepSpeed-HE 在 Azure 云上只(zhi)需(xu) 9 小(xiao)(xiao)時即(ji)可(ke)(ke)訓(xun)(xun)練一個(ge)(ge) OPT-13B 模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)，只(zhi)需(xu) 18 小(xiao)(xiao)時即(ji)可(ke)(ke)訓(xun)(xun)練一個(ge)(ge) OPT-30B 模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)。這兩種訓(xun)(xun)練分別(bie)花費(fei)不到 300 美元(yuan)和(he) 600 美元(yuan)。 此(ci)外(wai)，該(gai)系(xi)統可(ke)(ke)以支持(chi)超千億參數的(de)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)訓(xun)(xun)練，并且(qie)增強了(le)對于(yu)單(dan)張(zhang)顯卡(ka)的(de)訓(xun)(xun)練支持(chi)， 僅憑單(dan)個(ge)(ge) GPU，DeepSpeed-HE 就能支持(chi)訓(xun)(xun)練超過 130 億參數的(de)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)。
如果說 DeepSpeedchat 是(shi)(shi)模(mo)型(xing)(xing)界(jie)邁向應(ying)用(yong)(yong)與生(sheng)態建設的(de)(de)(de)第一步，那么在(zai)(zai)五月初的(de)(de)(de)幾大(da) 變化，讓我們(men)更(geng)加(jia)堅信了(le)，萬(wan)物(wu)搭載模(mo)型(xing)(xing)，模(mo)型(xing)(xing)賦能(neng)萬(wan)物(wu)的(de)(de)(de)時代正在(zai)(zai)加(jia)速到來。 首先(xian)，便(bian)是(shi)(shi)知名(ming)華人 AI 研(yan)究(jiu)(jiu)者(zhe)陳天奇牽(qian)頭開(kai)發(fa)(fa)的(de)(de)(de) MLC-LLM 解(jie)決方案，MLC LLM 為用(yong)(yong)戶 在(zai)(zai)各類硬件上原(yuan)生(sheng)部署(shu)任意大(da)型(xing)(xing)語(yu)言模(mo)型(xing)(xing)提供了(le)解(jie)決方案，可(ke)(ke)將大(da)模(mo)型(xing)(xing)應(ying)用(yong)(yong)于移動(dong)端(例(li) 如 iPhone)、消費級電腦端(例(li)如 Mac)和(he)(he) Web 瀏覽器(qi)。 MLC 的(de)(de)(de)主要(yao)功能(neng)包括了(le)： (1)支持(chi)不同型(xing)(xing)號的(de)(de)(de) CPU、GPU 以及其(qi)他可(ke)(ke)能(neng)的(de)(de)(de)協處理(li)器(qi)和(he)(he)加(jia)速器(qi)。 (2)部署(shu)在(zai)(zai)用(yong)(yong)戶設備的(de)(de)(de)本地(di)(di)環(huan)境中，這些環(huan)境可(ke)(ke)能(neng)沒有 python 或(huo)其(qi)他可(ke)(ke)用(yong)(yong)的(de)(de)(de)必(bi)要(yao)依賴 項;通過仔細規劃分配和(he)(he)積(ji)極壓縮模(mo)型(xing)(xing)參數來解(jie)決內存(cun)限制。 (3)MLC LLM 提供可(ke)(ke)重復、系統(tong)化和(he)(he)可(ke)(ke)定制的(de)(de)(de)工(gong)作流(liu)，使開(kai)發(fa)(fa)人員(yuan)和(he)(he) AI 系統(tong)研(yan)究(jiu)(jiu)人員(yuan) 能(neng)夠以 Python 優(you)先(xian)的(de)(de)(de)方法實(shi)現模(mo)型(xing)(xing)并進行(xing)優(you)化。MLC LLM 可(ke)(ke)以讓研(yan)究(jiu)(jiu)人員(yuan)們(men)快速試驗(yan) 新模(mo)型(xing)(xing)、新想法和(he)(he)新的(de)(de)(de)編譯器(qi) pass，并進行(xing)本地(di)(di)部署(shu)。
其次，我(wo)們(men)看到(dao)了(le)隨著 Meta 開源(yuan) LLaMA，整(zheng)(zheng)個北美 AI 開發(fa)者中，正在快(kuai)速(su)興(xing)起基于(yu) LLaMA 的(de)(de)訓(xun)練(lian)風潮，同時隨著 Lora 等訓(xun)練(lian)方法的(de)(de)加(jia)(jia)速(su)滲透，我(wo)們(men)判斷，中小開發(fa)者蒸 餾(liu)，訓(xun)練(lian)，部署(shu)自由(you)模型的(de)(de)成本(ben)正在快(kuai)速(su)降低，整(zheng)(zheng)個開源(yuan)生態下，模型梯度分布的(de)(de)格局 正在加(jia)(jia)速(su)建立。 Lora 訓(xun)練(lian)法通過凍結預訓(xun)練(lian)的(de)(de)模型權重，并將可(ke)訓(xun)練(lian)的(de)(de)秩分解成矩陣注(zhu)入到(dao) Transformaer 架構(gou)的(de)(de)每一(yi)層(ceng)，極大的(de)(de)減少了(le)下游任務(wu)的(de)(de)可(ke)訓(xun)練(lian)參(can)數的(de)(de)數量，有效提升了(le) 預訓(xun)練(lian)模型在下游任務(wu)的(de)(de) finetune 效率。
上(shang)述(shu)的(de)三種模型或解決方(fang)案(an)，DeepspeedChat，MLC-LLM，Lora 模型，其(qi)中 Deepspeed 與 Lora 模型給中小開(kai)發者(zhe)提供了(le)(le)低成本，快(kuai)速訓練專屬于自己的(de)小模型的(de)完(wan)整工具(ju)(ju)，而 MLC-LLM 則為中小開(kai)發者(zhe)在算力較(jiao)低的(de)環境或者(zhe)邊(bian)緣進行模型的(de)推理搭建了(le)(le)基(ji)礎，三大 工具(ju)(ju)，我們認為已經形成了(le)(le) AI 走向邊(bian)緣的(de)“基(ji)建雛形”。 上(shang)文闡述(shu)了(le)(le)來自開(kai)源社(she)區或者(zhe)中小開(kai)發者(zhe)參與的(de)模型應(ying)用變化(hua)，在 Chatgpt 面世以來， 大廠也在加速邊(bian)緣推理能力，小模型的(de)開(kai)發。
2 月(yue)，全球(qiu)手機(ji)與 IOT 芯片龍頭(tou)高通，展(zhan)示了其在搭載(zai) 8Gen2 的手機(ji)平臺生(sheng)(sheng)利(li)用 StableDiffusion 生(sheng)(sheng)成了圖片，耗時小(xiao)于 15 秒(miao)。在 5 月(yue)，高通通過持續優化，將(jiang)生(sheng)(sheng)成圖片 的時間(jian)縮短至 12 秒(miao)。
高(gao)通通過與(yu)其芯片配套的(de)全棧(zhan)AI優化(hua)方案，將 stable diffusion 模(mo)型(xing)從 FP32 壓縮至(zhi) INT8， 顯著的(de)降低了運行(xing)時(shi)延和能(neng)耗(hao)，從而實現了模(mo)型(xing)在(zai)手機算力上的(de)安全高(gao)效推理(li)。高(gao)通發 布的(de)全棧(zhan) AI 工(gong)具(ju)，包括(kuo)了 INT8 轉化(hua)，最小(xiao)化(hua)內存溢(yi)出，適配 Hexagon 處理(li)器(qi)的(de) AI 加 速(su)等功(gong)能(neng)，能(neng)夠讓 OEM 廠商快速(su)在(zai)高(gao)通的(de)算力環(huan)境(jing)中部署(shu)其 AI 應用。
在 5 月，谷(gu)歌(ge)也發布了(le)其全(quan)新的(de)(de)(de)語(yu)言大模(mo)型 PaLM2，并(bing)作為發布會中大部分 AI 功能(neng)的(de)(de)(de) 基礎(chu)模(mo)型，值得注意的(de)(de)(de)是(shi)，PaLM2 是(shi)一(yi)個(ge)擁有(you)眾(zhong)多版本(ben)和參數量的(de)(de)(de)模(mo)型體系，其包(bao)(bao)含(han)了(le) 4 個(ge)不同參數的(de)(de)(de)模(mo)型，包(bao)(bao)括壁虎(Gecko)、水獺(Otter)、野牛(Bison)和獨角(jiao)獸(Unicorn)， 并(bing)在特(te)定領域的(de)(de)(de)數據上(shang)進(jin)行了(le)微調，為企業(ye)客戶執行某些任務。其中 PaLM 2 的(de)(de)(de)最輕(qing)版 本(ben) Gecko 足夠小(xiao)，可以在手機(ji)上(shang)運(yun)行，每秒(miao)處理 20 個(ge) tokens，大約(yue)相當于 16 或 17 個(ge) 英文單詞(ci)，谷(gu)歌(ge)在模(mo)型梯(ti)度分布上(shang)的(de)(de)(de)重視程度，也進(jin)一(yi)步驗證了(le)小(xiao)模(mo)型作為 AI 滲透進(jin)入 萬(wan)千場景(jing)的(de)(de)(de)必要性。
將(jiang)視角(jiao)拉回國內(nei)，國內(nei)廠(chang)商在(zai)邊緣小模(mo)型上也正在(zai)加速布(bu)(bu)局(ju)，5 月，中科(ke)創(chuang)(chuang)達發布(bu)(bu) Rubik 魔(mo)(mo)方大模(mo)型，根(gen)據(ju)公司官網介紹(shao)，中科(ke)創(chuang)(chuang)達基(ji)于在(zai)機器(qi)人領域(yu)的深厚積累(lei)，中科(ke)創(chuang)(chuang)達將(jiang) 智(zhi)能音箱與(yu)機器(qi)人進行融合，并通過中科(ke)創(chuang)(chuang)達魔(mo)(mo)方 Rubik 大模(mo)型的不(bu)斷訓練，已(yi)經(jing)實現 了能夠自由對話的智(zhi)能銷售機器(qi)人，可以自主(zhu)回答客戶(hu)關于企業及(ji)產品的各(ge)種問題，為(wei) 企業營銷及(ji)客戶(hu)拓展提供了新的助力(li)。
可以看(kan)出，除了(le)開源社(she)區(qu)和前(qian)沿學(xue)者(zhe)正在不斷(duan)加速模(mo)(mo)(mo)型的可用性，以及邊(bian)緣(yuan)推理(li)的探索， 越來越多的大廠(chang)也加入到了(le)布局邊(bian)緣(yuan)模(mo)(mo)(mo)型的新(xin)一輪“軍(jun)備競賽”中來，我們認為(wei)，隨著(zhu) 兩方的共同努力，一個(ge)由(you)“基礎模(mo)(mo)(mo)型”，“低(di)成本定制工(gong)具(ju)(ju)”，“模(mo)(mo)(mo)型優化(hua)工(gong)具(ju)(ju)”三者(zhe)共同 構(gou)建的邊(bian)緣(yuan)模(mo)(mo)(mo)型生(sheng)產與利用體系將會(hui)飛(fei)速發展。
3. 梯度分布，算力的終極呈現形式
