党中央、国务院高度重视新型基础设施建设，对推进新型基础设施建设作出了战略部署，为经济社会高质量发展强基筑本。2020年4月20日，国家发展改革委首次明确新型基础设施范围，将智能计算中心（以下简称“智算 中心”）作为算力基础设施的重要代表纳入信息基础设施范畴。《关于2019年国民经济和社会发展计划执行情况 与2020年国民经济和社会发展计划草案的报告》指出，国家发展改革委将在2020年制定加快新型基础设施建设和 发展的意见，并实施全国一体化大数据中心建设重大工程，在全国布局10个左右区域级数据中心集群和智能计算中心。
国务院发布的《新一代人工智能发展规划》中明确提出建设“高效能计算基础设施”。截至2020年10月，我国先后批准设立了北京、上海、合肥等13个国家新一代人工智能创新发展试验区。随着AI产业化和产业AI化的深入发展，智算中心已受到越来越多地方政府的高度关注并开展前瞻布局，已成为支撑和引领数字经济、智能产业、智慧城市、智慧社会发展的关键性信息基础设施。
智能计算中心技术架构
智算中心作为公共算力基础设施，符合中国当前社会经济发展阶段和转型需求，是促进AI产业化、产业AI化和政府治理智能化的重要引擎。智算中心将在推动国家人工智能战略实施，赋能实体经济实现新旧动能转换，提升社会治理水平，促进人工智能科研和工程技术人才培养等领域发挥重大支撑和推动作用。
据赛迪预计，到2020年中国人工智能核心产业规模将超过1600亿元，增长率达到26.2%。人工智能产业的蓬勃发展为智算中心的建设和发展提供了巨大的机遇。智算中心作为AI软硬件技术的一体化融合载体，将为AI产业的发展提供大规模数据处理和高性能智能计算支撑，加速图像识别、自然语言处理、大规模知识图谱等技术的研发、测试和应用部署进程。智能计算中心的构建将推动“平台+应用+人才”三位一体的新型AI产业发展模式，打造“算力+生态”体系，将加速AI全产业链的形成。AI产业化的主要应用场景包括，识别检测、语音交互、AI芯片、自动驾驶、机器人、视频解析、人机协同、机器翻译、精准推荐等。
应用场景1：识别检测
识别检测通常包括图像分类、目标定位跟踪、对象检测和对象分割等。近年来，由于深度学习技术的突破性发展，使得识别检测的表现性能有了大幅提升，对于图像分类等识别检测任务，基于多层神经网络训练后形成的模型已经能够超越人类的识别能力。识别检测正逐渐从先进技术发展成为成熟产业，被广泛应用于政府、银行、医疗、社会福利保障和电子商务等领域。尽管取得了巨大成功，但识别检测技术仍然面临着很多挑战，需要人们不断开发更加先进的学习算法，提高模型生成和测试效率，以适应不断变化和更加复杂的应用场景对识别能力的需求。
| 识别检测 | |
| 面临挑战 | 识别检测技术面临的主要挑战是如何进一步提高识别的准确率，具体体现在：
|
| 市场需求 | 据麦姆斯咨询的数据显示，全球识别检测市场规模到2021年将达到389.2亿美元，16 年-21年的复合年增长率将达到19.5%。 |
| 对智算中心的算力需求 | 目前识别检测技术的研究热点包括三维视觉、多模态融合、图像描述、事件推理和图像与视频场景理解等，要求新的识别算法能够挖掘丰富的视频和图像数据之间的时空关系，分析事件之前的语义相关性等。
高性能识别检测平台往往需要支持处理10万+的物体识别能力，具备分钟级别的模型生成响应速度，具备模型持续优化升级的能力，需要支持诸如深度分离卷积、残差密集网络（RDN）和隐式三维朝向学习等最新机器学习算法，同时支持各类算法的灵活配置以满足 不同实际应用场景的需求。 |
应用场景2：语音交互
