中国AI城市前10强洗牌激化：天津进入前10，广州时隔4年回归一个团队-量子位，
年度的中国AI计算力报告书，刚刚被发表了。
今年是连续5年发行。
上海，还是第一次队的“老相识”，广州时隔4年回到了第五次。
与少有新鲜面孔的第一批相比，第二批（第610位）洗牌更加激烈：
“新一线”城市成都势如破竹，超过南京跃居第六，天津首次上榜，紧随南京。
每年上榜的合肥第一次从前十名下滑。
但说到今年最大的变化，还是智力计算能力的规模。
IDC与浪潮信息联合发布的这份《2022-2023中国人工智能计算力发展评估报告》显示，2022年，我国智能计算力的保有量终于首次超过通用计算力，达到268EFLOS（每秒268百亿次浮点运算）
这意味着智能计算力很快将成为所有计算力需求的主力军。
为此，本报告也首次将智能计算力列出来进行统计和预测，希望为AI产业的智能化和创新化提供尺度，即智能计算力在其中提供了多少推力。
例如：
在中国的人工智能支出中，硬件所占比例比未来5年至少保持在65%左右，远高于软件和服务。中国人工智能各行各业AI渗透率增长最大的金融，2022年达到62%，紧随互联网。热的大模型和很多人的观察一样，已经具备了“通用智能”的雏形，低能耗、应用性强等成为主要要求。……
要了解更多信息，请打开报告。
中国最强AI城市：北京排名第一，第二梯队竞争激烈，这座最强AI城市排名前十，基于人工智能投资规模、政策支持力度、技术成熟度、劳动供给等维度。
其中技术成熟度包括数据平台成熟度、AI计算力加速方案、云服务应用情况及应用场景成熟度。
北京四年可以高居榜首，除了政策支持外，学术资源和人才资源的加持不可或缺：
在这里，仅AI相关人才就占全国总量的一半以上。全国AI相关研究机构的过半数，北大清华中科院自动化所中科院计算所等也聚集在这里。
深圳和上海也不用多说：
前者虽然当地大学资源紧缺，却吸引了大量外资和发达国家的高端产业。
后者作为国内“教育高地”，到2025年AI人才将达到30万，人工智能专利授权数量一直处于全国领先地位，AI实力当然不低。
至于广州，4年来首次可以重返第一阶段团队，主要是去年，进一步加大政策扶持力度，聚焦先进制造、车辆交通、健康医疗、城管四个AI课程制定了“10百千”目标（即建设10个人工智能产业园区，开展100个人工智能典型场景应用模式，培育1000家左右人工智能企业）
但今年最引人注目的是即将突破第一批的成都，以及首次上榜第九名的天津。
首先，成都今年成为国家“东数西算”项目中西部重点节点之一，5月建成西南地区最大的人工智能计算中心“成都智算中心”。
公开数据显示，该中心的人工智能计算平台，计算功率达300PFLOPS（FP16、，相当于15万台高性能PC。
除了新的智算中心外，今年10月，成都还制定了“算力九条”政策，向积极建设AI产业的各企业科研机构发放“真金白银”。
例如，成都智算中心若能与智能城市、智能制造、生物医药等行业联合打造示范性人工智能创新应用场景，最高可获得100万元一次性奖励。
今年如此大的举动，无疑进一步提升了成都这座城市的魅力，将成都一下子从去年的第九名推上了第六名。
看看首次上榜的天津。
最近的三届世界人工智能大会，都在这里举办，这个智能制造业比较发达的城市又推动了许多AI项目落地。
根据计划，天津将于2024年建成人工智能试验区。这意味着有更大的潜力来改善整个AI产业链（目前主要集中在上游芯片行业和下游人工智能应用场景）
众所周知，无论是城市、企业还是科研机构，发展人工智能产业都离不开最基础的计算力量支持。
从报告提供的以下两项数据可以看出，在人工智能市场节节上升的同时，计算力的规模也在不断增长，而且更加迅速（尤其是智能计算力）
具体来说，AI市场：
计算能力：
智能计算市场1a非常火热。这正如浪潮信息副总裁、浪潮人工智能与高性能计算产品线总经理刘军所言
就像目前爆发的chatGPT基于的GPT-3模型一样，它的计算需要3640 Petaflop。
什么概念。目前，世界上最快的超级计算机日本“富岳”，每秒只有550 Petaflop。
而且，就像特斯拉FSD全自动驾驶系统的融合感知模型一样，其训练所消耗的计算力当量也有500PD。计算生物学界的“大明星”AlphaFold2是300PD……