當前市場(chang)主要聚焦于云端算(suan)(suan)(suan)(suan)力，但往(wang)(wang)往(wang)(wang)忽略了(le)云端之外的(de)(de)算(suan)(suan)(suan)(suan)力同樣重要，未來(lai)隨著摩(mo)爾(er) 制成(cheng)(cheng)達到極限，數據傳輸成(cheng)(cheng)本，時延，隱私(si)等(deng)等(deng)因(yin)素的(de)(de)影(ying)響，我們(men)早(zao)在(zai) 2022 年發(fa)布(bu)的(de)(de)報 告《算(suan)(suan)(suan)(suan)力革命：泛在(zai)、綠色與生態(tai)》中(zhong)就強調了(le)由運(yun)算(suan)(suan)(suan)(suan)算(suan)(suan)(suan)(suan)力，邊(bian)(bian)(bian)緣算(suan)(suan)(suan)(suan)力，本地(di)算(suan)(suan)(suan)(suan)力共同 構(gou)成(cheng)(cheng)的(de)(de)“泛在(zai)”算(suan)(suan)(suan)(suan)力，是(shi)算(suan)(suan)(suan)(suan)力的(de)(de)終極存在(zai)形式。 算(suan)(suan)(suan)(suan)力當前的(de)(de)供需格局決定了(le)，“泛在(zai)”或(huo)者(zhe)是(shi)“梯度分(fen)布(bu)”將會是(shi)算(suan)(suan)(suan)(suan)力最終的(de)(de)呈現方(fang)式， 云計算(suan)(suan)(suan)(suan)和邊(bian)(bian)(bian)緣計算(suan)(suan)(suan)(suan)的(de)(de)有(you)機結合：“云—邊(bian)(bian)(bian)”一體有(you)望流行。下面我們(men)將從算(suan)(suan)(suan)(suan)力的(de)(de)供需角度， 來(lai)闡述“泛在(zai)”的(de)(de)必要性(xing)。
供給端 1：受到(dao)(dao)量(liang)子隧(sui)(sui)(sui)穿(chuan)效(xiao)應(ying)影(ying)響(xiang)和商業化成(cheng)本影(ying)響(xiang)，硅基單(dan)(dan)核芯片(pian)(pian)制(zhi)程(cheng)(cheng)將在(zai) 3nm 達 到(dao)(dao)極限。硅基芯片(pian)(pian)晶體管(guan)的(de)(de)柵(zha)長在(zai)低于 3 納(na)米(mi)(mi)時極易發生量(liang)子隧(sui)(sui)(sui)穿(chuan)效(xiao)應(ying)(其原(yuan)理為(wei)，當 柵(zha)長縮小到(dao)(dao)一(yi)定程(cheng)(cheng)度的(de)(de)時候，即(ji)使(shi)沒有(you)加(jia)電壓，源極和漏極都接近互通(tong)，晶體管(guan)便失去 了開關的(de)(de)作用，因而無法實(shi)現邏(luo)輯電路)。因此，通(tong)過(guo)更(geng)加(jia)先(xian)進的(de)(de)納(na)米(mi)(mi)制(zhi)程(cheng)(cheng)工藝提升(sheng)單(dan)(dan)核 芯片(pian)(pian)性能將面(mian)臨技(ji)術上的(de)(de)嚴峻挑戰。 由(you)于量(liang)子隧(sui)(sui)(sui)穿(chuan)效(xiao)應(ying)的(de)(de)存在(zai)，3 納(na)米(mi)(mi)后，單(dan)(dan)芯片(pian)(pian)成(cheng)本將會急(ji)劇上升(sheng)，華為(wei)與(yu)羅蘭貝格數(shu)據 顯示，3 納(na)米(mi)(mi)制(zhi)程(cheng)(cheng)手(shou)機(ji)端(duan)旗艦級 SoC 單(dan)(dan)芯片(pian)(pian)(以高通(tong)驍龍 855 為(wei)例)成(cheng)本較 7 納(na)米(mi)(mi)顯著 增(zeng)加(jia)約(yue) 200 美元，高昂的(de)(de)成(cheng)本將會極大(da)程(cheng)(cheng)度制(zhi)約(yue)終(zhong)端(duan)客戶需求(qiu)，最終(zhong)降低算力供給的(de)(de)增(zeng) 加(jia)。
即(ji)使在能(neng)夠接受較高(gao)成本的(de)大(da)型數(shu)據(ju)(ju)中心(xin)等用戶中，處理器性能(neng)的(de)提(ti)(ti)升(sheng)依舊受到(dao)制(zhi)約， 受存儲、系(xi)統、軟件限制(zhi)(性能(neng))和(he)單位算(suan)力(li)功(gong)耗顯著(zhu)上升(sheng)(功(gong)耗)兩大(da)因素影響，芯(xin) 片核(he)(he)心(xin)數(shu)量(liang)將在 128 核(he)(he)達到(dao)上限。根據(ju)(ju)羅蘭(lan)貝格數(shu)據(ju)(ju)，現有的(de)馮(feng)·諾(nuo)依曼架構下(xia)，通過 擬合不同(tong)核(he)(he)心(xin)數(shu)量(liang)的(de)芯(xin)片計(ji)算(suan)能(neng)力(li)樣本數(shu)據(ju)(ju)，我(wo)們發(fa)現多(duo)核(he)(he)處理器隨(sui)核(he)(he)數(shu)增長，算(suan)力(li)增 長的(de)倍數(shu)快速下(xia)滑：從 2 核(he)(he)增至 4 核(he)(he)時(shi)，總算(suan)力(li)可提(ti)(ti)升(sheng) 1.74 倍，而當(dang)核(he)(he)數(shu)由 128 核(he)(he)增 至 256 核(he)(he)時(shi)，總算(suan)力(li)水平僅能(neng)提(ti)(ti)升(sheng)已跌破 1.2 倍(1.16X)，已顯著(zhu)喪失經濟性。
在單核性能以及多核提(ti)升帶來(lai)的(de)(de)雙重壓制下(xia)，大型數據(ju)中心帶來(lai)的(de)(de)增量(liang)算力(li)邊際增量(liang)將 會迅速遞(di)減(jian)，而興(xing)建(jian)大型數據(ju)中心需要(yao)的(de)(de)土(tu)地，人力(li)，時(shi)間成本(ben)將在海(hai)量(liang)算力(li)時(shi)代制約 “集中式”的(de)(de)算力(li)發展(zhan)。
供給端 2：算力(li)爆發的(de)(de)背景(jing)下(xia)，網(wang)(wang)(wang)絡(luo)性能限制和成(cheng)本將(jiang)會導致數據(ju)(ju)中心的(de)(de)算力(li)難以滿(man)足 復雜場景(jing)下(xia)的(de)(de)需求。網(wang)(wang)(wang)絡(luo)帶(dai)寬(kuan)及網(wang)(wang)(wang)絡(luo)時延共(gong)同(tong)(tong)決定(ding)了(le)(le)網(wang)(wang)(wang)絡(luo)信道的(de)(de)傳(chuan)輸(shu)質量(liang)，影響到(dao)網(wang)(wang)(wang)絡(luo) 算力(li)的(de)(de)發揮(hui)。具體而(er)言，“網(wang)(wang)(wang)絡(luo)化”算力(li)的(de)(de)使用(yong)需要經歷終端與云端的(de)(de)數據(ju)(ju)雙(shuang)向(xiang)傳(chuan)輸(shu)過程(cheng)， 這段過程(cheng)是通過網(wang)(wang)(wang)關、基站、數據(ju)(ju)中心等不(bu)同(tong)(tong)網(wang)(wang)(wang)節點之間的(de)(de)信道所實現的(de)(de)，其(qi)中信道的(de)(de) 容量(liang)決定(ding)了(le)(le)傳(chuan)輸(shu)的(de)(de)速(su)率(帶(dai)寬(kuan))，信道的(de)(de)長(chang)度與材質決定(ding)了(le)(le)數據(ju)(ju)傳(chuan)輸(shu)的(de)(de)時延，兩者共(gong)同(tong)(tong)影 響了(le)(le)數據(ju)(ju)傳(chuan)輸(shu)的(de)(de)效率。
即使隨著當今 5G 網絡加速完善，無論從時延以及容量都相較于 4G 網絡出現了較大程度 提升，但相對于未來社會的海量數據需求來看，完全依靠 IDC 提供算力支撐仍是效率較 低的選擇，無論是智能駕駛對于時延的要求，亦或是傳(chuan)輸高清視頻(pin)圖像等(deng)帶來的大額帶 寬成(cheng)本，都將進一步(bu)加劇“集中式”算力(li)與(yu)“分布式”需求的錯配(pei)。
供給端 3：算(suan)(suan)力(li)高能(neng)(neng)耗(hao)(hao)(hao)(hao)與(yu)全(quan)球雙碳(tan)目(mu)標之間(jian)的(de)(de)(de)(de)矛盾。 隨(sui)(sui)著芯(xin)片制(zhi)成(cheng)逐(zhu)漸(jian)接近量(liang)子(zi)隧(sui)穿效(xiao)應發(fa)生的(de)(de)(de)(de)制(zhi)程(cheng)，當前(qian)主流芯(xin)片的(de)(de)(de)(de)能(neng)(neng)效(xiao)比(bi)正在逐(zhu)漸(jian)接近 極限。單(dan)位算(suan)(suan)力(li)功耗(hao)(hao)(hao)(hao)在過(guo)去 10 多(duo)年間(jian)經歷了(le)顯(xian)著下降(jiang)，但隨(sui)(sui)著硅基芯(xin)片工藝制(zhi)程(cheng)提(ti)(ti)升(sheng)(sheng)的(de)(de)(de)(de) 難度凸顯(xian)，其進(jin)一步下探幅度有(you)限，這意味著，等量(liang)算(suan)(suan)力(li)的(de)(de)(de)(de)提(ti)(ti)升(sheng)(sheng)，即將對應等量(liang)能(neng)(neng)耗(hao)(hao)(hao)(hao)需 求(qiu)的(de)(de)(de)(de)提(ti)(ti)升(sheng)(sheng)。面對未(wei)(wei)來百倍的(de)(de)(de)(de)算(suan)(suan)力(li)需求(qiu)，高能(neng)(neng)耗(hao)(hao)(hao)(hao)問題將成(cheng)為(wei)人(ren)類(lei)算(suan)(suan)力(li)發(fa)展過(guo)程(cheng)中(zhong)(zhong)(zhong)的(de)(de)(de)(de)重要(yao)(yao)瓶 頸(jing)。 同時(shi)(shi)，隨(sui)(sui)著我國(guo)(guo)雙碳(tan)目(mu)標的(de)(de)(de)(de)提(ti)(ti)出(chu)，對于(yu)數據中(zhong)(zhong)(zhong)心(xin)(xin)的(de)(de)(de)(de)耗(hao)(hao)(hao)(hao)電(dian)(dian)量(liang)，PUE 值都提(ti)(ti)出(chu)了(le)更嚴格(ge)的(de)(de)(de)(de)要(yao)(yao) 求(qiu)，截至 2020 年底(di)，中(zhong)(zhong)(zhong)國(guo)(guo)數據中(zhong)(zhong)(zhong)心(xin)(xin)耗(hao)(hao)(hao)(hao)電(dian)(dian)量(liang)已經突(tu)破 2000 億千瓦時(shi)(shi)，能(neng)(neng)耗(hao)(hao)(hao)(hao)占(zhan)全(quan)國(guo)(guo)總用電(dian)(dian) 量(liang)的(de)(de)(de)(de) 2.7%，隨(sui)(sui)著數據中(zhong)(zhong)(zhong)心(xin)(xin)進(jin)一步擴容(rong)，算(suan)(suan)力(li)需求(qiu)進(jin)一步提(ti)(ti)升(sheng)(sheng)，解決(jue)數據中(zhong)(zhong)(zhong)心(xin)(xin)能(neng)(neng)耗(hao)(hao)(hao)(hao)問題的(de)(de)(de)(de) 需求(qiu)也(ye)愈發(fa)迫(po)切。在可見的(de)(de)(de)(de)未(wei)(wei)來，具備低時(shi)(shi)延(yan)特性的(de)(de)(de)(de)核心(xin)(xin)城(cheng)市 IDC 供給將進(jin)一步被壓(ya) 縮，如何通過(guo)有(you)效(xiao)的(de)(de)(de)(de)邊緣(yuan)側處(chu)理手(shou)段，使(shi)得(de)有(you)限的(de)(de)(de)(de)核心(xin)(xin)城(cheng)市算(suan)(suan)力(li)資源(yuan)得(de)到充分利用，也(ye) 是本輪“算(suan)(suan)力(li)革(ge)命(ming)”急需解決(jue)的(de)(de)(de)(de)難題。
