人类正在迈入一个“宽泛的人工智能”的时代，人工智能技术开始解 决一些特定领域的问题，甚至跨多个领域的问题。在这样的应用背景下， AI对计算能力的要求慢慢的升高。人工智能的发展需要巨大的计算能力来支撑，而计算能力是推动AI应用和技术突破的核心驱动力。至少在当前的许多领域，处理更多的计算意味着更好的性能，并且计算能力的提升常常与算法的进步互相促进。对于“计算能力”，我们熟知集成电路领域的“摩尔定律”单位面积集成电路上可容纳的元器件的数目，每隔 18~24 个月便会增长一倍，集成电路性能也会提升一倍。但人工智能所需的计算量，其增速远比集成电路的摩尔定律要快。

  2018 年 5 月，美国的人工智能研究组织 OpenAI 发布了一份关于 AI 计算能力增长趋势的分析报告。在这份报告中，使用“用于训练单个模型的计算量”这一指标来衡量人工智能所需的计算能力。

  OpenAI的报告数据显示： 从 2012年开始，AI训练中所使用的计算量呈指数增长，平均每 3.43个月增长一倍（摩尔定律中增长一倍的时间是18~24个月）。到 2018年，这个指标已经增长了 30万倍以上（如果按 18个月增长一倍计算，同时期计算量仅能增长 12倍）。

  图 3.1展示了用来训练一些著名的 AI模型并得到较好结果的计算总量，1petaflop/s-day（pfs-day）是指一天中每秒执行 1015次神经网络操作，或一天总计约 1020次神经网络操作。

  OpenAI在 2019年 7月从微软筹集到 10亿美元，用于加速对AI“圣杯”的追求：5年内建造一台可以在一定程度上完成通用AI的计算机，构建一个能够运行“人脑规模的AI 模型”的系统。随着计算机硬件慢慢的变强大，深度学习系统中使用的学习算法将会进化，拥有今天的程序员永远也不可能直接对其进行编程的能力。

  图 3.1 AI 训练所需计算量的增长趋势来源：OpenAI《AI 与计算》

  OpenAI董事长兼首席技术官格雷格·布罗克曼（GregBrockman） 宣称，AI计算能力增长的超摩尔定律可以再延续 5年。他认为过去 7年的进步就像把智能手机的电池续航时间从 1天延长到 800年：同样的指数曲线亿年。而今天最先进的神经网络大致与蜜蜂的大脑差不多。但是，OpenAI相信，在接下来的 5年里，人工神经网络有望与人类的大脑相当。拥有与人类相匹敌的认知水平，被认为是具有超越人类智能的计算机问世之前的最后一步。

  对于这种趋势会持续多久，以及持续下去会发生啥，用过去的趋势来预测显然不够。但能确定，未来几乎所有人类活动都会留下数字印记， 人与人、人与物、物与物之间的连接将无处不在，并不断产生海量数据。这一些数据要转换成人工智能的燃料，就需要计算能力来收集、存储和处理。因此，在AI时代，计算能力就是生产力，人工智能的进步离不开计算能力的升级。

  中国人工智能的发展更是离不开计算能力。2019 年 3 月，IDC 和浪潮联合发布《2018—2019 年中国AI计算力发展评估报告》，报告数据显示：2018 年，中国AI市场投资规模约 25 亿美元，其中 70% 以上为以计算能力为核心的基础架构硬件市场投资。2022 年全球 AI 市场中用于计算能力的投资将超过 176 亿美元，市场未来 5 年的复合增长率将超过30%，中国人工智能基础架构硬件市场规模将超过千亿元。