国家信息中心-人工智能行业：人工智能2.0时代的公共智算服务发展指南

国家信息中心国家信息中心人工智能2.0时代的公共智算服务发展指南2023年10月本报告中所涉及的图片、表格及文字内容的版权归国家信息中心和阿里云计算有限公司共同所有。其中部分数据在标注有来源的情况下，版权归属原任何机构、个人在引用本报告数据或者转载有关报告内容时，需编委(按姓氏笔画排序) 05(二)智算资源准公共品特质凸显，公共智算服务需求快速增长 05 2.服务调度智能化 人工智能2.0时代的公共智算服务发展指南 2.算法模型服务 3.数据资源服务 (三)服务生态 20(一)需求导向，强化产业赋能应用 (二)适度超前，优化部署智算设施 (三)技术先进，提高软硬协同能力 (四)强化运营，培育长效服务生态 (五)以评促建，提升智算服务水平 22(一)面向城市智能应用的公共智算服务 1.北京市：统筹布局突破算力制约 23(二)面向科学智能应用的公共智算服务 3.复旦大学智算平台(CFFF):国内高校最大规模异构智算平台 (三)面向行业智能应用的公共智算服务 4.小鹏汽车：借力打造“扶摇”以更低成本实现更强算力 245.百川智能：取长补短强化生态合作打造核心竞争力 25智能计算(简称智算)是指面向算法模型驱算，智能计算是更为适应Al训练和推理应用的高效计算是指公共智算服务提供的是大规实现高效计算需要重点关注四个方面的性到万卡的并行计算弹性拓展能力，还要保证大规模并行计算的线性加速比，避免因算力节点规模化造成使用效率的过度衰减。二是模型计的(超)大规模算力主要通过GPU并行计算实现，网络性能的优劣将直接影响分布式并行计控制等手段能有效拓展带宽、优化通信、减少拥塞和延迟，提供高带宽、低延时、稳定可靠过程中存在海量小文件的读写操作，采用并行能够有效提供海量数据高并发处理、高吞吐并行存储、向量数据库快速检索、高安全高可靠缩短检查点(CheckPoint)保存时间，提高模提供存储容量和吞吐性能的线性扩展能力，能进Al生态和Al产业的繁荣发展。面向人工智能技术和应用趋势，开放兼容集群进行统一管理，实现混合云管理和跨集群如常见的机器学习框架PyTorch、TensorFlow、Caffe和主流开源分布式训练框架Megatron-按需服务是指公共智算服务能够快速响应多样化的人工智能应用需要，通过组合标准化封装的服务资源提供定制化服务的能力，直接也是公共智算服务普适性的重要体现。按需服务不仅能够更好地满足多场景、多样化的人工智能应用需求，还能够使公共智算服务被更多用户接受，从而通过更多用户的共享提高资源装、模块化组合、任务化供给，根据客户不同任务需求，提供覆盖模型开发全生命周期的多元服务，并支持按业务需要分类获取、自由组合、定公共云部署等多种方式，支持本地优先、就近服务、多级扩展，在为用户提供最优服务体验的同持用户自助服务，如满足用户一站式选择服务配置和升级扩展的需求，支持从配置选择到资源申请、资源创建、资源获取、资源回收的服务全流程自动化，从而最大化降低用户资源获取的技术门槛和等待成本，为用户提供更加友好易用的应稳定安全是指公共智能算服务供给的持续性、稳定性和安全性，这既是高质量公共智能算服务的底线要求，也是用户能够放心选择以公共服务的稳定性，以各大云服务商公开承诺的服务如单实例的可用性、多可用区多实例可用性、云二是公共云服务的安全性，主要由云计算服务提全工具来实现，如提供DDoS防护、木马查杀等服务，提供可信计算、硬件加密、虚拟化加密计要求的信息安全等级保护三级水平等进行衡量。练的稳定性、故障检测与训练容错提出了更高的要求，需要重点关注能够有效缩短故障处理时间的智能容错、自动恢复等保障机制，从而提高大绿色低碳是“双碳”目标背景下公共智算服务主动顺应资源环境约束的集中体现，也是公共智算服务支持经济社会绿色可持续发展的内在要求。