利用最新的人工智能理论和先进的计算架构开发出的强大算力，正推动着人工智能的发展。

党的二十届四中全会审议通过了《中共中央关于制定国民经济和社会发展第十四个五年规划的建议》，提出要“加快人工智能等数字智能技术的进步，突破相关基础理论和技术核心问题，并加强计算能力、算法和数据分析的有效供给。”

截至今年6月底，工业和信息化部数据显示，在用的算力中心机架总规模达到了1085万标准机架。此外，我国智能算力规模已达78.8百亿亿次/秒，并且存力规模超过1680艾字节，发布的大模型数量已达到1509个，在全球名列前茅。同时，智能算力应用日益深入，与各行业耦合互动不断增强，成为推动数字经济发展的新底座。 当前，智能算力的应用主要集中在哪些领域？新型算力产品和服务模式又将如何为高质量发展提供强有力的支撑呢？ 记者就此进行了采访。

推动科研模式革新，加速原始创新成果的形成。

在西湖大学的非编码核酸生物学实验室里，研究员申恩志正在探究非编码RNA的作用机制和生物学功能。“非编码RNA大约占人类转录组的98%，它不仅参与生命的各类基本过程，还与很多重大疾病的发生密切相关。”申恩志解释说。

非编码RNA数量众多，并且在生物体内具有高度动态性，能够与其他生命分子相互作用和调节。采用传统实验方法研究它们时，需要投入大量时间和精力才能揭示复杂的调控关系并发现规律。如今，申恩志团队借助智算技术高效解析测序数据，解决了过去依靠实验无法解决的问题，从而极大地推进了研究进程。

近年来，在浪潮信息等企业的协助下，西湖大学建立了先进的算力平台，支持科学家进行跨学科研究。申恩志指出，人工智能结合生命科学特别是计算生物学的跨学科研究，极大地提升了科研效率和准确性，使得许多前所未有的新发现得以实现。

依靠智能计算能力进行高效的模型训练与推断，显著提升了人工智能在科学研究中的应用速度和创新能力。国内的高等院校和科研机构以及算力提供商正不断加强产、学、研之间的合作，共同推进智能计算资源的实际应用和发展。

南开大学智能计算系统研究室在眼底图像血管分割研究中，借助高效人工智能计算开源框架，将单张眼底图像的推理速度提升了两倍多，从而促进了眼底图像分析技术的实际应用；上海人工智能实验室、临港实验室与上海交通大学、复旦大学等机构紧密合作，在两个月内发现了并验证了两个癌症新靶点；鹏城实验室通过中国算力网整合20多个城市的算力资源，并依托“鹏城云脑Ⅱ”服务数万名科研人员……

清华大学人工智能研究院常务副院长孙茂松认为，私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596人工智能有望成为推动科学范式革新的关键工具。在人工智能驱动的科研范式变革中，利用智能算力寻找“根节点”问题至关重要，比如通过大模型预测蛋白质结构等，“解决这一问题可能对该领域产生根本性影响”。

成果快速落地并应用于多种多样场景中

国务院发布的《关于深入推进“人工智能+”行动计划的通知》指出：“加强智能算力协同”、“促进智能算力服务普惠易行、节约高效、绿色环保”。

位于内蒙古呼和浩特的伊利现代智慧健康谷，牧场里的奶牛拥有专属的“健康档案”。基于阿里云提供的AI算力及飞天操作系统，伊利搭建了“一云多芯、一云多算”的智能算力基础设施。这套系统为人工智能应用提供了稳定、弹性的部署环境，并将决策算法和生成式大模型融入生产与供应链领域。

以前通过人工观察奶牛的健康状况，效率较低且具有很强的主观性。现在我们使用计算机视觉识别奶牛眼部特征，可以实现对奶牛健康状况的实时监测与精准饲喂管理，从而显著提高产奶质量。伊利集团数字科技中心数字技术总监程国强表示，在伊利智能工厂中，智能算力为自动化生产线提供了助力，不断推动生产和管理水平的进步。

