2020年4月10日，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》中 ，数据首次作为一种新型生产要素出现，与土地、劳动力、资本和技术等传统要素并列。不可否认，计算力已经与国家经济息息相关。

据IDC与浪潮联合发布的《2020全球计算力指数评估报告》显示，计算力指数平均每提高1点，数字经济和GDP将分别增长3.3‰和1.8‰。计算力指数是评估计算力与经济、数字经济相互拉动，共同发展的指数。

当下，全球的数字化转型已进入倍增创新阶段，各个国家的数字经济占比正持续提升。

报告指出，当一个国家的计算力指数达到40分以上时，指数每提升1点，对于GDP增长的拉动将提高到1.5倍；当计算力指数达到60分以上时，对GDP的拉动将进一步提升至2.9倍。目前，我国计算力指数评估分数达到66分，处于全球第一梯队。

“超大规模的数据量对处理效率提出更高要求，强大的计算力，为数字经济提供了倍增创新的源动力。” 正如IDC中国助理副总裁周震刚所说，计算力正在成为数字经济发展的核心驱动力。越早意识到计算力对经济的促进作用并布局算力基础设施，越能在未来发展中占据先机。

计算力成AI突破关键要素

随着5G部署速度的加快、物联网技术的进一步发展，可以预见我国数据生产速度将获得更快的提升、数据总量将进一步提高。数据要素价值创造需要对数据进行更多维度、更加深度的利用，原来处理数据的方式已远远满足不了新时期数据处理的需求，而人工智能技术将大大提高数据的利用效率。

据了解，人工智能服务器通常搭载GPU、FPGA、ASIC等加速芯片，利用CPU与加速芯片的组合可以满足高吞吐量互联的需求，为自然语言处理、计算机视觉、语音交互等人工智能应用场景提供强大的算力支持，已经成为人工智能发展的重要支撑力量。

在当今以深度学习为中心的人工智能发展中，AI模型的进步主要依赖于模型的规模化扩展。在AlexNet网络模型出现后的几年中，ResNet、Transformer、BERT等优秀模型的不断涌现使得深度学习有了长足的发展和进步，尤其是在图像、语音、机器翻译、自然语言处理等领域带来了跨越式提升。AI模型智能程度在不断发展的同时，AI模型的数据量、结构的复杂程度也在不断增加，其带来了模型的参数量爆发，模型尺寸呈指数级增长 。

2020年7月时，OpenAI实验室推出了最先进的自然语言模型GPT-3，拥有1750亿的天量参数，其训练数据集规模也超过500GB。GPT-3的算力需求达到了3640Petaflop/s-day。据媒体机构量子位估算，训练一个GPT-3模型需要一块GPU运行355年。不同口径估算，GPT-3的训练成本约在600-1200 万美元。

2020年1月，最新语言模型Switch Transformer可以将语言模型的参数量扩展到1.6 万亿，比GPT-3的参数多了近10倍。

随着模型尺寸的不断膨胀，实现高效的AI模型训练的一个重要的支撑是更快的算力，即可以在更短时间内完成大规模AI计算，这是未来一段时期内人工智能研究能否继续突破的关键要素之一。

中国AI服务器成人工智能产业中坚力量

根据IDC最新发布的2020H1《全球人工智能市场半年度追踪报告》显示，目前2020年上半年全球人工智能服务器市场规模达55.9亿美元。其中，浪潮以16.4%的市占率位居全球第一，成为AI服务器头号玩家，戴尔市占率14.7%位居第二，HPE市占率10.7%位居全球第三，华为（6%）和联想（5.7%）位列第四第五。机构预测，未来，AI服务器将保持高速增长，预计在2024年全球市场规模将达到251亿美元。

据IDC数据，目前中国AI服务器已经成为全球人工智能产业发展的中坚力量。2020年中国人工智能基础设施市场规模达到39.3亿美元，同比增长26.8%。其中，AI服务器市场规模占整体人工智能基础设施市场的87%以上，并持续保持高速增长。机构预测，中国AI服务器市场未来将占全球AI服务器市场的三分之一左右。

随着国家加速新型基础设施建设，AI将会加速与交通、能源、制造等行业融合，进而撬动经济增长。在此过程中，AI服务器的规模化布局能够为人工智能应用落地提供核心的算力保障，对于未来国家计算力指数的提高具有极大的推动作用。