Kürzlich haben IDC und Longchamp gemeinsam den „2022-2023 China Artificial Intelligence Computing Power Development Assessment Report“ (im Folgenden als „der Bericht“ bezeichnet) veröffentlicht. Der Bericht prognostiziert, dass die Ausgaben für den KI-Markt in China im Jahr 2022 13,03 Milliarden US-Dollar und im Jahr 2026 voraussichtlich 26,69 Milliarden US-Dollar erreichen werden, mit einer durchschnittlichen jährlichen Wachstumsrate von 19,6 Prozent von 2022 bis 2026.
Unter ihnen bleiben KI-Server der Haupttreiber des Wachstums des KI-Marktes. IDC-Daten zeigen, dass der globale Markt für KI-Server im Jahr 2021 mit einer jährlichen Wachstumsrate von 39,1 Prozent wachsen wird, was die Wachstumsrate des globalen KI-Marktes insgesamt (20,9 Prozent) übertrifft und die treibende Kraft hinter dem Wachstum des gesamten KI-Marktes ist.
In China treibt die beschleunigte Landung von KI-Anwendungen maßgeblich das hohe Wachstum des chinesischen KI-Servermarktes voran. 5,92 Milliarden US-Dollar Marktgröße für KI-Server im Jahr 2021, ein Anstieg von 68,2 Prozent im Vergleich zu 2020, und es wird erwartet, dass er bis 2026 12,34 Milliarden US-Dollar erreichen wird.
Gleichzeitig wächst auch der Umfang der Rechenleistung in China, insbesondere der intelligenten Rechenleistung, mit hoher Geschwindigkeit. Dem Bericht zufolge erreicht Chinas Allzweck-Rechenleistungsskala im Jahr 2021 47,7 EFLOPS (10 Milliarden Milliarden Gleitkommaoperationen pro Sekunde) und wird voraussichtlich bis 2026 111,3 EFLOPS erreichen.
Und die Größenordnung von Chinas intelligenter Rechenleistung erreicht 155,2 EFLOPS im Jahr 2021, wird 268 EFLOPS im Jahr 2022 erreichen und wird voraussichtlich bis 2026 das Niveau von Billionen Billionen Gleitkommazahlen pro Sekunde (ZFLOPS) erreichen und 1271,4 EFLOPS erreichen.
Das bedeutet auch, dass Chinas intelligente Rechenleistungsskala während 2021-2026 mit einer durchschnittlichen jährlichen Wachstumsrate von 52,3 % wachsen kann, während die Allzweck-Rechenleistungsskala im selben Zeitraum mit einer durchschnittlichen jährlichen Wachstumsrate von 18,5 % wächst .
Die großen Modelle, die in den letzten Jahren in der Branche immer beliebter wurden, sind die typischsten großen Innovationen, die von intelligenter Rechenleistung angetrieben werden. Dem Bericht zufolge gilt das große Modell dank der starken Generalisierungsfähigkeit des Modells, der geringen Abhängigkeit von Long-Tail-Daten und der Verbesserung der Effizienz der nachgelagerten Modellnutzung als Prototyp der „allgemeinen Intelligenz“ und hat dies auch getan zu einer der wichtigsten Möglichkeiten, die Branche zu erkunden, um integrative künstliche Intelligenz zu erreichen.
Die technischen Grundlagen von Big Model sind Transformer-Architektur, Migrationslernen und selbstüberwachtes Lernen. Die Transformer-Architektur hat im NLP Durchbrüche erzielt und ihre Wirksamkeit auch bei Sehaufgaben bewiesen. Aus Sicht der Rechenleistung steigen die Kapazität von Sprach- und visuellen Modellen und der entsprechende Rechenleistungsbedarf rapide an, und die Entwicklung großer Modelle wird durch enorme Rechenleistung unterstützt.
