上游新闻记者 朱廷文/图

智慧城市建设是信息化与城镇化全面融合的有效形式，也是实现城市智能化、现代化的重要途径。 2021智博会有哪些智慧城市建设“黑科技”？ 昨日（23日），智慧城市综合管理平台在N3馆渝北馆亮相。 该平台通过数据采集和转化，构建智慧城市运营的“大脑”，为城市管理者提供决策依据，为城市发展服务。 智能化、精细化管理，提供新洞察。

渝北展览馆

智慧城管、智慧交通、应急管理……昨天，在N3馆渝北展馆，记者看到，在这个智慧城市综合管理平台上，可以实时查看相关数据。 “不仅要检查，还要调度，形成城市治理统一监控调度的‘驾驶舱’。” 该平台的开发商重庆阳盛科技集团有限公司产品经理周善志介绍智慧城市，该平台的具体功能是“三中心一平台”，即数据资源中心、监控和早期。预警中心、调度指挥中心和综合赋能平台。 其中，数据资源中心汇聚数据资源，深挖数据价值； 监测预警中心依托业务系统的管理能力和数据资源的分析，实现对城市运行的监测分析、预测预警； 调度指挥中心通过协同指挥、联动实现应急响应调度； 综合平台可为各类数据应用场景提供技术、业务协同、融合创新等服务保障。

智慧城市综合管理平台

为什么可以实现统一调度？ 周善志表示，智慧城市综合管理平台利用物联网、大数据、云计算、GIS、BIM、可视化等技术，整合城市治理各类业务场景，汇聚城市治理各类数据资源，构建智慧城市综合治理平台。集“数据可视化、事件中心、运行监控、态势感知、联合指挥于一体的智慧城市运营中心”，形成智慧城市运营管理的统一决策“驾驶舱”，为共享联动、高效运营提供智能化平台城市治理决策，提升智慧城市管理的科学化、精细化、智能化水平。

周山之也举了个例子。 他表示，对于市民来说，如果在城市管理中发现一些问题，可以通过文字、图片、视频等方式向平台反馈。 部门处理，全程可查询。

目前，该平台系统已在垫江落地应用。 结合智慧城市运营管理和平台技术需求，垫江打造了集工业互联网、点小二平台、智慧水利、智慧城管、智慧交通、智慧医疗、智慧社区服务、应急数据管理等应用场景，可在现代城市治理、社区服务、三农科技服务、应急管理等多个领域实现同步调度和应急指挥，体验数字经济与智慧城市建设融合发展垫江市。 为生产生活带来便利和服务。

曙光，中国算力之王！ 人工智能是2023年第一个出现的重大题材，主要得益于微软在技术上的重大突破，打开了人工智能的想象空间。 在A股市场，以360、浪潮信息、科大讯飞、拓尔思、拓讯为代表的人工智能标的几乎日成交额在20亿-50亿量级，浪潮信息成交额甚至突破百亿。一度。 如此大规模的热点板块，已经基本耗尽了A股的流动性。 人工智能的未来是美好的。 会像英伟达一样从30元到300元的大牛股。 父亲兼公司首席执行官奥特曼（Sam）周日在一篇帖子中写道：“新版摩尔定律即将到来，宇宙中的智能数量每 18 个月翻一番。”

摩尔定律是英特尔联合创始人摩尔对半导体行业的预测，即芯片中的晶体管数量大约每两年翻一番，而价格下降一半。 几年前，芯片巨头英伟达创始人兼CEO黄仁勋曾表示：“摩尔定律已死。”

奥特曼的最新言论迅速在社交媒体上发酵，但他并没有具体解释所谓的“智能”()指的是什么，这也引发了业内的热议。

当宇宙中的智能数量在 18 个月内翻一番时，这意味着什么？

“当另一种结构（人脑以外）能够突破（神经元）总量的极限时，智能确实会持续爆发。” 猎豹移动董事长傅盛在朋友圈写道。 他向第一财经记者解释道：“这里的智能应该是指神经元参数。”

兰舟科技创始人兼CEO周明告诉第一财经记者，虽然神经元参数确实是可以用数值衡量的指标，但过去几年，神经元参数似乎并没有在18个月内翻倍。

“我觉得意思比较模糊，我个人的理解是全球人工智能能力每18个月翻一番，但什么算翻倍？是新增能力的数量，还是现有能力？他没有明确解释增加一倍。” 周明告诉第一财经记者。