语音交互是一个包括了语音识别、自然语言处理和语音合成的融合性AI技术。语音识别技术将声音转化成文字，自然语言处理技术对文字进行解释，语音合成技术将输出信息转化成声音。目前，常用的社交软件输入法、搜索工具、语音指令控制、新闻阅读推荐和智能客服等领域都在应用语音交互技术。然而，作为极具挑战性的AI技术之一，语音交互技术自身面临着语音识别、语义分析和多轮对话等技术难点，语音交互的工程实现需要融合使用先进的隐马尔可夫模型、深度学习和先进的语音信号处理等技术，以及超级强大的训练数据存储、计算和处理能力。
| 语音交互 | |
| 面临挑战 |
|
| 市场需求 | 据中金企信国际咨询公布的《2020-2026年中国智能语音市场竞争策略及投资潜力研 究预测报告》统计数据显示：中国对话式人工智能市场规模在2022年有望达到78亿人民 币，2018-2022年之间，其市场份额将以57%的复合增速增长。 |
| 对智算中心的算力需求 | 将来，语音交互算法的训练语料数据量将很快突破百万小时，训练数据包含大量不同用户的口音数据、多领域歧义语料数据和具备复杂语法规则的数据。随着大规模语料样本数据的不断积累，需要更好利用智算中心具备的大数据挖掘技术、深度学习算法，构建更加高级的语音模型，为客户提供流式计算、在线计算、大规模离线计算等多种形式的服务。 |
应用场景3：AI芯片
近年来，人工智能芯片及相关技术得到高速发展，面对不断增长的市场需求、多样的AI计算任务和性能要求，各类专门针对人工智能应用的设计理念和创新架构不断涌现。AI芯片需要具备高度并行的处理能力、低内存延迟和新颖的架构，以实现计算元件和内存之间灵活而丰富的连接，除此之外，还要考虑功耗和能效管理水平。在当前人工智能各领域的算法和应用还处在高速发展和快速迭代的阶段，针对特定领域而不针对特定应用的设计，将是AI芯片设计的一个指导原则，具有可重构能力的AI芯片可以在更多应用中广泛使用。AI加速芯片的种类十分丰富，主要包括图形处理器（graphics processing unit，GPU）、现场可编程门阵列（field-programmable gate array，FPGA）、专用集成电路（application specific integrated circuits，ASIC）和神经拟态芯片等，预计到2024年，非GPU加速芯片市场份额将超过20%，未来，AI 芯片市场会继续向灵活性和多样化的方向发展。
| AI芯片 | |
| 面临挑战 | AI芯片设计和生产所面临的核心挑战是芯片性能、功耗和面积等。AI芯片需要更好地适应多种架构体系，以支持更多的应用系统开发。 |
| 市场需求 | 根据赛迪顾问预计，2019年中国AI芯片市场规模达到124.1亿元，同比增长53.6%；2020年中国AI芯片市场将保持56.1%的增长，达到193.7亿元的市场规模；2021年中国AI 芯片市场规模将进一步增长至305.7亿元，同比增幅可达57.8%。 |
| 对智算中心的算力需求 | 在为各类用户主体提供多元化AI算力服务的同时，AI芯片产业的快速发展必将带动智能计算中心的建设部署。 |
应用场景4：自动驾驶
自动驾驶作为AI产业化的典型代表，近年来得到广泛的关注。由自动驾驶技术的特性可知，其开发部署需要人工智能硬件架构提供高性能的AI算力支持，需要深度学习等高级AI算法和模型的快速构建来支撑“自动驾驶”技术和功能实现，需要智能计算平台与操作系统、虚拟仿真试验平台等软硬件平台紧密协作。从自动驾驶产业链发展的角度看，位于产业链中游的整车生产等关键环节还需要建设智能化网联驾驶测试与评价平台（智能汽车风洞测试实验室）和自动驾驶模拟仿真测试服务平台等关键平台来有效支撑自动驾驶产业链的完善和升级。
| 自动驾驶 | |
| 面临挑战 |
|
| 市场需求 | 中国工业和信息化部表示，至2020年，中国智能网联汽车的市场规模可达到1000亿元以上。根据预测，智能网联汽车将持续20年的高速发展，到2035年，将占全球25%左右的新车市场。 |