需求端：智能化社會大潮下，對應百倍流量增長需求。隨著以人工智能、物聯網、區塊 鏈、AR/VR 等關鍵信息技術逐漸成熟，社會中大量智能化場景將得到實現。根據羅蘭貝 格報告，人工智能技術將推動無人駕駛、智能辦公、智慧醫療等場景的有效落地，物聯 網技術將推動智能消防、智慧工廠、智慧農場、智能家居等(deng)(deng)場(chang)(chang)(chang)景(jing)落地(di)(di)，區塊(kuai)鏈技(ji)術將(jiang)推 動應用于(yu)數(shu)字(zi)證書(shu)、信息(xi)加密等(deng)(deng)場(chang)(chang)(chang)景(jing)落地(di)(di)，AR/VR 技(ji)術則可(ke)推動智慧(hui)商場(chang)(chang)(chang)、游戲、智慧(hui) 課堂(tang)等(deng)(deng)場(chang)(chang)(chang)景(jing)落地(di)(di)。這(zhe)些場(chang)(chang)(chang)景(jing)未來將(jiang)在(zai)產(chan)業領(ling)域(yu)實現跨越式發展(zhan)(zhan)、助力(li)各產(chan)業創新、增(zeng)強(qiang) 產(chan)業數(shu)字(zi)化程度(du)并增(zeng)強(qiang)市(shi)場(chang)(chang)(chang)活力(li)，在(zai)政(zheng)務領(ling)域(yu)幫(bang)助政(zheng)府提(ti)升運(yun)行效(xiao)率、提(ti)高城市(shi)管(guan)理水平(ping)、加強(qiang)居民(min)(min)生(sheng)活幸福度(du)，在(zai)民(min)(min)生(sheng)領(ling)域(yu)推動社會(hui)(hui)民(min)(min)生(sheng)保障、創造宜居空間、實現可(ke)持續 化發展(zhan)(zhan)，共同推動社會(hui)(hui)向智能社會(hui)(hui)發展(zhan)(zhan)。
根(gen)據(ju)華為《泛(fan)在(zai)算力(li)報告》，在(zai)人工智能、物聯網、區塊鏈、AR/VR 四大(da)領(ling)域，到 2030 年，相比 2018 年，都(dou)將出(chu)現百倍到千倍的算力(li)需(xu)求增長(chang)，同時(shi)對(dui)于網絡的延遲也提出(chu)了 更高的要求。
從算(suan)力(li)(li)(li)需(xu)求看，人工智能(neng)(neng)技術(shu)對(dui)于算(suan)力(li)(li)(li)的(de)(de)(de)(de)(de)核心(xin)(xin)拉(la)動(dong)(dong)點(dian)在于未來(lai)各應用場景內單設(she)(she)備(bei)芯片 算(suan)力(li)(li)(li)的(de)(de)(de)(de)(de)增長(chang)和(he)人工智能(neng)(neng)技術(shu)的(de)(de)(de)(de)(de)行業滲透(tou)率的(de)(de)(de)(de)(de)進(jin)一步提升，物(wu)聯(lian)網(wang)主要(yao)(yao)通過低算(suan)力(li)(li)(li)物(wu)聯(lian)網(wang) 設(she)(she)備(bei)的(de)(de)(de)(de)(de)普(pu)及、配套云端(duan)(duan)計(ji)算(suan)中心(xin)(xin)和(he)邊緣(yuan)端(duan)(duan)計(ji)算(suan)單元(yuan)的(de)(de)(de)(de)(de)增加共同(tong)拉(la)動(dong)(dong)算(suan)力(li)(li)(li)增長(chang)，區(qu)塊鏈因安全(quan)問題要(yao)(yao)求的(de)(de)(de)(de)(de)算(suan)力(li)(li)(li)持續增長(chang)和(he)應用場景的(de)(de)(de)(de)(de)快速普(pu)及將(jiang)帶動(dong)(dong)以(yi)云服(fu)務器(qi)為主的(de)(de)(de)(de)(de)算(suan)力(li)(li)(li)增長(chang)， VR/AR 設(she)(she)備(bei)的(de)(de)(de)(de)(de)普(pu)及和(he)普(pu)及需(xu)要(yao)(yao)的(de)(de)(de)(de)(de)云計(ji)算(suan)中心(xin)(xin)和(he)邊緣(yuan)計(ji)算(suan)設(she)(she)備(bei)算(suan)力(li)(li)(li)配套將(jiang)共同(tong)推動(dong)(dong)整體算(suan) 力(li)(li)(li)的(de)(de)(de)(de)(de)增長(chang)。 從時(shi)延要(yao)(yao)求看，L3 級(ji)別(bie)的(de)(de)(de)(de)(de)自動(dong)(dong)駕駛(shi)對(dui)于傳輸時(shi)延的(de)(de)(de)(de)(de)要(yao)(yao)求在 10-20 毫秒(miao)，在進(jin)入 L4&L5 級(ji) 別(bie)后(hou)，對(dui)于傳輸時(shi)延的(de)(de)(de)(de)(de)要(yao)(yao)求進(jin)一步提高到(dao)(dao) 10 毫秒(miao)以(yi)下;使(shi)用物(wu)聯(lian)網(wang)建設(she)(she)智慧(hui)工廠對(dui)車間 內部(bu)的(de)(de)(de)(de)(de)局(ju)域網(wang)絡帶寬需(xu)要(yao)(yao)達到(dao)(dao) Gbps 級(ji)別(bie)，最高時(shi)延須控制(zhi)在 5ms-10ms 以(yi)內;在 VR/AR 游戲(xi)中，端(duan)(duan)到(dao)(dao)端(duan)(duan)的(de)(de)(de)(de)(de)時(shi)延至少需(xu)要(yao)(yao)小于 20 毫秒(miao)，才(cai)能(neng)(neng)保證在使(shi)用過程中避免感(gan)知到(dao)(dao)明顯的(de)(de)(de)(de)(de) 圖像滯(zhi)后(hou)而導致的(de)(de)(de)(de)(de)眩暈。
由此可見，供給端的單芯片制程、能源限制，傳輸費用，與需求端的降本，能耗，時延 所帶來的供需錯配，是算力走向泛在的核心因素。近年以來，我們也看到了中國為了解 決算力調度問題所作出的努力，其中最具代表性的便是“東數西算”與三大運營商所提 出的(de)(de)(de)(de)“算力網(wang)(wang)絡(luo)”。 為什么(me)要(yao)強(qiang)調(diao)“東(dong)(dong)數西算”或者是“算力網(wang)(wang)絡(luo)”的(de)(de)(de)(de)重(zhong)要(yao)性，因為我(wo)們認為，脫離了(le)“網(wang)(wang) 絡(luo)”的(de)(de)(de)(de)邊緣(yuan)算力是沒有意義(yi)的(de)(de)(de)(de)，未來的(de)(de)(de)(de)邊緣(yuan)算力一(yi)(yi)定是通過(guo)“算力網(wang)(wang)絡(luo)”，與云端大算力 一(yi)(yi)起，實(shi)現智(zhi)能融合與實(shi)時調(diao)度，邊緣(yuan)預處理的(de)(de)(de)(de) token 通過(guo)算力網(wang)(wang)絡(luo)，調(diao)用云端算力進(jin) 行 token，科研機構通過(guo)“算力網(wang)(wang)絡(luo)”調(diao)度系統(tong)，實(shi)時分配(pei)與匹(pi)配(pei)各(ge)類不同的(de)(de)(de)(de)算力需求， 可以說，“算力網(wang)(wang)”的(de)(de)(de)(de)作用，在 AI 時代(dai)，重(zhong)要(yao)程度將(jiang)不亞于通信(xin)網(wang)(wang)絡(luo)。 當前，得益于我(wo)國“集中(zhong)力量辦大事(shi)”的(de)(de)(de)(de)優勢，在“東(dong)(dong)數西算”這一(yi)(yi)頂層設(she)計(ji)指揮下， 我(wo)國在“算力網(wang)(wang)絡(luo)”建設(she)上已經取得了(le)領先世界的(de)(de)(de)(de)進(jin)度。
首(shou)先(xian)是(shi)(shi)“東(dong)(dong)數(shu)(shu)(shu)西算(suan)(suan)(suan)”，“東(dong)(dong)數(shu)(shu)(shu)西算(suan)(suan)(suan)”工程首(shou)次(ci)提(ti)出于 2021 年 5 月 24 日(ri)的(de)(de)《全國一(yi)體化(hua)大 數(shu)(shu)(shu)據(ju)中(zhong)心(xin)(xin)協同創新體系算(suan)(suan)(suan)力(li)樞紐(niu)實施方案》，此后，在(zai)國務院發(fa)布(bu)(bu)的(de)(de)《“十四五”數(shu)(shu)(shu)字(zi)經 濟(ji)發(fa)展(zhan)規劃》中(zhong)，也再(zai)次(ci)將其作(zuo)為(wei)一(yi)個(ge)重要章節進(jin)行部署(shu)。 根據(ju)官方解(jie)讀，“‘東(dong)(dong)數(shu)(shu)(shu)西算(suan)(suan)(suan)’中(zhong)的(de)(de)‘數(shu)(shu)(shu)’，指的(de)(de)是(shi)(shi)數(shu)(shu)(shu)據(ju)，‘算(suan)(suan)(suan)’指的(de)(de)是(shi)(shi)算(suan)(suan)(suan)力(li)，即對數(shu)(shu)(shu)據(ju)的(de)(de) 處理(li)能力(li)。”我國西部地(di)區資源(yuan)(yuan)充裕，特別是(shi)(shi)可再(zai)生能源(yuan)(yuan)豐富，具備發(fa)展(zhan)數(shu)(shu)(shu)據(ju)中(zhong)心(xin)(xin)、承接 東(dong)(dong)部算(suan)(suan)(suan)力(li)需求的(de)(de)潛力(li)。“東(dong)(dong)數(shu)(shu)(shu)西算(suan)(suan)(suan)”就(jiu)是(shi)(shi)通過(guo)構(gou)建(jian)數(shu)(shu)(shu)據(ju)中(zhong)心(xin)(xin)、云計算(suan)(suan)(suan)、大數(shu)(shu)(shu)據(ju)一(yi)體化(hua)的(de)(de)新 型算(suan)(suan)(suan)力(li)網(wang)絡體系，將東(dong)(dong)部算(suan)(suan)(suan)力(li)需求有序引導到西部，優化(hua)數(shu)(shu)(shu)據(ju)中(zhong)心(xin)(xin)建(jian)設布(bu)(bu)局，促進(jin)東(dong)(dong)西 部協同聯動。簡單地(di)說，就(jiu)是(shi)(shi)讓西部的(de)(de)算(suan)(suan)(suan)力(li)資源(yuan)(yuan)更(geng)充分地(di)支(zhi)撐東(dong)(dong)部數(shu)(shu)(shu)據(ju)的(de)(de)運算(suan)(suan)(suan)，更(geng)好(hao)為(wei) 數(shu)(shu)(shu)字(zi)化(hua)發(fa)展(zhan)賦能。