第一财经记者就如何理解“情报”提问。 先问：“宇宙中智慧的数量每18个月翻一番，这里的智慧是什么意思？” 答：“声称宇宙中的智慧生物数量每18个月翻一番是没有科学依据的，因为智慧不是一个可以用这种方式测量或量化的物理量，通常被认为是一个具有复杂特性的东西，不能简化为单个索引或值。”

当第一财经记者在问题中加上创始人奥特曼的名字，然后问道：“奥特曼说的新版摩尔定律是什么？” 2019 年关于人工智能快速发展及其成倍增长能力的预测。 奥特曼表示，目前人工智能的发展速度正在超越摩尔定律。”

从回答中可以看出，奥特曼早在2018年就做出了这个预测，只是当时的能力远不如今天，所以这个说法自然没有受到重视。

如今，奥特曼再次抛出了他的“新版摩尔定律”，背后是深度学习和AI的兴起。 但是再强大，也离不开算力的支持。

随着人类对计算能力的要求越来越高，为满足新的高性能计算需求，芯片需要不断迭代，成本也会随之增加。 目前，包括大机型在内，95%用于机器学习的芯片都是英伟达的A100，这款芯片的单价超过1万美元。

在上周英伟达的财报会议上，黄仁勋表示，英伟达的GPU在过去十年中将AI处理性能提升了100万倍。 现在希望将 AI 的训练速度至少提高 10,000 倍。

某研究院分析师盛凌海告诉第一财经记者：“过去十年见证了AI从0到100的发展，但从100到10000是完全不同的场景。芯片的发展过去十年也跟着摩尔定律发展，但随着摩尔定律接近极限，未来进一步提升计算机的能力会越来越困难，除非量子计算有重大突破。”

谁能颠覆人工智能的“主力军”A100？

根据研究公司 New 发布的一份报告，英伟达的 A100 现已成为人工智能领域的“主力军”，占据了用于机器学习的图形处理器市场的 95%。

训练大型语言模型需要大量也能进行“推理”的 GPU。 AI 产品火爆的企业，往往需要购买更多的 GPU 来处理高峰期的数据或进行模型改进。 例如，人工智能公司AI在过去一年采购的A100芯片数量已增加到目前的5400颗。 AI的软件用于图像生成器，使用256颗A100芯片训练模型，总训练时间高达20万小时。

除了单颗 A100 芯片外， 还出售包含八颗 A100 的服务器系统 DGX，售价接近 20 万美元。 据机构估计，微软基于人工智能的搜索 Bing AI 需要超过 20,000 个 DGX 服务器系统才能使 Bing 的模型支持所有人的搜索，这表明该功能可能需要微软投入 40 亿美元的基础设施支出。

而谷歌每天近百亿次的搜索服务需要更多的服务器容量。 据 The New 的技术分析师称，谷歌需要在 DGX 上花费 800 亿美元才能满足所有人的搜索需求。 “这表明，如此庞大的语言模型的每个用户都需要一台大型超级计算机，”报告中写道。

但目前只有大公司才有实力进行如此巨大的投资。 为了让更多的小公司能够使用英伟达 AI 的能力，英伟达正在开发一种新的商业模式。 黄仁勋在上周的财报电话会议上表示，未来将直接出售DGX系统的云接入，从而降低小公司研究人员使用AI能力的入门成本。

在黄仁勋看来企业大数据，英伟达提供的价值在于，将原来需要投资10亿美元运行CPU的数据中心，减少到只需要1亿美元就可以搞定的数据中心。 100家公司分担成本，所以每家公司支付的其实很少。 “现在企业花10、2000万就可以搭建一个类似GPT的大规模语言模型，买得起。” 黄仁勋说道。

尽管英伟达并不是唯一一家为人工智能生产 GPU 的公司，但根据研究机构 State of AI 的一份报告，截至去年 12 月，英伟达的 AI 芯片被用于 20,000 多篇开源 AI 论文中，其中 A100 将将于 2022 年发布。使用量在 2019 年迅速增长，使其成为英伟达第三大使用芯片，仅次于其 1,500 美元的游戏芯片。