| 对智算中心的算力需求 | 自动驾驶行业具备典型的海量数据、高并发、实时处理等计算属性，呈现出高度多元主体协同、智能识别和感知、系统模拟仿真计算、决策分析和预测预警等特性。该产业的高度集成化需要智能计算中提供先进的AI技术支撑，快速推动新产品的研发、测试和应用。 |
应用场景5：机器人
机器人产业更需要人工智能技术的全面赋能。机器人包括工业机器人、特种机器人和服务机器人。机器人在安全风险较大的电力、交通和能源等领域的应用十分广泛。智能电力巡检机器人集探测器、无轨化激光导航定位、红外测温、智能读表、图像识别等技术于一体，对输变电设备进行全天候巡检、数据采集、视频监控、温湿度测量和气压监测等，提高输变电站内设备的安全运行程度。
| 机器人 | |
| 面临挑战 | 机器人产业的国际竞争日益激烈，欧美等发达国家仍然掌握着机器人生产领域的关键核心技术，美国的波士顿动力（Boston Dynamics）、瑞士的ABB等科技公司依然处于绝对领导地位。我国机器人产业发展还面临着关键核心技术缺乏、创新能力不足和创新成果及产学研实际转化率较低等问题，迫切需要加强对机器人产品设计、研发和生产全过程和全流程的支持，提高研发和生产效率，降低企业AI技术测试、改进和应用部署成本，支撑机器人产业尽快突破核心关键技术，加快产学研用转换，提高产业自主创新能力。 |
| 市场需求 | 中国机器人市场规模约占全球市场三分之一，同时也是全球第一大工业机器人市场。预计到2021年将突破1200亿元。 |
| 对智算中心的算力需求 |
|
应用场景6：智能制造
根据《智能制造发展规划（2016-2020年）》，智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务到制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。制造业迫切需要采用人工智能技术作为产业革新的重要抓手，其中，质检分拣作为工业最关键的环节，其AI化的改变一直被寄予厚望。长期以来，传统工业质检面临两大痛点，即传统的检测手段效率低下，产品质量无法保障，且因工作枯燥、人口红利消失，人工质检存在“用工难” 现象。因此越来越多的工厂开始使用机器视觉技术代替人工产品质量检测。基于人工智能深度学习算法的智能质检设备是由数据驱动的、自发的机器学习，通过图像处理算法快速识别产品表面存在缺陷的不良品，并结合产线自动化，实现精准归类。与传统视觉技术在识别不规则缺陷方面的不足相比，随着数据量的增加，人工智能检测的准确性将继续优化，实现对生产质量数据的完全控制，并为过程优化和过程提供关键数据支持。
| 智能制造 | |
| 面临挑战 | 人工智能在制造业领域的应用主要面临行业协同、技术精确性的挑战：
|
| 市场需求 | 根据前瞻产业研究院的相关报告，2019年中国智能制造行业市场现状及发展前景分析，预计2024年市场规模将接近5.7万亿。IDC发布《中国AI赋能的工业质检解决方案市场分析》报告显示，2019年的工业质检市场份额达1.07亿美元，正释放出强大的AI应用潜力。 |
| 对智算中心的算力需求 | 赛迪研究院的研究表明，工业大数据将成为智能制造和工业互联网发展的核心、基于算法的工业智能平台将成为应用场景的重要基石、工艺装备的智能化将成为制造业转型发展的突破，这些趋势决定其对AI算力的需求是巨大的。IDC研究指出，机器制造、电子制造业将有很大的AI应用潜力，主要在于车间预测性防护、产品质检/分拣等。传统的视觉检测系统难以应对越来越复杂的检测场景以及更高的产品质量检测需求，工业质检车间的自动化和智能化越来越成为行业大势，这也为AI赋能工业质检提供了落地的土壤。由此可见，智能制造（工业质检）对于AI算力的需求是巨大的，对智算中心的应用需求也是很迫切的。 |
应用场景7：医疗影像