目前，伊利已研发超800个智能体。大模型涉及订单履约、库存周转和物流时效等70%的供应链场景，有效减少了原辅料临近过期、积压和短缺的风险。 阿里云解决方案高级总监贾朝辉提到，未来计划开发“智算云”，并利用牧草种植和奶牛健康的专业数据和行业知识，共同构建农牧行业的大模型。数据显示，自2023年首个模型开源以来，阿里通义大模型全球下载量突破6亿次，衍生模型数量超过17万个。

随着高速动车组速度等级不断提升，气动外形设计成为了研发的关键领域。中车集团以已有仿真和试验数据为依据，建立了高速动车组的气动载荷标准数据库。同时，该集团依托百度飞桨深度学习平台及飞桨科学计算套件，构建了一个空气动力学智能化仿真大模型。

中国中车集团科技质量与信息化部数字化创新处副处长陈鉴介绍，在人工智能技术的应用下，大模型相比传统仿真方法显著提升了仿真效率。使用超算资源进行仿真的时间可以大幅缩短至单机显卡水平的10秒内。这使得整体仿真效率提升30倍以上，并将结果误差控制在5%以内。这些进步推动了我国高速列车外形设计从经验驱动向数据驱动转型，促进高速动车组外形智能优选和快速优化。

百度利用文心大模型和飞桨深度学习平台构建了人工智能技术底座，在各行各业中提升效能降低成本。百度首席技术官王海峰表示，飞桨支持私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596超大规模自适应分布式训练，万卡集群上对大规模模型的有效训练时间占比达到98%。通过优化从模型压缩到推理、服务部署的全链条协同操作，实现了低延时和高吞吐的大模型推算。此外，飞桨持续开展硬件统一适配工作，为计算能力多元化提供了有力保障。

产学研合作促进，新产品和新模式持续出现

近日，浪潮信息推出了针对智能体优化的人工智能计算系统。该系统中包含基于元脑SD200超节点人工智能服务器的技术，在处理模型输入输出的基本单位——DeepSeekR1大模型词元时，其生成速度仅为8.9毫秒。此外，最新的元脑HC1000超扩展人工智能服务器降低了词元生成的成本。

超节点服务器在有限的空间里，依靠低延迟总线级别的互联技术和简化的互联结构，构建了一个逻辑上统一的紧凑式计算单元。整个系统能够运行得如同一台大型计算机。

开发超节点的关键在于计算架构的创新，即跟随应用和算法的发展趋势，以应用为核心，以系统为基础，有效地破解智能算力发展的瓶颈问题。在浪潮信息首席人工智能战略官刘军看来，人工智能的大规模应用不断推动算力的快速增长。发展智能算力需克服系统规模逼近工程极限以及能耗过高的挑战，实现投入与产出的有效平衡。

从行业专家的观点出发，在软硬件协同设计和深度优化的基础上不断推进人工智能计算架构的创新和发展，是推动大模型、智能体等技术与实体经济深度融合的关键途径。这样可以使人工智能更加全面地成为各类行业的创新动力源泉。

2024年，北京市科委中关村管委会组织下，浪潮信息等多家涉及芯片、系统开发和大模型领域的企业和机构共同成立了“超节点算力集群创新联合体”。这些单位密切合作，在超节点互连协议、系统研制、标准制定以及应用部署等方面取得了显著进展。

作为参与方之一，太初（无锡）电子科技有限公司积极与科研机构、运营商以及算力服务商合作，共同打造智能算力解决方案。该公司推出的高密液冷智算集群已经为超过200家高校企业提供服务，并支持了超过1200亿次/秒的浮点运算需求。“智能算力创新突破的关键在于产学研协同和人才支撑。”公司首席产品官洪源表示，他们与湖南大学、南京邮电大学及苏州大学等院校合作，共同开展科研攻关。此外，公司还搭建了一种基于自研人工智能加速卡和软硬件协同的教学实训平台，并培养出一批年轻而富有活力的具备实战能力的人才。