目前，能够与A100竞争使用的下一代人工智能芯片H100，仍然是英伟达的下一代人工智能芯片，已于去年量产。 A100。 英伟达表示，该公司首款针对架构优化的数据中心 GPU H100 越来越多地用于新的顶级人工智能应用程序中，并且越来越重要。

一：算力是数字经济时代的核心生产力。 算力指数每提高1点，国家数字经济和GDP分别增长3.5‰和1.8‰。 算力指标模型包括四个维度：算力、计算效率、应用水平和基础设施支持。 计算能力反映了国家对计算能力投资的总体水平和重点； 计算效率反映了计算能力的利用水平； 应用层旨在考虑人工智能、物联网等新兴技术在国内的应用对算力的拉动，体现未来算力发展的潜力； 基础设施支持，旨在考虑一个国家未来计算能力发展的可持续性。

二：投资计算能力将带来长期的经济增长。 当一个国家的算力指数达到40点以上时，算力指数每上升1点，对GDP增长的拉动力就会增加1.5倍。 当算力指数达到60分以上时，算力指数每上升1点，对GDP增长的拉动力将增加3.0倍，对经济的拉动作用将更加显着。 验证了包含算力资本的内生增长模型，算力资本可以与传统实物资本形成互补协同效应； 算力资本的增长将产生正向的网络外部效应和溢出效应，算力资本对经济发展具有乘数效应。 加大对数据中心、智能计算中心等算力基础设施的投入，将进一步增强算力资本与传统物质资本的互补协同效应，提高一国生产商品和服务的能力，促进世界数字经济的发展。 在国民经济中的比重最终将推动潜在GDP增长，提高整体经济发展水平。

三：全球算力投资加速。 中国计算能力水平提高了13.5%。 计算能力指数在美国排名第一，在中国排名第二。 在过去的一年里，大多数国家的算力得分都有所提升，中国的算力水平提升了13.5%。 中国大部分指标继续保持高速增长，增速高于美国。 领先者阵营与首发者阵营的差距进一步拉大，首发者阵营与追赶者阵营在全国算力指数平均分上的差距正在缩小。

四：AI计算能力体现一个国家的尖端计算能力 从15个国家来看，AI算力支出占总算力支出的比重从2016年的9%上升到12%，预计到2025年将达到25%。 中国引领全球AI算力发展。 AI服务器支出规模同比增长44.5%，首次超越美国位居全球第一。 15个国家近60%的人工智能算力支出增长来自中国。 各国加大人工智能布局力度，澳大利亚成立人工智能研究院； 日本出台《第二次战略创新促进计划（SIP）》； 法国发布“国家人工智能战略”新计划； 产业发展战略》； 面对人工智能应用对算力的巨大需求，我国在政府层面推动智能计算中心有序发展，打造集智能算力、通用算法和开发平台于一体的新型智能基础设施，主要面向政务服务，智能城市、智能制造、自动驾驶、语言智能等重点新兴领域。

五：数字技术加速与垂直行业深度融合，优化创新应用场景，全球行业算力水平排名TOP5：互联网、金融、制造、电信、政府。 算力投资大的行业也最先投资于新技术的应用，其中互联网、金融和制造业在算力投资和人工智能投资上都走在前列。 金融加快智能化平台建设，提升风险管控能力。 人工智能的运用主要集中在智能客服和风险管控两个方面。 智能客服语音识别率从平均55%提升至85%以上。 制造业积极推进数字化工厂建设。 是全球算力水平最高的传统行业之一。 是物联网和机器人两大新兴技术投资最多的行业。 在龙头企业的带动下，中国制造业数字化进程正在加速，实现工厂数字化。 2021年中国制造业IT相关支出约占全球市场的15%，未来5年增速将处于领先地位，年复合增长率达16.6%，明显高于世界其他地区。 预计到2025年，中国制造业IT相关支出将占全球市场的20%左右。 电信用算力投入内部优化BSS系统增加客户粘性，优化OSS系统提高运维效率； 对外提供智慧交通、智慧零售、车联网、游戏娱乐、AR/VR应用等增值业务支持。