東數(shu)(shu)(shu)西(xi)算(suan)布(bu)局顯示，整個(ge)工程(cheng)共(gong)包含(han) 8 大算(suan)力(li)(li)(li)樞紐，承擔(dan)我國(guo)算(suan)力(li)(li)(li)網絡的(de)(de)骨干(gan)連(lian)接點(dian)， 發(fa)展數(shu)(shu)(shu)據中(zhong)(zhong)心集群(qun)(qun)，開展數(shu)(shu)(shu)據中(zhong)(zhong)心與網絡、云計算(suan)、大數(shu)(shu)(shu)據之(zhi)間的(de)(de)協同(tong)建設，并(bing)作為國(guo) 家(jia)“東數(shu)(shu)(shu)西(xi)算(suan)”工程(cheng)的(de)(de)戰略支點(dian)，推動(dong)算(suan)力(li)(li)(li)資源(yuan)有序(xu)向西(xi)轉移，促進解決東西(xi)部算(suan)力(li)(li)(li)供 需失衡問題(ti)。圍繞(rao)每個(ge)樞紐節點(dian)，都規劃設立了 1 至(zhi) 2 個(ge)數(shu)(shu)(shu)據中(zhong)(zhong)心集群(qun)(qun)。算(suan)力(li)(li)(li)樞紐和集 群(qun)(qun)的(de)(de)關系，類似于交通樞紐和客運車(che)站。國(guo)家(jia)發(fa)展改革委創新(xin)驅動(dong)發(fa)展中(zhong)(zhong)心副主任徐彬 說(shuo)，數(shu)(shu)(shu)據中(zhong)(zhong)心集群(qun)(qun)將匯聚大型、超(chao)大型數(shu)(shu)(shu)據中(zhong)(zhong)心，具體承接數(shu)(shu)(shu)據流(liu)量。集群(qun)(qun)將獲得更好 的(de)(de)政策(ce)支持(chi)、配套保障，同(tong)時在綠色(se)節能、資源(yuan)利用率、安全(quan)保障水平等方面也會有更 嚴格的(de)(de)要求(qiu)。
東數(shu)西算(suan)工(gong)(gong)(gong)程自 2022 年(nian) 2 月正式啟動以來，經過超過一年(nian)多(duo)的(de)(de)(de)(de)(de)準備，八個(ge)國(guo)家算(suan)力(li)(li)樞(shu) 紐節點已經全部開工(gong)(gong)(gong)，正式進入全面建(jian)設(she)(she)階段。截止 3 月 17 日，在(zai)已經開工(gong)(gong)(gong)的(de)(de)(de)(de)(de) 8 個(ge)國(guo) 家算(suan)力(li)(li)樞(shu)紐中，今年(nian)新(xin)開工(gong)(gong)(gong)的(de)(de)(de)(de)(de)數(shu)據中心(xin)項目近 70 個(ge)，其(qi)中，西部新(xin)增數(shu)據中心(xin)的(de)(de)(de)(de)(de)建(jian)設(she)(she)規 模(mo)超過 60 萬機(ji)架，同比翻(fan)了一番(fan)。至(zhi)此(ci)，國(guo)家算(suan)力(li)(li)網(wang)絡(luo)體(ti)系架構初步形(xing)成(cheng)。 站在(zai)當前的(de)(de)(de)(de)(de) AI 爆發起點，我們(men)再(zai)次回看“東數(shu)西算(suan)”工(gong)(gong)(gong)程，有道理相信國(guo)家的(de)(de)(de)(de)(de)提前布 局，大力(li)(li)投入，將會是我國(guo)“算(suan)力(li)(li)”實(shi)(shi)現高效(xiao)利用，在(zai) AI 時(shi)代搶奪先(xian)機(ji)的(de)(de)(de)(de)(de)重(zhong)(zhong)要(yao)基(ji)(ji)建(jian)。 基(ji)(ji)于東數(shu)西算(suan)體(ti)系，“算(suan)力(li)(li)網(wang)絡(luo)”的(de)(de)(de)(de)(de)建(jian)設(she)(she)就顯(xian)得更加順其(qi)自然。“算(suan)力(li)(li)網(wang)絡(luo)”是當前三大 運(yun)(yun)營商建(jian)設(she)(she)的(de)(de)(de)(de)(de)重(zhong)(zhong)要(yao)方(fang)向(xiang)，三大運(yun)(yun)營商積累了眾多(duo)的(de)(de)(de)(de)(de)算(suan)力(li)(li)，機(ji)柜資(zi)(zi)源，如何通過“算(suan)力(li)(li)網(wang) 絡(luo)”的(de)(de)(de)(de)(de)建(jian)設(she)(she)，使得用戶(hu)實(shi)(shi)現“有網(wang)絡(luo)的(de)(de)(de)(de)(de)地方(fang)就有算(suan)力(li)(li)”，將是運(yun)(yun)營商建(jian)設(she)(she)“AI”時(shi)代核心(xin) 資(zi)(zi)產的(de)(de)(de)(de)(de)最重(zhong)(zhong)要(yao)方(fang)向(xiang)。
中(zhong)國(guo)移(yi)動(dong)(dong)的算力資(zi)源(yuan)網(wang)絡建設可以用“4+N+31+X”的數據中(zhong)心(xin)(xin)布局來概括，即 4 熱點(dian) 區域+N 中(zhong)心(xin)(xin)節(jie)點(dian)+31 省級節(jie)點(dian)+X 邊(bian)緣節(jie)點(dian)，中(zhong)國(guo)移(yi)動(dong)(dong)近(jin)三年累計(ji)投(tou)資(zi)近(jin) 900 億元，累 計(ji)投(tou)產(chan)云服務器 71 萬(wan)臺(tai)，覆蓋“東(dong)數西(xi)算”全(quan)部(bu)核(he)心(xin)(xin)樞紐(niu);深(shen)化云邊(bian)端協(xie)同(tong)發展，實現 中(zhong)心(xin)(xin)云“一(yi)省一(yi)池”，建成邊(bian)緣節(jie)點(dian)超(chao) 1000 個(ge)。
中(zhong)國(guo)(guo)電信(xin)(xin)于 2022 年發(fa)(fa)布(bu)“云網(wang)(wang)(wang)(wang)(wang)(wang)融(rong)合(he)(he) 3.0”，提出六(liu)大特征：云網(wang)(wang)(wang)(wang)(wang)(wang)一體、要(yao)素聚合(he)(he)、智能(neng)(neng) 敏捷、安全可信(xin)(xin)、能(neng)(neng)力(li)開放、綠(lv)色低碳。中(zhong)國(guo)(guo)電信(xin)(xin)在智能(neng)(neng)算(suan)(suan)(suan)(suan)(suan)力(li)領域布(bu)局相對(dui)領先，率(lv)先 構(gou)(gou)建(jian)“6+31+N+X”的(de)(de)四級 AI 算(suan)(suan)(suan)(suan)(suan)力(li)架(jia)(jia)構(gou)(gou)，將(jiang)有力(li)提升天翼視(shi)聯(lian)網(wang)(wang)(wang)(wang)(wang)(wang)等重點業(ye)務(wu)的(de)(de)數智化能(neng)(neng) 力(li)。 中(zhong)國(guo)(guo)聯(lian)通(tong)明(ming)確推進架(jia)(jia)構(gou)(gou)先進、安全可靠、服務(wu)卓越的(de)(de)算(suan)(suan)(suan)(suan)(suan)力(li)網(wang)(wang)(wang)(wang)(wang)(wang)絡新(xin)布(bu)局，為數字經濟打造(zao) “第一算(suan)(suan)(suan)(suan)(suan)力(li)引擎”。制(zhi)定《聯(lian)通(tong)算(suan)(suan)(suan)(suan)(suan)網(wang)(wang)(wang)(wang)(wang)(wang)融(rong)合(he)(he)發(fa)(fa)展行動計(ji)劃(hua) 2022~2025》，提出通(tong)過(guo)云、網(wang)(wang)(wang)(wang)(wang)(wang)、 邊(bian)、端、業(ye)的(de)(de)高效協(xie)同提供算(suan)(suan)(suan)(suan)(suan)網(wang)(wang)(wang)(wang)(wang)(wang)一體化的(de)(de)新(xin)型算(suan)(suan)(suan)(suan)(suan)力(li)基礎設施及服務(wu)，打造(zao)基于算(suan)(suan)(suan)(suan)(suan)網(wang)(wang)(wang)(wang)(wang)(wang)融(rong)合(he)(he) 設計(ji)的(de)(de)服務(wu)型算(suan)(suan)(suan)(suan)(suan)力(li)網(wang)(wang)(wang)(wang)(wang)(wang)絡，形成網(wang)(wang)(wang)(wang)(wang)(wang)絡與計(ji)算(suan)(suan)(suan)(suan)(suan)深度(du)融(rong)合(he)(he)的(de)(de)算(suan)(suan)(suan)(suan)(suan)網(wang)(wang)(wang)(wang)(wang)(wang)一體化格局，賦能(neng)(neng)算(suan)(suan)(suan)(suan)(suan)力(li)產業(ye)發(fa)(fa) 展。 從(cong)三大運(yun)營(ying)商的(de)(de)布(bu)局可以(yi)看出，算(suan)(suan)(suan)(suan)(suan)力(li)體系基本由從(cong)中(zhong)心節點到邊(bian)緣(yuan)資(zi)(zi)源池的(de)(de)四層體系構(gou)(gou) 建(jian)，這也驗證了我們上(shang)文(wen)所闡述的(de)(de)，算(suan)(suan)(suan)(suan)(suan)力(li)梯度(du)分布(bu)+算(suan)(suan)(suan)(suan)(suan)力(li)網(wang)(wang)(wang)(wang)(wang)(wang)絡建(jian)設是(shi)(shi)未(wei)來中(zhong)國(guo)(guo)算(suan)(suan)(suan)(suan)(suan)力(li)的(de)(de)最(zui) 終形態，從(cong)三家運(yun)營(ying)商的(de)(de)表述中(zhong)我們也可以(yi)看出，“X”即邊(bian)緣(yuan)，是(shi)(shi)未(wei)來我國(guo)(guo)算(suan)(suan)(suan)(suan)(suan)力(li)網(wang)(wang)(wang)(wang)(wang)(wang)絡的(de)(de) 最(zui)重要(yao)組(zu)成部分之(zhi)一，我們將(jiang)在下(xia)一節中(zhong)探(tan)討(tao)，邊(bian)緣(yuan)算(suan)(suan)(suan)(suan)(suan)力(li)網(wang)(wang)(wang)(wang)(wang)(wang)絡資(zi)(zi)源部署的(de)(de)幾種模式(shi)。
