用人工智能写诗写对联，神经医学人工智能研究的最新进展，感知与数字与人工智能的交通融合孪生解决方案，精准医疗辅助诊断平台……10月26日，2021人工智能计算大会在北京召开，一批人工智能技术应用的创新成果吸引了众多观众互动。
　　会上，包括中国工程院院士、Inspur首席科学家王恩东在内的专家深入探讨了计算如何向智能计算转型，智能计算如何赋能新数字经济格局下的科技创新、社会治理和产业升级，回答了人工智能如何发展人类逻辑、如何与应用场景结合等人工智能行业热点问题。
　　“人工智能已经从五六年前的‘黑科技’变成了今天的‘热门科技’，我们看到前沿研究不断涌现，比如通过Alpha Fold 2模型预测人类的蛋白质序列，通过脑机接口研究让猴子用脑子玩游戏。同时，我们也看到人工智能与各行业深度融合，改变着一、二、三产业的生产方式，各行业的大脑和无人操作模式不断涌现。这些新的基础设施正在加速智慧时代。到达。”王恩东表示，将人工智能变成“热门技术”的关键在于强化新的基础设施，释放多重计算能力的价值，其中计算系统的创新是关键。
　　2020年，人工智能加速芯片的总计算能力将超过通用CPU。
　　今年人工智能计算大会的主题是“智能计算，新时代”。在发布会现场，由Inspur人工智能研究院开发的全球最大的中文AI海量模型“元1.0”成为全场焦点，大量参会者排队与“元1.0”互动，亲身体验了人工智能驱动下的内容生产模式变革。
　　“2020年，人工智能加速芯片交付的总计算能力已经超过了通用CPU（中央处理器）。预计到2025年，加速芯片提供的计算能力可能会超过80％。”王恩东说。
　　“随着人工智能的大规模发展，计算能力成为决定性力量，智能计算是智能时代的核心生产力。”王恩东表示，人工智能带来的算力需求呈指数级增长，计算产业面临多元化、巨量化、生态离散化的趋势和挑战。一方面，多样化的智能场景需要多样化的计算能力，庞大的量化模型、数据和应用规模需要巨大的计算能力，成为人工智能持续发展的重中之重；另一方面，从芯片到算力的转化还存在巨大差距，多重算力的价值还没有完全释放。如何快速完成从多芯片到计算系统的创新，成为推动人工智能产业发展的关键环节。
　　人工智能如何像人类一样发展逻辑？人工智能如何像人类一样发展逻辑、意识和推理的认知能力，是人工智能的研究方向。
　　“目前，通过大规模数据训练大参数的庞大模型，被认为是实现通用人工智能的重要方向。”王恩东认为，随着海量模型的兴起，海量量化已经成为人工智能未来发展非常重要的趋势。
　　世界知名的领先人工智能公司已经在大型模型上投入巨资。谷歌、微软、NVIDIA、Inspur、致远研究院、百度、阿里等公司都相继推出了自己的巨型机型。
　　王恩东认为，宏观量化的一个核心特征是模型参数多，训练数据量大。“以‘Source 1.0’为例，其参数量高达2457亿，训练数据集规模达到5000GB。”
　　面对应用困境，人工智能如何与应用场景相结合？
　　很多人会疑惑：人工智能这么好，但是怎么能和我的业务和应用场景结合起来呢？我想通过AI技术进行智能化改造，但是没有人懂算法和模型，也没有好用的AI开发平台。算法模型这么多，如何在应用中找到不同算法的最佳组合？
　　“知道这些事情的人往往集中在科研机构或者头部公司。这些地方集中了最优秀的AI人才，但对传统行业的需求场景和业务规则缺乏深入了解。”王恩东指出了人工智能从技术到应用面临的困境。
　　埃森哲的一份研究报告显示，超过70％的技术研究机构和技术公司缺乏需求场景、领域知识和数据，超过70％的行业用户缺乏技术人才、AI平台和实践能力。
　　王恩东认为，目前人工智能的技术和产业链脱节，生态分散已经成为制约人工智能技术水平、应用规模和产业化步伐的瓶颈。“释放多元化算力价值，推动人工智能创新，要注重智能计算系统创新，加大人工智能新基础设施建设，设计从技术到应用的链条，在架构、芯片设计、系统设计、系统软件、开发环境等各个领域形成明确分工和协同创新。加快开放标准建设。通过统一规范的标准，将多样化的计算能力转化为可调度的资源。