准确地说，AI大模型训练、自动驾驶系统感知模型训练、AI+Science和数字人的建模与渲染等AI应用与创新，都离不开强大计算力（尤其是智能计算力）的支撑。
所以难怪各大城市都在加速各自智能计算能力的基础设施化。
那么可以认为，一些城市跌入今年的榜单，不是“没落”，而是后起之秀太强。
例如，除了今年的TOP排行榜之外，合肥、武汉、长沙三个城市在AI和计算力方面都有着不可小觑的发展，明年或许可以争夺第二支球队的位置。
智力计算能力如何成为创新力。IDC观察表明，目前人工智能正向多场景化、规模化、融合化等高应用阶段方向发展，数据体量呈急剧增长态势，算法模型参数量呈指数级增长，以加速计算为核心的计算力中心规模不断扩大。
要把这些计算能力变成真正的生产力，AI芯片、服务器、计算架构、云服务、算法模型、生态等的支持是必不可少的。
在过去的一年里，它们表现出什么样的表现，表现出什么样的趋势。我们一起看吧。
1、AI芯片：NPU增长最为显著IDC预计到2025年，全球AI芯片市场规模将达到726亿美元。
2021年，中国仍以GPU为中心实现数据中心加速计算，市场占有率接近90%。
ASIC、FPGA、NPU等非GPU芯片市场超过10%。其中，设计逻辑相对简单，具有显著能耗节约优势的NPU较以前明显增加。
总体来看，我国AI芯片市场呈现出以下四大特点：
发展前景广阔，低能耗是大势所趋。
然而，不同类型的芯片发展参差不齐（终端发展迅速，用于云计算等领域通用基础层芯片落后），生态链也有待完善。
2、AI服务器：浪潮市占有率世界第一AI服务器作为人工智能市场增长主力军，在2021全球市场首次突破千亿元，同比增长39.1%，超过全球人工智能市场增速。
其中，中国厂商浪潮信息以20.9%的市场占有率位居第一，其次是戴尔（13.0%）和HPE（9.2%）
未来，到2025年，全球AI服务器市场规模将达到约1929亿元人民币（277亿美元），5年复合增速将达到20.3%，预计超过80%的中国企业未来一年将继续增加人工智能服务器的投资规模。
IDC从工作量的角度来看，随着人工智能模型逐步进入广泛的生产模式，相关企业更多地使用人工智能服务器来处理推理工作量，而不是培训。
3、计算架构：基于DSA（Domain-Specific Architectures）思想设计的人工智能芯片加速创新为主导，推动人工智能芯片多元化发展。
多元计算力从“能用”到“好用”，并为企业创造业务价值，离不开通用性强、绿色高效、安全可靠的计算体系的支持。
行业内推动多元计算力系统架构创新，基于计算节点内与节点间互联技术解决现有计算架构的瓶颈，通过充分激发多芯片、多板卡、多节点的系统级能力实现各种加速单元及节点间系统的高效协同，提高计算性能。
4、云服务：搜索、人脸识别和评论引擎前三名云计算可以为企业提供更丰富的计算能力支持。
2021年ai公共云服务的市场规模仅占整个ai软件市场的13.4%，但从年增长率来看，它以远远超过它的速度增长。
AI云服务的前三名是搜索、人脸识别和评论引擎。
预计18个月后IDC将成为NLP、图像识别、视频识别
为什么“主”很快，浪潮信息刘军解释：因为现在的三个，其实是智能感知，计算智能范围。
这两种智力已经成熟，提高的余地有限。例如，智能客户识别方言和杂音的能力正在提高，今后重点发展的是在回答逻辑等方面的认知智能和决策智能。
但是，除了NLP以外，图像识别和影像识别等偏向认知智能和决策智能的3种云服务、智能语音公共云服务、对话型ai的市场也在进一步成长。
另外，今后2~3年民营化将成为云市场的主流。
5、算法模型：通用开始基于模型生成过程模型2021年，在模型爆发之年，行业将展开模型参数竞赛，更新模型性能与通用任务能力的界限。
到了今年，大模式已经具备了“通用智能”的雏形，积累参数，现在大家变得更加理性，注重绿色低碳、服务能力的下沉和商业模式的实践。
在具体实践中，行业已开始基于通用中的大型模型生成具有行业或场景所需特定技能的专业模型。
这样的模型，通用在保持大模型的知识，认知推论能力和一般化能力的基础上，实现该领域的技能的专业化，模型的轻量化和标准化。
例如，在浪潮信息中发布的四种技能模型——知识增强对话模型、知识搜索q&a模型、中英文翻译模型和古文理解模型，在继承了“源1.0”的大模型通用的知识和能力的基础上，根据特定领域的场景进行技能优化。