4. 邊緣算力，連接 AI 與用戶的紐帶
邊(bian)(bian)緣(yuan)(yuan)計(ji)算(suan)(suan)(suan)(suan)，即將計(ji)算(suan)(suan)(suan)(suan)資源部署靠近(jin)用(yong)戶和數(shu)(shu)據(ju)源的(de)(de)(de)網絡邊(bian)(bian)緣(yuan)(yuan)側，通(tong)過(guo)(guo)更(geng)靠近(jin)數(shu)(shu)據(ju)源或(huo)者 最終用(yong)戶的(de)(de)(de)距離(li)，從而實現(xian)更(geng)低的(de)(de)(de)時延(yan)、更(geng)好的(de)(de)(de)隱私以(yi)及更(geng)優(you)的(de)(de)(de)成本(ben)。進(jin)入大模型時代 以(yi)來，我(wo)們(men)認為(wei)(wei)邊(bian)(bian)緣(yuan)(yuan)側的(de)(de)(de)定義(yi)應隨(sui)著(zhu) AI 的(de)(de)(de)發展進(jin)一步拓展，邊(bian)(bian)緣(yuan)(yuan)計(ji)算(suan)(suan)(suan)(suan)應該當是離(li)模型 推(tui)理發生處最近(jin)的(de)(de)(de)算(suan)(suan)(suan)(suan)力，或(huo)者是幫助(zhu)云(yun)端算(suan)(suan)(suan)(suan)力進(jin)行預推(tui)理的(de)(de)(de)算(suan)(suan)(suan)(suan)力。 不同(tong)于(yu)由超大型數(shu)(shu)據(ju)中(zhong)(zhong)心與智(zhi)算(suan)(suan)(suan)(suan)中(zhong)(zhong)心形(xing)式(shi)部署的(de)(de)(de)云(yun)端算(suan)(suan)(suan)(suan)力，邊(bian)(bian)緣(yuan)(yuan)算(suan)(suan)(suan)(suan)力的(de)(de)(de)部署形(xing)式(shi)隨(sui)著(zhu)智(zhi) 能設備以(yi)及邊(bian)(bian)緣(yuan)(yuan)數(shu)(shu)據(ju)中(zhong)(zhong)心的(de)(de)(de)出(chu)現(xian)變得(de)(de)愈發多樣。我(wo)們(men)認為(wei)(wei)，邊(bian)(bian)緣(yuan)(yuan)算(suan)(suan)(suan)(suan)力的(de)(de)(de)存在(zai)形(xing)式(shi)主要可(ke) 以(yi)分(fen)為(wei)(wei)兩類(lei)(lei)，第(di)(di)一類(lei)(lei)是通(tong)過(guo)(guo)邊(bian)(bian)緣(yuan)(yuan)算(suan)(suan)(suan)(suan)力芯片(pian)提供，通(tong)過(guo)(guo)定制 PCB 板輸出(chu)，或(huo)者通(tong)過(guo)(guo)模組形(xing) 式(shi)輸出(chu)。第(di)(di)二類(lei)(lei)則(ze)更(geng)加類(lei)(lei)似于(yu)傳(chuan)統(tong)數(shu)(shu)據(ju)中(zhong)(zhong)心，通(tong)過(guo)(guo)將機柜(ju)布置在(zai)離(li)用(yong)戶較近(jin)的(de)(de)(de)機房(fang)中(zhong)(zhong)， 來獲得(de)(de)類(lei)(lei)似于(yu)本(ben)地算(suan)(suan)(suan)(suan)力的(de)(de)(de)便捷性。
目前，邊(bian)(bian)緣(yuan)算(suan)力(li)(li)的(de)(de)(de)存在形式主流是邊(bian)(bian)緣(yuan)計算(suan)芯片。從全球(qiu)來(lai)看，邊(bian)(bian)緣(yuan)算(suan)力(li)(li)芯片巨頭(tou)廠商 主要包括了(le)高(gao)通、蘋果與英偉達(da)三大(da)巨頭(tou)。其中(zhong)，蘋果的(de)(de)(de)邊(bian)(bian)緣(yuan)芯片主要用(yong)于其生態體系 內的(de)(de)(de)如 Iphone、Ipad 等(deng)產(chan)(chan)品內，英偉達(da)邊(bian)(bian)緣(yuan)產(chan)(chan)品主要是車側的(de)(de)(de)自動駕駛芯片如 Orin， 這兩家的(de)(de)(de)體系較(jiao)為(wei)封(feng)閉，搭載(zai)的(de)(de)(de)產(chan)(chan)品數量(liang)也(ye)較(jiao)少。而高(gao)通作為(wei)全球(qiu)手(shou)機(ji)芯片巨頭(tou)，基于 驍(xiao)龍系列(lie)手(shou)機(ji)芯片推出了(le)一系列(lie)專為(wei)邊(bian)(bian)緣(yuan)側設計的(de)(de)(de)模組芯片，將傳統(tong)(tong)的(de)(de)(de) IOT 設備賦予了(le) 算(suan)力(li)(li)，也(ye)改變(bian)了(le)過去邊(bian)(bian)緣(yuan)側設備只(zhi)能(neng)基于功耗與成本較(jiao)高(gao)的(de)(de)(de) X86 平(ping)臺的(de)(de)(de)格(ge)局。當下，主 流的(de)(de)(de)物聯網算(suan)力(li)(li)場(chang)景，如智(zhi)能(neng)車機(ji)，智(zhi)能(neng)零售等(deng)，普遍采(cai)用(yong)高(gao)通芯片來(lai)提(ti)供算(suan)力(li)(li)和搭載(zai) 系統(tong)(tong)。
經過多年迭代，高通于今年 4 月推出了最新一代的物聯網芯片 QCS8550A/QCM8550，處 理器整合強大算力和邊緣側 AI 處理、Wi-Fi 7 連接以及增強圖形和視頻功能，為高性能 需求的物聯網應用提供支(zhi)持(chi)并助力(li)其快速部署，比如自主(zhu)移動機(ji)器人和(he)工業無人機(ji)。上 述產品(pin)采用了高(gao)通(tong)(tong)優(you)化的(de) AI 架構。高(gao)通(tong)(tong) QCS8550 和(he)高(gao)通(tong)(tong) QCM8550 還(huan)支(zhi)持(chi)增(zeng)強的(de)視(shi)頻(pin) 和(he)圖形處理，支(zhi)持(chi)沉(chen)浸式(shi)云游戲、視(shi)頻(pin)協作和(he)視(shi)頻(pin)流媒(mei)體體驗(yan)。我們認為，隨著專為 AI 處理優(you)化的(de) 8550 系列芯(xin)片的(de)推出，從(cong)芯(xin)片側(ce)來看，海外巨頭(tou)已經做(zuo)好了將 AI 帶入邊 緣側(ce)的(de)基建準備。
將芯片的視角拉回國(guo)(guo)(guo)內(nei)，國(guo)(guo)(guo)內(nei)經過幾年追趕(gan)，也涌現(xian)出(chu)了(le)許多優秀的邊(bian)(bian)緣芯片提(ti)供(gong)(gong)廠(chang)商(shang)(shang)， 他(ta)們聚焦于處理芯片或通(tong)信(xin)芯片，為邊(bian)(bian)緣計算(suan)(suan)能力的國(guo)(guo)(guo)產替代添磚加瓦。從國(guo)(guo)(guo)內(nei)主(zhu)要的 邊(bian)(bian)緣算(suan)(suan)力 SOC 提(ti)供(gong)(gong)廠(chang)商(shang)(shang)包(bao)括(kuo)了(le)全志科(ke)技(ji)、晶晨股份、瑞(rui)芯微等廠(chang)商(shang)(shang)，而邊(bian)(bian)緣通(tong)信(xin)芯片廠(chang) 商(shang)(shang)則包(bao)括(kuo)了(le)如翱捷科(ke)技(ji)、樂鑫(xin)科(ke)技(ji)、紫光展銳、移芯科(ke)技(ji)等廠(chang)商(shang)(shang)。
國內的(de)(de)(de)(de)邊(bian)緣(yuan)算(suan)力(li)(li) SOC 廠(chang)(chang)商采(cai)取了與(yu)高(gao)通不同(tong)的(de)(de)(de)(de)發展策略，更多的(de)(de)(de)(de)走向了綁定(ding)(ding)大(da)(da)廠(chang)(chang)，大(da)(da)單(dan) 品(pin)(pin)的(de)(de)(de)(de)形式，從產(chan)(chan)(chan)(chan)品(pin)(pin)設計(ji)(ji)階段(duan)開(kai)始，深度參與(yu)芯(xin)片(pian)(pian)(pian)與(yu)產(chan)(chan)(chan)(chan)品(pin)(pin)的(de)(de)(de)(de)融(rong)合與(yu)定(ding)(ding)制化開(kai)發，而高(gao)通則 更希望通過將芯(xin)片(pian)(pian)(pian)制作成(cheng)模組，來(lai)為全球(qiu)所有(you)的(de)(de)(de)(de)中(zhong)小開(kai)發者來(lai)提(ti)供標(biao)準化，易于(yu)(yu)獲得的(de)(de)(de)(de) 邊(bian)緣(yuan)計(ji)(ji)算(suan)能(neng)力(li)(li)。 國內模組廠(chang)(chang)采(cai)用(yong)的(de)(de)(de)(de)定(ding)(ding)制化+大(da)(da)單(dan)品(pin)(pin)策略，一(yi)般(ban)是指客戶基于(yu)(yu)邊(bian)緣(yuan)算(suan)力(li)(li)芯(xin)片(pian)(pian)(pian)，在 PCB 設計(ji)(ji)、 產(chan)(chan)(chan)(chan)品(pin)(pin)功能(neng)設計(ji)(ji)階段(duan)就(jiu)與(yu)該芯(xin)片(pian)(pian)(pian)進行綁定(ding)(ding)，從而設計(ji)(ji)并生產(chan)(chan)(chan)(chan)出能(neng)夠完美(mei)適配芯(xin)片(pian)(pian)(pian)的(de)(de)(de)(de)產(chan)(chan)(chan)(chan)品(pin)(pin)，但(dan)前期(qi)定(ding)(ding)制 PCB，調試芯(xin)片(pian)(pian)(pian)的(de)(de)(de)(de)費用(yong)較大(da)(da)，需要用(yong)大(da)(da)批(pi)量(liang)出貨來(lai)攤薄成(cheng)本，并且一(yi)旦失敗， 產(chan)(chan)(chan)(chan)品(pin)(pin)開(kai)發者需要承擔較大(da)(da)的(de)(de)(de)(de)虧損。因此，大(da)(da)量(liang)采(cai)用(yong)國產(chan)(chan)(chan)(chan)邊(bian)緣(yuan)算(suan)力(li)(li)平臺的(de)(de)(de)(de)廠(chang)(chang)家一(yi)般(ban)包括了 如智(zhi)能(neng)音箱廠(chang)(chang)商、掃地機器人廠(chang)(chang)商等具有(you)雄厚(hou)實力(li)(li)的(de)(de)(de)(de)公司。