应用人工智能技术，参与疾病的筛查和预测，从医疗影像检查结果中进行判断以获取诊断信息，辅助CT影像识别、颈椎病症识别、癌症识别等场景应用。新冠肺炎疫情的爆发加速暴露了当前医疗体系中存在的问题。在人工智能时代，传统算力设施已无法支撑对于大量医疗影像进行机器自主学习、快速判断结果的需求。为了更好地应对公共卫生突发事件，让检查更加便捷、迅速，从而提供更高质量的医疗服务，需要应用智能计算中心的算法算力，对多层神经网络的模型进行训练，通过测试影像数据确定真实的特征目标，实现高准确度的分类诊断，提高诊断速度与工作效率。
| 医疗影像 | |
| 面临挑战 | 人工智能在制造业领域的应用主要面临行业协同、技术精确性的挑战：
|
| 市场需求 | 据相关专业机构统计，预计到2020年，我国智慧医疗的投资规模将达到1000亿元以 上，2020-2024年，年均复合增长率约为15.24%，2024年将达到1850亿元。 |
| 对智算中心的算力需求 | 医疗影像智能诊断应用需要基于大量的数据进行知识挖掘和深度学习训练，获取具有实际医疗应用价值的模型，这对数据的存储与计算都提出了相当高的硬件需求，因此，需要智算中心提供强大的算力支持和一体化开发环境。 |
应用场景8：无人商店
目前中国零售业正在呈现线上线下融合发展、新业态新模式不断涌现的发展趋势，以无人商店为代表的智慧零售新业态越来越受欢迎。无人商店主要应用人工智能卷积神经网络、深度学习、机器视觉以及生物识别等人工智能领域前沿技术，可实现扫码进店、直接购物、自动结账、离店后付款等无人店全智能化操作。利用深度学习的神经网络，无人商店可以记录每个客户的消费习惯，甚至抓取用户信息，实现“人店对话”。利用机器视觉技术、生物识别技术可以识别消费者身份。通过机器视觉、射频技术、多路摄像头和传感器能够精准识别商品、捕捉消费者运动轨迹和消费行为。但是随着店铺面积增大、人流量增多， 无人商店需要更强大的计算能力、更精准的识别要求，无人商店行业迫切需要在新型智能化算力基础设施的支撑下快速兑现对整个行业的变革和引领。
| 无人商店 | |
| 面临挑战 |
|
| 市场需求 | 根据博思数据发布的《2018-2023年中国无人零售商店市场分析与投资前景研究报告》，2017年我国无人零售市场规模为197.0亿元，无人便利店销售规模在0.5亿元左右，预计到2025年我国无人零售市场规模将增长至3633.1亿元。 |
| 对智算中心的算力需求 | 无人商店的应用落地需要实现精准识别客户身份、商品标签、智能计算、支付等全流程智能购物，同时需要基于大量的销售数据、行为轨迹、消费习惯等大数据挖掘与深度学习分析，采用基于客户画像的精准营销算法，实现个性化精准营销，提高服务满意率。销售全流程需要以人工智能技术为核心，涵盖深度学习、计算机视觉、传感器融合、生物识别、 RFID等技术，对高性能存储与计算、AI模型算法等都提出了相当高需求。智算中心强大的算力支持和人工智能技术应用是无人商店未来持续拓展的必要基础支撑。 |
应用场景9：智能客服
智能客服即通过运用智能化的语音识别技术、自然语言处理技术、知识库管理技术、语音合成技术， 更好地帮助客户分析问题，通过人声模拟或文字给予用户明确的答复或相应的建议。传统的客户服务中心以电话呼叫中心为主，随着人工智能技术的不断成熟与用人成本的逐步提高，更多政企部门加大了对智能呼叫中心的投资规模，积极拓展更加经济高效的智能客户服务渠道，如在线客服等，应用以领域知识库建
设为核心，通过文本或语音等方式交互的智能客服机器人系统，有效整合了多渠道的客户服务中心，能够大幅缩减客服成本、增强用户体验，从而提升服务的质量和企业创新的品牌形象。
| 智能客服 | |
| 面临挑战 |
|
| 市场需求 | 据前瞻研究院预测，目前中国约有500万全职客服，客服行业市场规模约4000亿元，智能客服市场约将达到500亿-800亿元。 |