在数字革命提速的今天，数据中心日益成为“能耗大户”和环境保护风险点，让智算服务更加绿色低碳变得尤为重要。主要体现为清洁电力在总用电中占比。二是节能能运维方式，降低数据中心的PUE;通过提供公共云服务减少对本地化部署机房和服务器的依通过对资源高效利用和循环利用，如加强设备检测、维修，帮助延长服务器的生命周期，减少资长效运营是指公共智算服务应采用“市场能供给、客户能负担、环境可持续”的建设运营和服务模式，是保证公共智算服务高质量持续稳定学有效的建设运营方案。由于支持公共智算服务的软硬件资源一旦建成短期可调整空间较小，为避免初始固定投入成为不可回收的沉没成本，不人工智能2.0时代的公共智算服务发展指南仅要关注运营期的资源配置问题，更需要在规划设计阶段就对服务对象、服务范围、服务方式、技术选型等进行充分的调研和论证，最大程度保证供给和需求的匹配性。二是合理可行的盈利模式。通过用户运营、服务运营增强使用者黏性，以用户可以承担的服务价格获得持续的服务收益，实现普惠化的健康可持续发展。三是专业化的运营团队。为保障公共智算服务持续高质量供给，需要服务供给方与用户需求共同成长，不仅能够在当期提供高效的服务，还能够前瞻掌握政策要求、技术发展和用户需求变化趋势，并据此不断优化服务方式、提升服务水平，在用户需求(一)人工智能发展进入2.0时代，智算发展迎来高速增长机遇期人工智能技术创新成果不断涌现。以ChatGPT快向以大模型为特征的通用智能2.0时代迈进，协同、群智开放等技术特征。“预训练+精调”一步加大。郑纬民院士预计，到2025年我国智能算力总量将超过1800EFlops、占总算力比重超过85%'。(二)智算资源准公共品特质凸显，公共智算服务需求快速增长随着我国数字化转型的加速推进和人工智规律波动变化、算力资源消耗差异化分布等情(ModelasaService,MaaS)作为面向人工智化、定制化的人工智能应用开发，有效解决人(三)全球“双碳”进程逐渐深入，绿色低碳成为智算服务必然要求2021年11月13日《联合国气候变化框架引发经济社会巨大变革的同时，也因为其高能GPT-3消耗了1287MWh(兆瓦时)的电，相当于排放了552吨碳，该值相当于126个丹麦家庭加超过100万倍²,由此而带来的碳排放也将成 在政策引导下，我国数据资源供给能力持续提升，《数字中国发展报告(2022年)》显示，2022年底我国数据产量达8.1ZB,同比增截至2023年5月，已发布的10亿参数规模以上大模型达79个1,自然语言处理、机器视觉、人工智能2.0时代的公共智算服务发展指南时间1国务院国资委2023年10月足均衡型、计算和存储密集型等各类业务算力需求。2总局2023年7月的自主创新。3国务院办公厅2022年9月高各地区各部门政务大数据算力支撑能力。4信部、交通运输部、人工智能高水平应用2022年7月5国务院2021年12月62021年7月7国家发展改革委、中国家能源局心协同创新体系算力2021年5月8国家发展改革委、中央网信办、工信部、国家能源局体化大数据中心协同2020年12月支撑行业数字化转型和新业态新模式培育。9国务院2017年7月人机交互能力为重点，形成开放兼容、稳定成熟的技术体 北京人工智能公共算力中心、北京数字经济算力中心等项目建设，提升算力资源统筹供给能人工智能芯片实现突破，加强自主开源深度学习框架研发攻关。上海市注重引导民间资本投资智算服务，并推动“补需方”改革，鼓励高校、科研机构、国有企业、政府部门等使用民间投资算力。杭州市依托数据优势，设立浙江算力科技有限公司、推广算力券、创新模型服成都市侧重推进算力产业自主可控，围绕“算服务器整机、液冷设备等高端硬件。深圳市立鼓励和支持人工智能算力基础设施建设；发布高达1000亿元的人工智能基金群。山东省强化一体统筹，在全国率先出台省级新型数据中心创建标准，提出建立“现代优势产业集群+人工智能”机制，大力推进济南一青岛人工智能创新应用先导区建设，力争布局进入人工智能时间12023年5月动新增算力基础设施建设，建设统一的多云算力调度平台。