與國內邊(bian)緣(yuan)(yuan)(yuan)算(suan)(suan)力(li)(li)廠(chang)商(shang)相反(fan)，高通(tong)憑借其全球市場領先地位，覆蓋了(le)(le)海量的(de)(de)(de)(de)下(xia)游應用場景 與中(zhong)小(xiao)開發(fa)(fa)者，因此，高通(tong)邊(bian)緣(yuan)(yuan)(yuan)算(suan)(suan)力(li)(li)芯片(pian)中(zhong)，最(zui)為重要的(de)(de)(de)(de)一個承(cheng)載形(xing)式(shi)(shi)模(mo)式(shi)(shi)便是(shi)物聯(lian)網(wang) 模(mo)組(zu)(zu)(zu)。 與偏向(xiang)定制化(hua)的(de)(de)(de)(de)物聯(lian)網(wang)芯片(pian)不同，物聯(lian)網(wang)模(mo)組(zu)(zu)(zu)通(tong)過(guo)對高通(tong)算(suan)(suan)力(li)(li)芯片(pian)的(de)(de)(de)(de)預(yu)打(da)包，預(yu)調(diao)試(shi)， 使(shi)得中(zhong)小(xiao)開發(fa)(fa)者可以通(tong)過(guo)開發(fa)(fa)板的(de)(de)(de)(de)形(xing)式(shi)(shi)，快速(su)的(de)(de)(de)(de)獲得基于模(mo)組(zu)(zu)(zu)的(de)(de)(de)(de)標準化(hua)的(de)(de)(de)(de)，穩定的(de)(de)(de)(de)通(tong)信 能力(li)(li)和邊(bian)緣(yuan)(yuan)(yuan)算(suan)(suan)力(li)(li)。通(tong)過(guo)較小(xiao)成本，較短流程的(de)(de)(de)(de)開發(fa)(fa)，中(zhong)小(xiao)開發(fa)(fa)者可以利用模(mo)組(zu)(zu)(zu)快速(su)完成 產(chan)品設計和制造，大大縮(suo)短了(le)(le)智(zhi)能設備(bei)的(de)(de)(de)(de)開發(fa)(fa)周(zhou)期。面向(xiang)海量中(zhong)小(xiao)開發(fa)(fa)者+細(xi)分領域(yu)，我(wo) 們(men)認為，模(mo)組(zu)(zu)(zu)是(shi)承(cheng)載邊(bian)緣(yuan)(yuan)(yuan)算(suan)(suan)力(li)(li)無限想象空(kong)間(jian)的(de)(de)(de)(de)最(zui)佳形(xing)式(shi)(shi)。
上文(wen)提到的(de)(de)(de)(de)(de)第二條路線是基于(yu)傳統(tong)的(de)(de)(de)(de)(de)數(shu)(shu)據(ju)中(zhong)(zhong)(zhong)心架構(gou)，將機(ji)房放(fang)置在(zai)離(li)客(ke)(ke)戶(hu)較近或者離(li)客(ke)(ke) 戶(hu)掌控范圍內的(de)(de)(de)(de)(de)邊(bian)(bian)緣算(suan)力(li)(li)部(bu)署模(mo)式(shi)。今年 4 月，上海(hai)市(shi)經(jing)濟信(xin)息化委(wei)關于(yu)印發《上海(hai)市(shi) 推進算(suan)力(li)(li)資源統(tong)一調度指導(dao)意見(jian)》的(de)(de)(de)(de)(de)通知中(zhong)(zhong)(zhong)提出，要引導(dao)根據(ju)應用(yong)(yong)場景，利用(yong)(yong)存量通信(xin) 機(ji)房、變電站(zhan)等(deng)設施按需靈活(huo)部(bu)署邊(bian)(bian)緣數(shu)(shu)據(ju)中(zhong)(zhong)(zhong)心。這便(bian)是對(dui)于(yu)該類邊(bian)(bian)緣算(suan)力(li)(li)的(de)(de)(de)(de)(de)部(bu)署模(mo)式(shi) 的(de)(de)(de)(de)(de)探(tan)索(suo)。 上海(hai)的(de)(de)(de)(de)(de)規劃中(zhong)(zhong)(zhong)指出的(de)(de)(de)(de)(de)一類邊(bian)(bian)緣算(suan)力(li)(li)部(bu)署模(mo)式(shi)便(bian)是在(zai)變電站(zhan)中(zhong)(zhong)(zhong)布置，當前，國(guo)家電網也在(zai) 積極(ji)探(tan)索(suo)利用(yong)(yong)閑置的(de)(de)(de)(de)(de)變電站(zhan)土地(di)資源，探(tan)索(suo)“多站(zhan)融(rong)合(he)”的(de)(de)(de)(de)(de)機(ji)會，其中(zhong)(zhong)(zhong)就包(bao)括了基于(yu)變 電站(zhan)的(de)(de)(de)(de)(de)邊(bian)(bian)緣數(shu)(shu)據(ju)中(zhong)(zhong)(zhong)心建設。早在(zai) 2020 年 4 月，國(guo)網首個戶(hu)外(wai)式(shi)大中(zhong)(zhong)(zhong)型多站(zhan)融(rong)合(he)數(shu)(shu)據(ju)中(zhong)(zhong)(zhong) 心交付，蘭州 110 千(qian)伏砂(sha)坪變多站(zhan)融(rong)合(he)數(shu)(shu)據(ju)中(zhong)(zhong)(zhong)心是以該變電站(zhan)可復(fu)用(yong)(yong)站(zhan)址資源，改建 632 平米舊倉庫(ku)而成，共投產 7 千(qian)瓦機(ji)柜 172 面。
當前(qian)，邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)算(suan)(suan)力(li)的(de)(de)需求(qiu)方(fang)或(huo)者部署地往(wang)往(wang)是核(he)心(xin)城(cheng)市的(de)(de)市中(zhong)(zhong)心(xin)或(huo)熱點(dian)地區，受制于(yu)核(he)心(xin) 城(cheng)市能耗指標(biao)，土(tu)地空間等因素(su)影響，再額(e)外興建(jian)(jian)大(da)(da)型數據中(zhong)(zhong)心(xin)難度極大(da)(da)，因此結合如 變(bian)電站等閑(xian)置資(zi)源再開發，將是擴充我(wo)(wo)國(guo)(guo)邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)算(suan)(suan)力(li)池(chi)的(de)(de)良好路(lu)徑。 我(wo)(wo)們(men)從 A 股(gu)上市公(gong)司(si)年報中(zhong)(zhong)，發現(xian)了(le)正在上海(hai)積(ji)極布(bu)局(ju)(ju)邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)計(ji)算(suan)(suan)的(de)(de)公(gong)司(si)龍宇股(gu)份，公(gong)司(si) 年報披露，公(gong)司(si)基于(yu)前(qian)期的(de)(de)資(zi)源推(tui)進和布(bu)局(ju)(ju)規劃，圍繞城(cheng)市智(zhi)慧發展(zhan)(zhan)以及相關(guan)行業(ye)的(de)(de)數 字化轉型發展(zhan)(zhan)需求(qiu)，前(qian)瞻(zhan)布(bu)局(ju)(ju)邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)計(ji)算(suan)(suan) IDC 細(xi)分領域，攜手(shou)相關(guan)合作(zuo)(zuo)伙伴和在上海(hai)中(zhong)(zhong)心(xin) 城(cheng)區及五大(da)(da)新(xin)城(cheng)逐(zhu)步(bu)(bu)落(luo)實資(zi)源布(bu)點(dian)，逐(zhu)步(bu)(bu)形成行業(ye)先(xian)發優勢。同時，根(gen)據邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)算(suan)(suan)力(li)中(zhong)(zhong)心(xin) 單一規模(mo)(mo)較(jiao)小(xiao)且分布(bu)較(jiao)廣的(de)(de)特點(dian)，積(ji)極探索業(ye)務(wu)在分布(bu)式 IT 技術架(jia)構(gou)(gou)、網絡(luo)布(bu)局(ju)(ju)、智(zhi)能 運(yun)營領域的(de)(de)創(chuang)新(xin)模(mo)(mo)式，逐(zhu)步(bu)(bu)搭建(jian)(jian)邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)算(suan)(suan)力(li)網絡(luo)架(jia)構(gou)(gou)。 梳理本(ben)段(duan)，我(wo)(wo)們(men)認為(wei)，未(wei)來邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)算(suan)(suan)力(li)將呈現(xian)設備本(ben)地算(suan)(suan)力(li)+邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)算(suan)(suan)力(li)池(chi)雙線并行的(de)(de)發展(zhan)(zhan) 方(fang)式，中(zhong)(zhong)國(guo)(guo)的(de)(de)模(mo)(mo)組公(gong)司(si)作(zuo)(zuo)為(wei)全(quan)球具有(you)比較(jiao)優勢的(de)(de)企業(ye)，有(you)望充分讓中(zhong)(zhong)國(guo)(guo)制造賦能“全(quan)球 邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)”，而中(zhong)(zhong)國(guo)(guo)的(de)(de)邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)芯片(pian)公(gong)司(si)，有(you)望加(jia)速國(guo)(guo)產替代進程，讓“中(zhong)(zhong)國(guo)(guo)邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)算(suan)(suan)力(li)”加(jia)速滲(shen)透。 而 IDC 公(gong)司(si)，則有(you)望憑借邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)算(suan)(suan)力(li)池(chi)的(de)(de)模(mo)(mo)式，通過邊(bian)(bian)緣(yuan)(yuan)(yuan)(yuan)算(suan)(suan)力(li)獨有(you)的(de)(de)優勢，實現(xian)算(suan)(suan)力(li)調度 收費(fei)，低時延優化收費(fei)等全(quan)新(xin)商業(ye)模(mo)(mo)式，打開行業(ye)發展(zhan)(zhan)空間。
5. 應用曙光已現，期待 AI 飛輪下的百花齊放
