你好，我是王煜全，這裡是王煜全要聞評論。
8月以來，"算力"一詞一度上了新聞熱搜。7月底剛剛結束的"2022中國算力大會"上公布了一組數據：中國的算力規模位於全球前列，伺服器數量達到約2000萬台，全球算力分布統計中，我國就占到了26%。
算力為什麼這麼重要呢，因為它代表著最前沿的科技水平，那就是雲計算和人工智慧，被很多人看作是國家競爭能力高低的核心指標。
產業建設也是如火如荼，從2021年初到今年2月，全國至少有26個城市在推動或者已經完成了AI計算中心的建設。AI計算中心投資可不低，不少都是10億元起步。
看到了人工智慧產業對算力的巨大需求，提前投資來建設，這當然是好事，也說明我們國家在科技產業基礎設施上的開始大規模布局。不過考慮到AI計算的特點，這樣的布局中一定要有前瞻性的眼光。一個面向未來的AI計算中心，我認為有幾個特點是需要考慮到的。
第一個是算力好不好用，越好用就越快實現普及。
很多人把算力比喻成電力，因為AI算力應該像水和電一樣提供給各行各業。不過跟電力相比，算力的使用更複雜。
電力只是把能源送到設備端來實現發電，而算力是解決各種行業問題，類型也有很多。遊戲行業需要的是圖形渲染能力，工廠的故障檢測需要圖像識別的算力，實時語言翻譯需要語言理解和處理的能力。
能不能把AI算力高效提供出來，讓更多人能夠方便地使用，是需要好好研究一番的。這背後涉及到整個硬體的變化：
以前是CPU為主導的，但是未來GPU的數量會大大增加，甚至會出現專有的人工智慧晶片，解決專門行業問題，這往往是企業主導的，因為他們更貼近市場和需求端。比如特斯拉建設的AI數據中心，裡面的Dojo晶片就是專門為自動駕駛服務的。
所以要在產業和政策層面共同探討，保證AI計算中心可以把算力更快更便攜地提供出來。
第二個是算力夠不夠先進。別今天大干快上了，明天就發現技術過時了。
AI計算中心疊代很快，不像發電廠建好了可以用很多年。晶片遵循摩爾定律，每隔一段時間性能會增加一倍，成本迅速降低。這就是技術疊代的結果，今天的AI計算中心遠沒有定型，未來還會不斷疊代。
尤其是數據中心這種硬體和物理場所，有的大型計算中心就有1萬個機櫃，它們的論證時間久、建設周期長，很容易出現建完後發現已經是落後的技術了，滿足不了越來越大也越來越複雜的算力需求，這方面需要技術領先性和成本的綜合考量。
建設計算中心的技術能不能保證未來三到五年不淘汰？這方面眼光一定要准，提前採用今天可能還小眾、但是未來能得到廣泛使用的技術。比如現在的數據中心普遍是X86架構主導的，但瑞士國家超級計算中心已經在建設ARM架構的AI計算中心了，2023年投入使用，這就是為未來布局的做法。
第三是算力夠不夠用。
科技特訓營的會員就曾經諮詢我一個問題，西南某地區的大數據中心雖然已經開工建設了，但是運營方一直懷疑市場需求是不是真的那麼大，不知道建完後會不會導致資源浪費。
其實這是一個普遍問題，長期看都知道是未來，但是短期卻沒有爆發點，真正的市場需求不足，不僅僅是算力過剩，還要承擔大量的電力消耗和財務成本。
從歷史規律看，科技的發展往往是指數級的，今天看沒需求，未來可能會大規模爆發。凱文·凱利在去年的百度開發者大會上就提到，數十年後，大量成本低廉、無處不在的人工智慧是讓這個世界運轉的必需品。如果你也認同這個判斷，別看今天算力過剩，十年後或許會算力不足呢。但從投資的角度講，要考慮到產業爆發的時點，避免過早投入。
最後做個總結，在全國上下高度認同雲計算、人工智慧是未來趨勢的同時，也要尊重技術發展規律，把握好科技的產業化時點，對市場擴張的速度要有充分的理解。這樣才能建設成真正的面向未來的AI計算中心，還能避免一哄而上、低水平重複的問題。
以上就是今天的內容，更多科技產業的底層思考邏輯，會在科技特訓營里分享。歡迎關注全球風口微信號，報名加入！
王煜全要聞評論，我們明天見！