六：智能计算加速数据发现创新 1、在农业领域，利用人工智能技术分析加工图，确定作物问题区域，从而优化产量。 2、在医疗领域，人工智能技术应用于遗传综合征、肺癌、乳腺肿瘤、创伤后应激障碍等多种疾病的治疗和诊断； 借助AI技术，可以精准解读医学影像，协助医生从海量X光照片中准确诊断乳腺癌和肺结核，利用组织切片图像理解和解码疾病。 3.在科研领域，AI计算辅助疫苗和药物研发，用于靶点选择和验证、先导化合物筛选和优化的研发。 有效药物投入使用； 利用人工智能研究蛋白质折叠结构和抗菌耐药基因的检测鉴定也成为热点。 4、在防疫抗疫中，AI计算在人群排查、舆情分析、感染防控、疫情监测分析等方面发挥重要作用； 人工智能计算加速疑似病例基因测序分析，显着缩短溯源时间。

七：新兴技术的应用是未来IT支出的核心驱动力 大数据、人工智能、物联网、区块链、机器人等新兴技术的应用是未来IT支出的核心驱动力。 中国机器人应用支出位居全球首位，人工智能应用和大数据应用增速高于美国。 2020年，中美人工智能应用总支出将位居前列，分别实现34.7%和27.9%的快速增长，并有望在未来五年保持这一增长水平。

八：大模型加速传统行业智能化改造微调大规模预训练模型服务于下游特定AI任务，赋能各行各业，在法律、医疗、教育等领域。 全球人工智能企业都在大力布局大规模预训练模型技术开发和商业化。 在美国，谷歌、微软、等机构已经形成了GPT-3、MT-NLG等千亿、万亿参数的大模型。

九：边缘计算成为推动全球企业级基础设施市场增长的重要力量。 IDC预测，未来5年，边缘算力的投资增速将远超核心岗位。 到2025年，全球边缘计算服务器支出占服务器总量的比例将从14.4%提升至24.9%。 边缘计算正在从产品形态向底层架构多样化，定制化的服务器产品或将成为边缘计算基础设施的主力军。 电网利用边缘计算和物联网技术控制输配电，在不增加碳足迹的情况下提高输电效率，通过传感器和智能电表收集各个环节的数据，并借助人工给出优化用电的建议情报与大数据分析。

十：算力向绿色演进。 业界正在实施多种措施来减少数据中心的碳排放，包括采用液冷等技术提高散热效率，引入风电、光伏等新能源技术，通过AI/ML升级运维管理等技术。 工艺、采用新的芯片架构以实现更高的单位功耗输出等。IDC认为，液冷解决方案将在数据中心市场得到更广泛的采用，至少约40%的数据中心将配备液冷到2023年的技术解决方案。液体冷却技术可分为两大类：直接液体冷却和浸入式冷却。 冷板液冷是直接液冷方案的主要形式。 受益于基于现有冷却系统和数据中心基础设施的成本效益和可升级性，直接液冷解决方案将在数据中心市场尤其是企业用户中得到更广泛的应用。

曙光背靠中科院，公司科技生态不断完善。 在服务各行业的过程中与生态伙伴合作，积累了丰富的行业解决方案。 可以提供计算能力、算法、数据和软件支持，以及适合行业应用的完整的计算、存储、通信和网络安全体系。 公司高端计算机产品全面适配国产操作系统、数据库、中间件等基础软件。 公司是中国科学院推动相关科技成果产业化的重要平台。 以“中科院先进计算技术创新与产业化联盟”、“中科院智慧城市产业联盟”两大产业联盟为依托，与中科院各研究所、所属单位开展合作。 企业开展协同创新。 公司基于中科院体系的交叉学科积累，在底层计算硬件和上层行业专用软件的适配上积累了大量经验，积极适配本地化的行业应用软件。 公司一直高度重视围绕绿色节能数据中心的技术创新和技术攻关。 控股子公司曙光数字（持股70%）在国内率先实现相变浸没式液冷技术在国内大型数据中心的规模化应用，打破能效PUE记录，PUE为低至1.04，推动传统高耗能数据中心建设模式升级，实现节能、高效、安全、稳定的数据中心运营服务。 曙光已形成较为完善的GPU产品线，涵盖刀片式、机架式、塔式等多种服务器类型，能够满足用户对高性能计算的各种需求。 这些都为高性能AI服务器的计算能力提供了强有力的支持，2030年的目标价格为300元。 （作者：潜力大牛股研究）返回搜狐查看更多