當下市場以及投資者關注的應用方向，主要集中于基于云端算力的如 CHATGPT， Midjourney，Copilot 等等，而提起邊緣智能設(she)備(bei)或(huo)者邊(bian)(bian)緣(yuan)(yuan)應用(yong)時(shi)，則更(geng)多的(de)(de)(de)(de)將其作為一 種“入口”，或(huo)是直接忽(hu)略“邊(bian)(bian)緣(yuan)(yuan)算(suan)力”與(yu)(yu) AI 結合的(de)(de)(de)(de)可(ke)能(neng)。 其實(shi) AI 在(zai)(zai)邊(bian)(bian)緣(yuan)(yuan)側(ce)的(de)(de)(de)(de)應用(yong)或(huo)者“滲透”由(you)來(lai)已久(jiu)，其中(zhong)最典型(xing)的(de)(de)(de)(de)案例(li)便是如(ru)人臉識別，圖(tu) 像(xiang)處(chu)(chu)理(li)等分析式 AI 功能(neng)。我們日常生(sheng)活中(zhong)見到的(de)(de)(de)(de)如(ru)自(zi)動駕(jia)(jia)駛(shi)，智能(neng)零售、智慧(hui)工(gong)廠、智 能(neng)巡檢(jian)等場景(jing)均是由(you)邊(bian)(bian)緣(yuan)(yuan)或(huo)者本地端提供(gong)算(suan)力進行解(jie)決。如(ru)英偉達的(de)(de)(de)(de) Orin，地平線(xian)等公 司的(de)(de)(de)(de)智能(neng)駕(jia)(jia)駛(shi)芯(xin)片，就是邊(bian)(bian)緣(yuan)(yuan)算(suan)力運行 AI 模(mo)(mo)型(xing)的(de)(de)(de)(de)例(li)子，自(zi)動駕(jia)(jia)駛(shi)芯(xin)片通過每秒(miao)分析上千 幀畫面(mian)，來(lai)保證(zheng)車輛對前(qian)方(fang)路(lu)況的(de)(de)(de)(de)理(li)解(jie)并(bing)做出(chu)相(xiang)應反應。同時(shi)，模(mo)(mo)組(zu)(zu)廠商也在(zai)(zai)積極探(tan)索 如(ru)何讓(rang)模(mo)(mo)組(zu)(zu)算(suan)力更(geng)好的(de)(de)(de)(de)參與(yu)(yu)進車輛自(zi)動駕(jia)(jia)駛(shi)功能(neng)中(zhong)來(lai)，如(ru)美格智能(neng)最新的(de)(de)(de)(de) C-V2X MA925 系列模(mo)(mo)組(zu)(zu)，在(zai)(zai)幫(bang)助 T-BOX 與(yu)(yu)外(wai)界通信(xin)的(de)(de)(de)(de)同時(shi)，自(zi)身搭載的(de)(de)(de)(de)算(suan)力能(neng)夠提供(gong) GNSS 服(fu)務，并(bing) 能(neng)夠內生(sheng)解(jie)決 V2X 的(de)(de)(de)(de)運行，讓(rang) T-BOX 不再需(xu)要(yao)額外(wai)掛載處(chu)(chu)理(li)芯(xin)片。
相比于需(xu)要利(li)用(yong)高算力(li)進行智(zhi)能(neng)駕駛(shi)(shi)的(de)(de)乘用(yong)車，當下(xia)，許(xu)多小型(xing)無(wu)人(ren)設備的(de)(de)自動駕駛(shi)(shi)正(zheng) 在越(yue)來越(yue)多的(de)(de)依靠模(mo)組來提供(gong)相關功能(neng)所需(xu)要的(de)(de)算力(li)。如國內大型(xing)工業(ye)無(wu)人(ren)機廠商云圣 智(zhi)能(neng)的(de)(de)“虎鯨Ⅲ”全自主(zhu)工業(ye)無(wu)人(ren)機，就搭載了(le)美(mei)格智(zhi)能(neng) 5G 工業(ye)級通信模(mo)組 SRM815， 利(li)用(yong)“機器人(ren)+人(ren)工”相結合(he)的(de)(de)方式，可實現(xian)電力(li)通道巡檢，電力(li)本體(ti)巡檢，三維(wei)實景建 模(mo)等(deng)功能(neng)，模(mo)組在其中起到了(le)如視(shi)頻解(jie)析，傳(chuan)輸，操(cao)控信號低時延傳(chuan)輸等(deng)功能(neng)。
智(zhi)(zhi)(zhi)能(neng)零售(shou)場景則是不同功能(neng)模組(zu)實現了如無(wu)人(ren)(ren)(ren)零售(shou)、自助(zhu)結算、商品管理(li)(li)等(deng)功能(neng)。如美 格智(zhi)(zhi)(zhi)能(neng)的(de)(de)(de)通(tong)過(guo)對高(gao)通(tong)模組(zu)的(de)(de)(de)理(li)(li)解與定制化開發(fa)，為(wei)客戶在如無(wu)人(ren)(ren)(ren)售(shou)賣柜、人(ren)(ren)(ren)臉(lian)支付(fu)、智(zhi)(zhi)(zhi) 能(neng)收銀機。智(zhi)(zhi)(zhi)能(neng) POS 等(deng)方(fang)面推出了完整的(de)(de)(de)解決方(fang)案。其(qi)中無(wu)人(ren)(ren)(ren)零售(shou)設(she)計的(de)(de)(de)人(ren)(ren)(ren)臉(lian)識(shi)別，圖(tu) 像識(shi)別等(deng)，也是基于高(gao)通(tong) 14NM 芯片提供的(de)(de)(de)算力進行部(bu)署(shu)。
一種更為通用的邊緣算力應用，采用“邊緣算力盒子”的形式進行呈現，相比于設備內 部搭載的邊緣計算芯片，邊緣計算盒子擁有更高的環境容忍度、更好的物理體積，更好 的散熱，以及更大的算力部署能力，“邊緣算力盒子”往往放置在如工廠產線、電線桿、 路燈等場景，用來支撐如產線質檢、智慧城市、V-2X 等(deng) AI 應(ying)用場(chang)景(jing)。 甚(shen)至，以(yi)模組形式(shi)承載(zai)的(de)邊(bian)緣算力(li)(li)，已經(jing)(jing)進(jin)入了數據中心，作(zuo)為云(yun)(yun)算力(li)(li)的(de)一部分為用戶(hu) 提供服(fu)(fu)務(wu)。實時互動(dong)云(yun)(yun)創(chuang)新服(fu)(fu)務(wu)商啟朔(shuo)科(ke)技(ji)，就(jiu)利用刀片式(shi)服(fu)(fu)務(wu)器承載(zai)算力(li)(li)模組，實現 了 2U 機柜內(nei)部署(shu) 80 顆高通算力(li)(li)芯片，從而為云(yun)(yun)游戲、數字人渲染、工業 AI 檢測(ce)等(deng)場(chang) 景(jing)提供算力(li)(li)。當前(qian)啟朔(shuo)科(ke)技(ji)已經(jing)(jing)成為了阿里云(yun)(yun)，網易游戲等(deng)的(de)合作(zuo)伙伴。
我(wo)們(men)在(zai)(zai)這(zhe)一段的(de)(de)(de)(de)(de)前半部(bu)分，總結了(le)當下邊(bian)緣(yuan)(yuan)(yuan)(yuan)算力應(ying)用(yong)的(de)(de)(de)(de)(de)主流(liu)形(xing)式(shi)(shi)(shi)，其中已經有了(le)非常多 偏 AI 運(yun)算的(de)(de)(de)(de)(de)需(xu)(xu)求，但我(wo)們(men)不難發現(xian)(xian)，當前運(yun)行(xing)在(zai)(zai)邊(bian)緣(yuan)(yuan)(yuan)(yuan)端的(de)(de)(de)(de)(de) AI 模型，更多的(de)(de)(de)(de)(de)是以(yi)傳(chuan)統的(de)(de)(de)(de)(de) 圖像識別形(xing)式(shi)(shi)(shi)存在(zai)(zai)的(de)(de)(de)(de)(de)“分析型”AI，而我(wo)們(men)認為，真正(zheng)能(neng)夠讓邊(bian)緣(yuan)(yuan)(yuan)(yuan)算力需(xu)(xu)求擴張(zhang)，或(huo)(huo)者 打開邊(bian)緣(yuan)(yuan)(yuan)(yuan) AI 天花(hua)板的(de)(de)(de)(de)(de)“生成(cheng)式(shi)(shi)(shi)”AI，則是下一階段乃(nai)至未來需(xu)(xu)要在(zai)(zai)邊(bian)緣(yuan)(yuan)(yuan)(yuan)應(ying)用(yong)側更加關注(zhu) 的(de)(de)(de)(de)(de)重(zhong)點，在(zai)(zai)“生成(cheng)式(shi)(shi)(shi)”AI 在(zai)(zai)邊(bian)緣(yuan)(yuan)(yuan)(yuan)設(she)備(bei)的(de)(de)(de)(de)(de)部(bu)署上，我(wo)們(men)更愿意用(yong)本段標題中的(de)(de)(de)(de)(de)“曙光初現(xian)(xian)” 來形(xing)容，各個大(da)廠的(de)(de)(de)(de)(de)先(xian)期產品和布局讓我(wo)們(men)看(kan)到(dao)了(le)“生成(cheng)式(shi)(shi)(shi)”走進邊(bian)緣(yuan)(yuan)(yuan)(yuan)的(de)(de)(de)(de)(de)路徑和初步方 案，接下來，我(wo)們(men)將會介紹兩大(da)方向，并闡述為什么邊(bian)緣(yuan)(yuan)(yuan)(yuan)算力對這(zhe)些場景是不可或(huo)(huo)缺的(de)(de)(de)(de)(de)。
邊緣應用方向 1：基于生成式模型的“智能助理”。 智(zhi)(zhi)能(neng)(neng)(neng)助理(li)這(zhe)(zhe)(zhe)一(yi)(yi)(yi)概念(nian)(nian)，最早火爆，是伴隨(sui)“SIRI”的(de)(de)(de)推(tui)出，消費者第一(yi)(yi)(yi)次(ci)系統性(xing)的(de)(de)(de)認識(shi)到 了(le)(le)基于(yu)語(yu)音(yin)喚醒(xing)的(de)(de)(de)智(zhi)(zhi)能(neng)(neng)(neng)助理(li)這(zhe)(zhe)(zhe)一(yi)(yi)(yi)概念(nian)(nian)。然(ran)而隨(sui)著(zhu)多年發(fa)展，這(zhe)(zhe)(zhe)一(yi)(yi)(yi)形式的(de)(de)(de)智(zhi)(zhi)能(neng)(neng)(neng)助理(li)除(chu)了(le)(le)搭 載平(ping)(ping)臺(tai)擴(kuo)充到了(le)(le)如車機、智(zhi)(zhi)能(neng)(neng)(neng)音(yin)響、掃地(di)機器(qi)人等平(ping)(ping)臺(tai)外，其本(ben)質內核仍(reng)然(ran)沒有改變， 依(yi)舊(jiu)是基于(yu)對語(yu)音(yin)輸入(ru)關鍵詞的(de)(de)(de)截取，在(zai)功能(neng)(neng)(neng)庫中尋找對應的(de)(de)(de)功能(neng)(neng)(neng)。并不具備主(zhu)動生成 的(de)(de)(de)能(neng)(neng)(neng)力。 我們(men)認為，生成式 AI 將給“智(zhi)(zhi)能(neng)(neng)(neng)助理(li)”這(zhe)(zhe)(zhe)一(yi)(yi)(yi)應用(yong)方向(xiang)帶來重大(da)改變，隨(sui)著(zhu) ChatGPT 為 代表(biao)的(de)(de)(de)大(da)模(mo)型(xing)與“智(zhi)(zhi)能(neng)(neng)(neng)助理(li)”融合，智(zhi)(zhi)能(neng)(neng)(neng)助理(li)將變得更加(jia)擬人化，能(neng)(neng)(neng)夠(gou)增強對于(yu)命令的(de)(de)(de) 理(li)解(jie)性(xing)和執行能(neng)(neng)(neng)力，給出的(de)(de)(de)回饋也將更加(jia)優秀，而不會(hui)出現當下智(zhi)(zhi)能(neng)(neng)(neng)助理(li)經常出現的(de)(de)(de)“不 能(neng)(neng)(neng)理(li)解(jie)您的(de)(de)(de)意(yi)思”的(de)(de)(de)情(qing)況。 第二，大(da)模(mo)型(xing)的(de)(de)(de)引(yin)入(ru)，將能(neng)(neng)(neng)夠(gou)更好的(de)(de)(de)方便(bian)“智(zhi)(zhi)能(neng)(neng)(neng)助理(li)”的(de)(de)(de)用(yong)戶的(de)(de)(de)生活(huo)習(xi)慣，行動軌跡， 以及保存在(zai)設(she)備上(shang)的(de)(de)(de)資料進行總(zong)結，從而給出更符(fu)合用(yong)戶實(shi)際需求的(de)(de)(de)答案，能(neng)(neng)(neng)夠(gou)成為幫 助提高學習(xi)，工作(zuo)效率的(de)(de)(de)幫手。
