人工智能计算中心是建设新一代人工智能产业集群的关键基础设施。近年来，我国多个中心城市加速推进人工智能产业布局，以期在新一轮科技革命的机遇之中抢占发展先机，而搭建集约化、一体式人工智能计算中心也就成为了各地新基建蓝图中的重大工程。
众所周知，算力、算法、数据是人工智能的三驾马车。如果没有算力的支撑，人工智能将难以走向应用普及。因此，在人工智能计算中心建设热潮中，将数据和算法协调起来的AI芯片便成为最受关注的模块。
当前，各行各业对适配AI模型的训练需求呈爆发式增长，而一个高质量的AI模型是通过训练和持续迭代优化而来的。当大模型、多模态算法模型训练逐渐成为主流，人工智能算力需求每3.5个月就翻一番，企业在AI研发中进行模型训练的算力成本居高不下。因此，能否为企业和科研机构提供可持续、高适配、高弹性的训练算力成为衡量各地人工智能计算中心“含金量”的核心指标。如果没有技术足够成熟的训练芯片来提供训练算力保障，就难以保障平台产出算法模型的效率，那么以亿为成本而建设的人工智能计算中心也就成了“雷声大雨点小”的空壳工程。
训练芯片和推理芯片之别
在实际的人工智能计算中心硬件布局中，芯片主要适配于推理和训练两大场景。训练芯片和推理芯片之间的逻辑差别可以理解为：训练芯片像老师，一遍一遍教一个完全不认字的小孩从零开始识字，一遍不会就再教一遍，直到教会为止；而推理芯片则是已经学会识字的小孩，阅读不同的书本时，可以识别出书本中的字。
换句话说，训练是从现有的数据中学习新的能力，而推理则是将已经训练好的能力运用到实际场景中。离开了训练的推理，就相当于空中楼阁。所以，相较于推理芯片，训练芯片是人工智能不断进化的基础，也是众多AI芯片厂商需要着力攻克的研发高地。
训练芯片有哪些特点
那么，与推理芯片相比，训练芯片在技术上具有哪些特点？
首先，训练芯片具备浮点运算能力。复杂模型的训练过程中，需通过精细的浮点表达能力对上千亿个浮点参数进行微调数十万步。无浮点运算能力的芯片如用于训练将增加约40%的额外操作，以及至少4倍的内存读写次数。
其次，训练芯片具有专用AI加速单元，并具有高能效比的特点。当前有个别厂商采用2016年国外品牌GPU架构，缺少AI加速单元，导致其AI训练能效比差，且能耗剧增。与之相比，配置矩阵加速单元的训练芯片可使AI训练效率提升10倍。
为AI产业提供充沛算力，需要在AI处理器硬件上有扎实的技术积累。据了解，目前许多人工智能计算中心使用的由昇腾 910 AI训练处理器，原生具备训练能力，集群性能业界领先。目前，该集群可以在28秒完成基于Resnet-50模型训练（持续保持业界第一），并且性能还将持续提升。同样，基于昇腾AI基础软硬件平台的“鹏城云脑II”荣获AIPerf（世界人工智能算力）第一名，并再次刷新IO500（高性能计算存储系统性能排行榜－全系统输入输出和10节点系统）两项世界冠军。
训练芯片市场前景广阔
随着自动驾驶、生物信息识别、机器人、自动巡检等人工智能终端产品和应用越来越普遍化，人工智能产业集群的价值不可估量。在从理论走向应用的产业化过程中，训练芯片作为算力平台的“心脏”，其市场也持续蓬勃发展。
研究机构赛迪顾问发布的报告显示，从2019年到2021年，中国云端训练AI芯片市场累计增长了约127%。2021年，云端训练芯片市场规模将达到139.3亿元。据预测，从2019年到2024年，云端训练芯片的年复合增长率或达到32%。
以全国第一个人工智能计算中心——武汉人工智能计算中心为例，其一期建设规模为100P FLOPS AI算力，今年5月31投运当天算力负载便达到了90%，投运之后持续满负荷运行。如今，武汉人工智能计算中心仍在持续扩容中。9月初正式上线的西安未来人工智能计算中心一期规划300P FLOPS FP16（每秒30亿亿次半精度浮点计算）计算能力。作为西北地区首个大规模人工智能算力集群，其算力平台承载力达到了当下我国同类平台中的领先的水平。
市场的高速增长预示着，当人工智能发展到深水区阶段，各行各业对AI训练算力的需求将长期保持几何级增长。而训练芯片作为训练算力的引擎，也是人工智能模型训练的“基础中的基础”，也将作为人工智能计算中心的灵魂得到更广泛的重视。相信，在我国极为丰富的AI应用生态优势引领下，无论是训练芯片还是推理芯片，都将得到更为长足的快速发展。