Wenn wir das "arithmetische Äquivalent" (PetaFlops/s-Tag, PD), dh die Gesamtmenge an Rechenleistung, die von einem Computer verbraucht wird, der einen ganzen Tag lang Billionen Mal pro Sekunde läuft, verwenden, um die Gesamtmenge an Rechenleistung zu messen erforderlich für KI-Aufgaben, AlphaFold2 in KI plus Wissenschaft, autonome Fahrsysteme und GPT-3 in KI plus Wissenschaft. Modelltraining wie GPT-3 erfordert Hunderte oder sogar Tausende von PDs an arithmetischer Unterstützung, wie GPT-3-Training erfordert 3640 PDs an Rechenleistung.
Mit der Fähigkeit großer Modelle treten AIGC-artige Anwendungen, einschließlich Text-to-Graph und virtueller digitaler Mensch, schnell in die Kommerzialisierungsphase ein und bringen enorme Veränderungen in die Meta-Universums-Inhaltsproduktion. Dem Bericht zufolge ermöglicht das große Modell der KI-Technologie, von der „Fähigkeit zuzuhören und zu sehen“ vor fünf Jahren zu „der Fähigkeit zu denken und zu erschaffen“ heute überzugehen, und es wird erwartet, dass sie „in der Lage ist, zu argumentieren und Entscheidungen zu treffen“. " in der Zukunft. Für die Zukunft wird ein deutlicher Fortschritt von „kann vernünftig sein, kann Entscheidungen treffen“ erwartet.
Allerdings bringt die Entwicklung großer Modelle auch enorme Herausforderungen an die Rechenleistung. Dem Bericht zufolge stellt der hohe Overhead an Rechen- und Speicherressourcen für das Training großer Modelle hohe Anforderungen an beschleunigte Computersysteme und Software-Stacks für künstliche Intelligenz, und Tausende von Beschleunigerkarten werden oft benötigt, um Hunderte von Milliarden und Billionen von Modellen zu trainieren, was eine große Rolle spielt Herausforderung für die Förderung und Verallgemeinerung großer Modelle.
Gleichzeitig wird die weitere Verbesserung der Modellkomplexität und -genauigkeit, begrenzt durch den geringfügig abnehmenden Effekt, einen größeren Anteil an Rechenressourcen-Overhead erfordern, und Bedenken hinsichtlich der Recheneffizienz werden die fortgesetzte Erweiterung der großen Modellparameterskala begrenzen.
Obwohl die aktuelle Anzahl großer Modellparameter noch nicht die synaptische Größe des menschlichen Gehirns erreicht hat, wird die Marktwahrnehmung großer Modelle rational. Die Branche erkennt allmählich, dass sich die Entwicklung großer Modelle stärker auf umweltfreundliche und kohlenstoffarme, sinkende Servicefähigkeiten und die Praxis von Geschäftsmodellen konzentrieren sollte, was den Weg dafür ebnen wird, dass große Modelle in verschiedenen Branchen landen.
Der Report weist darauf hin, dass generell der Grad der Anwendung von KI in verschiedenen Branchen eine Tendenz zur Vertiefung zeigt und die Anwendungsszenarien immer umfangreicher werden. KI ist zu einer wichtigen Fähigkeit für Unternehmen geworden, um nach neuen Geschäftswachstumspunkten zu suchen, die Benutzererfahrung zu verbessern und die Wettbewerbsfähigkeit ihrer Kernkompetenzen aufrechtzuerhalten.
In der Rangliste der chinesischen KI-Städte 2022 halten Peking, Hangzhou und Shenzhen weiterhin die ersten drei Plätze, Shanghai und Guangzhou belegen die Plätze vier und fünf, und Tianjin ist unter den Top 10. Neben den TOP10-Städten sind viele Städte wie Hefei, Wuhan und Changsha haben große Fortschritte bei KI-Anwendungen gemacht, angetrieben von ihren eigenen industriellen Vorteilen und verschiedenen Faktoren.
*** Übersetzt mit www.DeepL.com/Translator (kostenlose Version) ***