第一種應用場景，我們已經看到(dao)了很多的(de)積極(ji)變化，首先(xian)是小度(du)科技融合文心一言打造(zao) 的(de)針(zhen)對智(zhi)能(neng)設備場(chang)景的(de)人工智(zhi)能(neng)模(mo)型(xing)“小度(du)靈(ling)機(ji)”，還有(you)天貓(mao)精靈(ling)接(jie)入“鳥鳥分鳥”模(mo)型(xing) 打造(zao)“AI 嘴替”，并官宣將(jiang)(jiang)接(jie)入阿(a)里大(da)模(mo)型(xing)通義千(qian)問。在車機(ji)方面，我們也(ye)看到(dao)了模(mo)型(xing)接(jie) 入車機(ji)的(de)進展，當前，上汽旗下的(de)斑馬(ma)智(zhi)行 AliOS 智(zhi)能(neng)汽車操作系(xi)統已接(jie)入通義千(qian)問大(da) 模(mo)型(xing)進行測試。而(er)四季度(du)將(jiang)(jiang)發布的(de)問界 M9 也(ye)將(jiang)(jiang)搭(da)載大(da)模(mo)型(xing)。
5 月 18 日，OpenAI 官方正式推出運行于的(de)(de) ChatGPT，用戶(hu)可以(yi)以(yi)手機為接(jie)口直接(jie)訪問 有了它，用戶(hu)可以(yi)輸入(ru)問題并接(jie)收來自聊天(tian)機器人(ren)的(de)(de)回(hui)復。根據 OpenAI 的(de)(de)介(jie)紹，這款 APP 還包括語(yu)音(yin)識別功能，因此用戶(hu)可以(yi)說出他們的(de)(de)問題。然而，機器人(ren)只會(hui)以(yi)書(shu)面形 式回(hui)應(ying)。該(gai)應(ying)用程(cheng)序還可以(yi)跨各種設備(bei)同步基于文本的(de)(de)對話。進(jin)一步強化(hua)了手機的(de)(de)“智 能助理角色”。
第二種應用場景，我們觀察到了(le)海外爆(bao)火的應用“Rewind”，通過記(ji)錄筆記(ji)本(ben)電腦的屏幕 輸出信(xin)號(hao)與麥(mai)克風(feng)信(xin)號(hao)，并形(xing)成(cheng)數(shu)據庫，最后基于這些數(shu)據庫與自有模型，幫助用戶回 憶，總結在電腦上看到的，處理過的所(suo)有資料，大大提高了(le)用戶的工作效率(lv)。
基(ji)于(yu)(yu)兩點應用(yong)(yong)(yong)方向和現在(zai)(zai)出(chu)現的(de)(de)應用(yong)(yong)(yong)趨勢，我們(men)判(pan)斷，邊(bian)(bian)緣(yuan)算(suan)(suan)力(li)將在(zai)(zai)“智(zhi)能助(zhu)理”類應 用(yong)(yong)(yong)的(de)(de)發展和商業(ye)(ye)化上起到重要作用(yong)(yong)(yong)，第一，智(zhi)能助(zhu)理面(mian)對(dui)的(de)(de)是(shi)(shi)海量用(yong)(yong)(yong)戶(hu)(hu)(hu)，這(zhe)些用(yong)(yong)(yong)戶(hu)(hu)(hu)所提 出(chu)的(de)(de) Prompt 將是(shi)(shi)及(ji)其復雜(za)或者存在(zai)(zai)非常多的(de)(de)冗(rong)余，如何通過本(ben)地小模型(xing)，對(dui)用(yong)(yong)(yong)戶(hu)(hu)(hu)的(de)(de)需 求(qiu)進(jin)行預處(chu)理，從而將需要云端算(suan)(suan)力(li)處(chu)理的(de)(de) Token 將至最低，甚至對(dui)于(yu)(yu)不(bu)復雜(za)的(de)(de)推理需 求(qiu)，可以(yi)通過本(ben)地算(suan)(suan)力(li)直接響應客戶(hu)(hu)(hu)需求(qiu)。第二(er)，對(dui)于(yu)(yu)像(xiang)“Rewind”這(zhe)類涉及(ji)到用(yong)(yong)(yong)戶(hu)(hu)(hu)隱 私資(zi)料的(de)(de)部分，為(wei)了保證用(yong)(yong)(yong)戶(hu)(hu)(hu)安全，所有的(de)(de)數據(ju)歸(gui)納(na)將會完全依(yi)靠本(ben)地算(suan)(suan)力(li)進(jin)行。因(yin)此(ci)， 在(zai)(zai)降(jiang)本(ben)，隱私方面(mian)，邊(bian)(bian)緣(yuan)算(suan)(suan)力(li)對(dui)于(yu)(yu)“生成式(shi)智(zhi)能助(zhu)理”能否形成商業(ye)(ye)閉(bi)環，至關重要。
邊緣應用方向 2：具身智能。 具身(shen)(shen)(shen)(shen)智(zhi)能(neng)是指能(neng)夠理解、推(tui)(tui)理并與(yu)物(wu)(wu)理世界互(hu)動(dong)的(de)(de)(de)(de)(de)(de)(de)(de)智(zhi)能(neng)系(xi)統。AIGC 的(de)(de)(de)(de)(de)(de)(de)(de)“智(zhi)能(neng)”表(biao)現在(zai)能(neng) 夠進(jin)(jin)(jin)行(xing)上下文(wen)理解和(he)(he)情景(jing)感知(zhi)，輸(shu)(shu)出文(wen)字、圖像、聲音，而具身(shen)(shen)(shen)(shen)智(zhi)能(neng)能(neng)夠在(zai)物(wu)(wu)理世界中 進(jin)(jin)(jin)行(xing)操(cao)(cao)作(zuo)和(he)(he)感知(zhi)，輸(shu)(shu)出各種機械動(dong)作(zuo)。通(tong)過物(wu)(wu)理環境的(de)(de)(de)(de)(de)(de)(de)(de)感知(zhi)和(he)(he)實際(ji)操(cao)(cao)作(zuo)，具身(shen)(shen)(shen)(shen)智(zhi)能(neng)可以 獲得更全面的(de)(de)(de)(de)(de)(de)(de)(de)信(xin)息和(he)(he)數據，進(jin)(jin)(jin)一步提高對環境的(de)(de)(de)(de)(de)(de)(de)(de)理解和(he)(he)決策能(neng)力(li)。按照具身(shen)(shen)(shen)(shen)智(zhi)能(neng)的(de)(de)(de)(de)(de)(de)(de)(de)定(ding)義， 目(mu)前具身(shen)(shen)(shen)(shen)智(zhi)能(neng)的(de)(de)(de)(de)(de)(de)(de)(de)實例繁多，其中包括人形機器(qi)人、自動(dong)駕(jia)駛汽車等(deng)。 當下，例如特斯拉推(tui)(tui)出的(de)(de)(de)(de)(de)(de)(de)(de)人形機器(qi)人 Optimus、波(bo)士頓動(dong)力(li)的(de)(de)(de)(de)(de)(de)(de)(de) Atlas 和(he)(he) Spot 已經具備接 近具身(shen)(shen)(shen)(shen)智(zhi)能(neng)的(de)(de)(de)(de)(de)(de)(de)(de)能(neng)力(li)，它(ta)們(men)可以通(tong)過機器(qi)人的(de)(de)(de)(de)(de)(de)(de)(de)身(shen)(shen)(shen)(shen)軀來模(mo)擬人類或動(dong)物(wu)(wu)的(de)(de)(de)(de)(de)(de)(de)(de)行(xing)為(wei)和(he)(he)動(dong)作(zuo)，更加(jia) 逼真地與(yu)人類進(jin)(jin)(jin)行(xing)互(hu)動(dong)。算(suan)法側，特斯拉的(de)(de)(de)(de)(de)(de)(de)(de) Dojo AI 超級計算(suan)機項(xiang)目(mu)用于加(jia)速(su)訓練和(he)(he)推(tui)(tui) 理具身(shen)(shen)(shen)(shen)智(zhi)能(neng)模(mo)型(xing)，英偉達的(de)(de)(de)(de)(de)(de)(de)(de)多模(mo)態 VIMA 可以驅動(dong)機器(qi)人識別物(wu)(wu)體并做(zuo)出動(dong)作(zuo)。我們(men)認 為(wei)，具身(shen)(shen)(shen)(shen)智(zhi)能(neng)憑借物(wu)(wu)理反饋(kui)、物(wu)(wu)理輸(shu)(shu)出的(de)(de)(de)(de)(de)(de)(de)(de)特性(xing)，將是繼 AIGC 之后的(de)(de)(de)(de)(de)(de)(de)(de)又一個現象級 AI 應 用。
基于現在(zai)(zai)具(ju)(ju)身智(zhi)(zhi)能(neng)(neng)展現出的(de)(de)能(neng)(neng)力(li)(li)(li)(li)，我們認(ren)為(wei)，具(ju)(ju)身智(zhi)(zhi)能(neng)(neng)的(de)(de)兩大(da)核心是負責算(suan)力(li)(li)(li)(li)的(de)(de)芯(xin)片(pian)(pian)和 與外部通信的(de)(de)模(mo)組。當(dang)前物聯網(wang)模(mo)組進入智(zhi)(zhi)能(neng)(neng)化(hua)時(shi)代(dai)，集成了邊(bian)緣算(suan)力(li)(li)(li)(li)的(de)(de)智(zhi)(zhi)能(neng)(neng)模(mo)組正在(zai)(zai) 逐漸成為(wei)支撐(cheng)邊(bian)緣算(suan)力(li)(li)(li)(li)的(de)(de)核心形(xing)(xing)式。具(ju)(ju)身智(zhi)(zhi)能(neng)(neng)將邊(bian)緣算(suan)力(li)(li)(li)(li)需求提升到了一(yi)個新高(gao)度，具(ju)(ju) 身智(zhi)(zhi)能(neng)(neng)的(de)(de)“大(da)腦”不僅要處(chu)理視(shi)覺信息(xi)、生(sheng)成提示詞，更要負責輸出指令來執行機械動(dong) 作(zuo)。 例如特斯拉(la)針對人(ren)形(xing)(xing)機器人(ren)開(kai)發了 DOJO D1 芯(xin)片(pian)(pian)，充(chong)沛的(de)(de)算(suan)力(li)(li)(li)(li)驅動(dong) Optimus 機器人(ren)流暢地執行各種(zhong)任務。因(yin)此我們認(ren)為(wei)，在(zai)(zai)移動(dong)芯(xin)片(pian)(pian)無(wu)法滿足所需算(suan)力(li)(li)(li)(li) 的(de)(de)場景下(xia)，邊(bian)緣 IDC 將是算(suan)力(li)(li)(li)(li)的(de)(de)有(you)效補充(chong)措施。