2响力的人工智能创新策源地2023年5月系，积极争取成为国家人工智能开放生态技术创新中心。3《上海市进一步提高产品、2023年7月网等新型基础设施。42023年5月支持民营企业广泛参与数据、算力等人工智能基础设施建设。52023年4月62023年7月加快部署适应模型训练所需的软硬件环境，提升算法”服务能力。时间72023年8月82021年9月加速垂直行业人工智能技术的产业化落地。92023年5月网联汽车等领域，实施人工智能科技重大专项扶持计2022年9月山东省大数据中心协同创新体系的2021年10月公共算力资源，降低算力使用成本。2022年5月贵州省2023年3月用创新样板。截至2022年底，我国数据中心设备算力总规模达到302EFlops,连续两年增速超过50%,72%,算力占比达到59%',成为算力市场最亮眼的增长点。以智能计算中心为代表的智算设施建设加快进行，截至2023年6月，全国已投运的智算中心达到25个，在建的智算中心超过 从区域分布看，综合考虑潜在市场区域、建设成本、人才分布等因素，目前我国已建成的和粤港澳大湾区、成渝双城经济圈等区域，与人工浙江、上海、江苏在Al服务器市场中继续保持领先，市场份额占比高达90%'。东北、中西部结合当地产业升级需要，也吸引了部分智能计算中心落户，据统计，我国中部地区拥有智能计算中心6个、西部和东北地区的智能计算中心数量分别为3个和2个?大致可分为政府、科研院所和企业三类主体。政府主导建设的智算中心旨在提供普惠的人工智能算力服务，服务目标包括助力行业数字化转型、服务人工智能行业企业发展、支持科研工作等。科研院所主导建设的智算中心主要面向科研项目计算需求，如复旦大学联合阿里云和中国电信打造了云上科研智算平台CFFF,接入了四个校区的所有实验设备，可以满足不同应用场景下的科学智能研究与应用需求。企业主体包括运营商、云服务商、行业龙头企业等，企业主导建设的智能计算中心建设目标与面向行业领域较为多样，云服务商更具备提供通用Al计算与大模型服务的能力，也有部分行业龙头企业联合相关厂商面向特定行业领域Al应用需求共中心、北京人工智能公共算力平台服务科研项目复旦大学云上科研智企业云服务商提供数据存储、通用等方面的商用服务，部分智算中心面向智阿里云乌兰察布智算中心中国电信京津冀大数吉利星睿智算中心(2)供需变化推动模式创新，模型驱动成为人工智能2.0时代，模型成为了重要的生产元素，随着Al产业化和产业Al化的发展，模型驱动的智算服务需求日益增长，在此背景下，能够降低用户使用门槛的MaaS(模型即服务)理在MaaS的理念下，智算服务将更多地以模型开发和应用为核心开展，围绕模型的全生命周模型服务等服务和产品。与此同时，围绕模型的实现各个行业或企业专属模型的部署与应用，适配云端、手机和随身设备等多端模型服务部署，在无形之中形成立体的服务机制，服务生活的方方面面。与此同时，面向Al大模型训练的算力基础设施呈现出规模化、高性能的发展趋势，异构芯片成为Al计算的关键计算资产，通过集成够更加高效地支撑Al大模型进行各类复杂任务居高不下等原因，智算资源总体上仍然呈现供不应求的局面，为此，服务供应商正在努力通过提升资源调度管理能力，从而在满足用户应用需求的同时，能够进一步提高资源利用率，推动公共智算服务资源的供给方式逐步从“按指定规格购当前，以ChatGPT为代表的Al大模型成为通用人工智能的竞争焦点，“预训练+精调”的开发范式虽然为大模型开发应用带来了更好的条件，但仍然存在较高的技术和使用门槛。面向人模型训练需要进一步向泛在化、易用型转变，作为其重要支撑的公共智算服务在服务内容、服务一是重硬件轻软件，难以满足多元需求。我国目前服务器整机研发制造在性能、可靠性、能耗比各个方面已经具备全球领先水平。