中国逐鹿人工智能，哪些关键技术被国外垄断着？怎么破？(2)

中国在建设人工智能基础设施上的主要优势，是政府主导的投入较多。但在市场化建设和运营，整体人工智能算力基础软硬件的技术水平和自主可控程度上，还与美国有一定的差距，如，编程框架目前以TensorFlow和Pytorch为主。智能计算芯片方面，华为昇腾和寒武纪在人工智能算力体系结构上取得了很好的进展，但受制于先进芯片制程，或在软件生态环境上仍然与Nvidia产品有明显差距，仍然需要尽快发展。

记者：“人工智能计算中心订单爆单”话题之外，近期鹏城实验室大科学装置“鹏城云脑II”接连斩获多项国际奖项，也受到业界关注。作为“新基建”，它们可以为科研创新项目提供哪些强大支持？在赋能行业应用等方面有哪些价值？

郑纬民：在科研创新方面，目前一个非常重要的趋势是HPC(高性能计算)+AI(人工智能)，就是把传统基于模拟方法的高性能计算应用与AI模型结合起来。解决过去解决不了的问题，或是把过去耗时很长的问题加速成千上万倍。

这方面，AlphaFold(DeepMind人工智能系统)给出了非常好的例子，用人工智能方法来协助进行蛋白质结构预测，解决了过去使用纯科学计算模拟方法由于计算量过大无法解决的问题。HPC和AI结合是我们创新的一个非常明显的优势。

在赋能行业方面，鹏城实验室可以为智慧城市提供强大的人工智能算力，承载智慧城市应用中的智能交通、智能公共卫生等功能，鹏城云脑II也在开展“一带一路”语言的自动翻译，为“一带一路”(倡议)提供重要支持。

大模型方面，目前主要在自然语言处理效果方面取得了比较大的进展，但具体应用领域还在探索之中。

记者：各界都认为依靠人工智能实现智能转型是必修课，但目前中国产业主体存在着发展着力点分散等问题，从这个角度来看，政府统筹建设大规模的人工智能基础设施是否是一个比较好的解决企业转型的路径？大规模、集约型基础设施有哪些独特优势？

郑纬民：目前，各地政府在建设人工智能基础设施上有很大的积极性，对本地产业的人工智能赋能，应该说能够起到很好的推动作用。但也要注意，要因地制宜地分析本地产业人工智能化的路径和节奏。

大规模、集约型基础设施，主要是在完成超大规模模型的训练方面起到关键作用。目前看大模型确实是重要的发展趋势，但人工智能算法的规模大小是否有局限性仍是一个开放的问题。

各地为何掀人工智能计算中心建设潮？

记者：当前国内掀起了人工智能计算中心建设热潮，有20多个城市在规划建设人工智能计算中心，目前中国人工智能计算中心运营和落地情况如何？

郑纬民：从武汉和鹏城云脑的经验看，目前的人工智能计算中心运行情况还是很好的，需要机时的用户很多，需要排很长时间的队才能用到机器，这也体现出国内用户对于人工智能算力的强劲需求。

所以我觉得，建设一个人工智能计算中心为当地的企业、研究单位、高等院校等进行创新赋能，都是会起到很大作用。

记者：作为各方资源极度聚合的庞大基础设施，人工智能计算中心建设之后的运营同样是一大命题，在这点上您有什么建议？如何科学运营才能让各地人工智能计算中心发挥出最大价值？人工智能计算中心有哪些运营评估维度？

郑纬民：我觉得特别要注重数据治理。算力提供了，数据该怎么提供？

随着《个人信息保护法》的出台，对数据的使用增加了很多合规性要求，作为地方政府主导建设的人工智能计算中心，除了算力以外，是否能够提供重要价值的相关的数据。如何在既遵守《个人信息保护法》，又能够让智能算法获得所需要的数据是人工智能计算中心运营中的一大课题。