11月24日，投资60个亿的中国联通长三角（芜湖）智算中心项目开工；
11月22日，面向汽车研发的阿尔特（无锡）智算中心正式启用；
11月21日，首期规划1000PFLOPS智算能力的中国移动智算中心（武汉）落地；
11月20日，首个国产化智算中心项目在贵安正式签约；
此外，如鄂尔多斯、南昌等地，均有智算相关的土地规划出炉……在过去一周中，几乎每一天都有智算相关项目消息传出。而这，几乎是最近一年来的常态，智算中心建设已经进入了爆发期。
智算的火爆，背后是AI大模型兴起，以及其对算力带来的全新需求。
大模型算力消耗有多恐怖？
随着人工智能技术的快速发展，AI大模型已成为当今世界计算力需求增长的主要驱动力。这些模型不仅在理论研究上取得突破，也在实际应用中发挥着越来越重要的作用。日渐普及的AI大模型正推动着全球及中国的算力基础设施变革。
AI大模型需要多少算力，我们可以从ChatGPT的训练算力消耗中窥得一斑。OpenAI的报告显示，训练一次1746亿参数的GPT-3模型需要的算力约为3640PFlops-day。虽然ChatGPT 4的细节没有公布，但据ARK Invest估算，GPT-4参数量最高达15000亿个，算力需求最高可达31271 PFlops-day。
这仅仅是ChatGPT的训练需求——在ChatGPT引发了广泛关注后，世界各国都在杀入大模型领域，各类大模型产品层出不穷。在不到一年的时间里，仅我国国内，就发布了不下200个大模型产品。
可想而知，这些大模型需要的算力将有多么恐怖。
算力基础设施面临的挑战
算力需求的暴增，对算力基础设施带来了两个方向的挑战。
一方面是计算力生产的挑战。随着摩尔定律在物理法则层面的极限到来，依赖单芯片的算力已经无法满足超大规模算力的需求，因此需要更多的芯片联合工作，就此数据中心的规模越来越大，以集群式的算力中心建设已经成为常态。
一方面是生产算力所需环境的挑战。在算力中心超大规模化发展的情况下，算力中心能源供给的充足和稳定，以及庞大能源消耗带来的热量如何有效的散发，也成为了一个需要面对的现实话题。
而这些也仅仅是AI大模型训练中需要的算力，随着大模型产品的落地和普及，推理型的算力需求将进入增长期，其增量将超过训练需求，长远看其算力需求总量或将与训练需求平齐甚至超越。
田鑫，专业的企业组网服务商，致力于为企业提供企业组网（SD-WAN、MPLS、云互联），业务云化、数据中心、网络安全、行业IT解决方案等相关服务。
更多相关内容推荐：
数据中心能源转化产业链分析如何改造数据中心以提高效率和可持续性数据中心演变：本地计算到云和边缘计算中小企业如何应对数据中心自动化带来的挑战？传统数据中心的智算转型是否必然趋势？总投资10亿 鄂尔多斯超算中心开工 