2022年，中国整体服务器市场占全球市场比重达25%,2017年至2022年的复合增长率达48.8%'。与此相比，基础软件、工具软件、算法模型等方面存在重视不够、投入不足的情况，技术和产品国产化比例较低，算法模型研发过度依赖开源代码和现有的数学模型，人工智能产业发展高度依赖国外技术、平台、开发工具。随着数字经济的蓬勃发展和人工智能技术的不断突破，模型驱动的人工智能普及应用成为必然趋势，为降低模型训还需要更多算法(模型)和数据服务支持。由于 重硬轻软，目前公共智算服务所能提供的服务资源仍然集中在基础的算力服务，数据服务能力不二是重建设轻服务，供需匹配效果不佳。2022年2月，以8大国家算力枢纽节点、10个国家数据中心集群为重点的“东数西算”工程正但目前智算中心的建设多偏重物理实体建筑建设和硬件部署，对智算中心建成成效的衡量指标偏重于人工智能服务器的部署量、智能算力的规模等，较少从降低人工智能应用落地的技术门槛和开发成本，提供多元普惠公共性服务的角度进行前瞻设计、开展评价，容易导致智算资源建成后难以精准触达需求的情况，已建成的智算中心存三是重投资轻运营，难以实现持续发展。目前，全国已有超过30个城市提出或正在建设智算中心',但总体智算中心发展仍处于起步建设阶段，发展模式尚在探索之中。各地积极投资建设智算中心争抢智算产业发展机遇，但对智算中心的运营模式、盈利模式的认识不足，尚未形成的建设模式，也容易导致局部过热、资源浪费，四是协同难效率低，算力普惠供给不足。当前，智能算力紧缺和算力利用率低是我国算力服务的突出矛盾。受美国进一步升级人工智能高性市场上出现了GPU高端芯片一芯难求的现象，而采用更多低性能芯片提供同等规模智能算力，则需要更大规模的算力集群或者跨集群算力调度实现，对并行计算、集群调度、网络性能、存储协同性较差、统一管理调度效率低等问题，导致智算设施使用率不高。据公开数据统计，传统模式下的智算中心GPU利用率平均数值低于30%,人工智能2.0时代的公共智算服务发展指南人工智能2.0时代的公共智算服务发展指南服务调度智能化号服务调度自然语言数据资源共享开放容器管理算力监控算力调度大数据平台多元计算资露 多元计算资露 机器学习平台图2公共智算服务架构服务供给多元化服务供给多元化服务资源构件化服务资源构件化公共智算服务的服务架构如图2所示。为全面赋能城市智能、科学智能、行业智能等各领域多元化的场景应用，公共智算服务需要面向应用需求整合技术生态、产品生态、应用生态资源，通过服务资源构件化、服务调度智能化和服务供人工智能2.0时代，人工智能应用的普及要求人工智能算法开发和模型训练从专业化、高门槛向泛在化、易用型转变。为满足这一要求，需要通过软件定义服务的方式，将算力、算法模型和数据等智算服务资源封装成标准化、可调度、易组合的中间件产品和服务，即“构件化”。通过可视化操作界面，以低代码开发甚至无代码开发的模式，为用户提供功能丰富、使用便捷的人工智能算力调度、算法模型供给和数据集服务，通过智能化的服务调度，能够按需向用户提供构件化的智算服务资源。服务调度智能化主要的场景，配置调度符合用户实际需求的服务资源类型以及资源量；二是支持弹性供应，提供弹性可伸缩的服务资源以满足迭代需求，通过智能的调度策略使得供应的服务资源与实际需要的服务资源动态匹配，提升运维效率；三是支持按量收费，根据实际调度的资源量向用户收取费用，并人工智能2.0时代的用户需求是多样的。例高效、可靠、稳定的智能算力。而随着大模型应用需求的增加，越来越多的企业、机构开始自行研发大模型，不仅需要智能算力，还需要Al工程化能力以及预置的算法模型。因此，在面向最终用户时，公共智算服务需要以便捷的方式，提务资源，提供单一种类或跨类组合的资源供给(二)服务内容数据、算法和算力是人工智能的三大要素，在核心技术发展以及应用落地中起着至关重要的力。