| 对智算中心的算力需求 | 智能客服实际上是集合人工智能学、计算机科学、语言学等多门学科的综合应用，需要让机器主动去认知和学习，不断强化行为模式，提高思考能力，从而更加灵活地完成各项工作任务。此外，要更加充分地利用自然语言处理技术中如语义分析、情感分析、上下文关联等技术而不单只是切词匹配，这样在应对客户多样化的提问时让机器人听懂人话，才能更加准确地判断客户需求并提供最佳答案。基于此，智算中心能够为NLP（自然语言处理）、NLU（自然语言理解）、ASR（自动语音识别技术）、TTS（语音合成技术）等核心技术 提供算力支持，为实现系统的自我学习提供不可或缺的能力支撑。 |
应用场景10：智慧物流
2020年的新冠肺炎迫使许多工厂被迫停工，令无数企业意识到无人化或人机协同生产线的重要性。在新基建大背景下，智慧物流将成为我国促进经济发展内循环的有力抓手。2020年可以定义为“AI+物流” 的元年，智慧物流盛宴刚刚启幕。电商巨头、初创公司和传统企业纷纷布局，抢占物流行业巨大市场份额。如何帮助物流企业快速研发和生产智慧物流解决方案和技术产品与服务，已经成为众多企业面临的直接挑战。这需要智能计算中心提供高效算力支撑中小微企业、初创高科技公司和AI技术公司快速研发更加先进和智能化的物流机器人技术、产品，降低企业进入智慧物流行业的门槛，进一步促进智慧物流生态体系构建，不断优化物流工作效率。
| 智慧物流 | |
| 面临挑战 | 传统物流行业，人的工作压力大、部分工作环境苛刻，物流成本连年攀升，企业主动寻求降本增效之道。设备的海量规模和系统的柔性离散要求包括：
|
| 市场需求 | 2017年，我国智能物流市场规模达到3375亿元，同比增长21.2%。据iiMedia Research预测，到2025年我国智慧物流市场规模将超万亿。 |
| 对智算中心的算力需求 |
|
应用场景11：智慧农林
农业智慧化转型升级是实现我国经济高质量发展的重要内容，人工智能技术可以全面赋能农林业生产、助力生态防治。农业种植方面，通过深度学习算法分析农作物高清图像，可以实现大规模、低成本、自动化的病虫害识别及监测预警。林业生态防护方面，利用无人机、智能图像识别等技术和高速的数据处理能力， 监控、分析、处理大量实时数据，在林草火灾防治、林草有害生物防治、沙尘暴防治、野生动植物疫源疫病监测防控等领域能够实现智能监测、智能预警和智能防控。农业养殖方面，高清监控系统配合图像识别技术对畜禽进行面部和行为识别，可以自动分辨畜禽情绪、进食状态和健康情况，及时反馈给养殖户并提供养殖建议。大数据配合人工智能技术可以实现鱼群数据的精准预测，自动定位捕捞，提高捕捞准确率，并有效防范过度捕捞现象，促进海洋资源的可持续发展。
| 智慧农林 | |
| 面临挑战 | 目前，加速智慧农林落地，实现农林业的集约化、智能化生产主要面临以下几个问题：
|
| 市场需求 | 据中商产业研究院预测，到2020年智慧农业的潜在市场规模有望增长至268亿美元，年复合增长率达14.3%。智慧农业藏粮于技，通过高新技术的应用，有望将粮食产量增加70%，相当于养活近96亿人，并且能够实现农业的集约化生产，大幅度降低资源浪费，提高环境保护能力，促进生态可持续发展，还民以绿水青山。 |
| 对智算中心的算力需求 | 农业数据整体呈现规模庞大、类型多样、实时数据更新频繁等特征，涉及农林渔牧副各产业的多种数据。因此，为了挖掘更有价值的农林业生产数据，促进智慧农林的精准落地，针对农林渔牧副产业的不同特点，个性化定制智能解决方案变得尤为重要。需要有配套的智算中心作为支撑，实现农林感知数据的大规模存储，借助强大的算力支持农林数据的高效计算、训练和推演，最终实现快速和智能化的农林生产决策。 |
本文摘编自国家信息中心信息化和产业发展部发布的《智能计算中心规划建设指南》，全文下载：
智能计算中心规划建设指南
更多标准、白皮书、报告等高质量纯净资料下载，在文末扫码关注官方微信公众号“idtzed”，进入公众号菜单“治库”，或按自动回复发送引号内关键词。