面向人工智能发展需求，降低人工智能普及算力资源服务是公共智算服务提供的基础性服务内容，主要指面向人工智能2.0时代模型驱动的应用需求，通过多元计算、高性能网络、高础设施差异，以云服务方式，按需为用户提供的大规模、高并行、高吞吐的弹性计算服务。算力资源服务示例见表4。基于云服务创建的自定义私有网络，不同的专有网络之间逻辑上彻底隔离，适用于处理计算强度高、多并行任务的计算资源，满足用户在人工智能、高提供全托管、可扩展并行文件存储服务，针对Al芯片的小文件计算进行提供面向海量数据规模的分布式存储服务，主要存储图片、音视频等非结提供基于分布式存储架构的云盘和基于物理机本地硬盘的本地盘产品，具的特点，支持随机读写，满足大部分通用业务场景下的数风控、推荐等场景中的结构化数据存储，提供海量数据低成本存储、毫秒高性能通信通过对通信原语的优化编排，优化通信开销，对超大规模Al计算系统提供框架层深度业务优化，结合弹性、调度、加速原子能力提实时监控并管理Al训练性能和故障，提供面向Al集群训练场景的物理异构硬件、池化算力资源、调度使用效率的全流程提供以容器为核心、高度可扩展的高性能容器管理服务，用户无需管理底关心运行过程中的容量规划，只需要提供打包好的Docker镜像，即可提供根据业务策略和需求自动调整计算能力(即实例数量)的服务，不仅模型开发、模型存储/检索、模型调优/训练、数据资源是人工智能应用的基石，人工智能算法模型从技术理论、开发迭代到应用落地的全过程皆依赖海量的数据资源，数据质量和数量决定了人工智能算法模型的效果和性能。公共智算服务提供数据服务主要采用两种方式，一是提供数据资源供给开放生态。通过打造开放的数据共享平台，推动各行业领域多种模态的数据集的汇聚，为用户提供免费的或增值的数据服务。二是提供数据资源治理全流程工具。面向Al算法模数据资源服务示例见表6。内容/能力提供覆盖机器学习、深度学习、大数据等领域的算法，供用户调用。提供通用的Al算法更新迭代工具，降低用户生成专属算法的技术门槛。提供模型开发所需的可视化、交互式的建模工具和开发环境，帮助用户便捷开发。为模型的快速查找、样例演示、共享和存储提供便提供模型训练工具及环境，支持分布式训练、单机训练。支持云端、本地、设备端等多种部署方式，打开网页即可开发模型。模型调用提供灵活、易用的算法模型API接口与SDK,具备自适应推理优化、基于云性伸缩能力，使得开发者可以快速实现模型的调用和二次开内容/能力汇聚各行业领域多种模态的数据集，为用户提供免费的或增值的数据服务。提供在线数据仓库服务，实现经济且高效地分析处理海量数据。提供智能代码开发、多引擎混编工作流、规范化任务发布等能力。从数仓规划、数据标准、维度建模、数据指标等方面，以业务视角对数据进行诠释。人工智能2.0时代的公共智算服务发展指南公共智算服务致力于构建开放兼容、多元协作、互利共赢的服务生态，是有为政府和有效市场共同发力的结果。如图3所示。睁食公共智算服务体系面向的用户主要包括各级政府、各类科研机构和企业。如科研机构和企业可根据自身情况，完全依托公共智算服务部署应用，或采购公共智算服务作为自有资源的补充。地方政府也可借助公共智算服务对政务云资源进由于公共智算服务具有一定的营利性且存在巨大市场，能够吸引众多企业和社会组织积极参与。由于提供智算服务需要较高的初始投入、技在市场侧将形成投资方、建设方、运营方、技术支持方、生态伙伴等共同组成的服务供给生态，推动公共智算服务向专业运营化方向发展。投资方主要提供公共智算服务建设运营所需的资金，企业投资者更加注重投资带来的经济效益，地方政府和科研机构则更看重社会效益。建设方和运营方主要负责公共智算服务体系的建设和运营，在实际运作中，可以根据需要设立独立的建设方和运营方，也可以合并组建建设运营方。技术服务方一般作为第三方，通过向建设运营方提供集成服务或专业的技术服务、资源服务、生态运营等服务，参与公共智算服务体系的构建。生态伙伴可以从技术、产品、应用、产业等层面，提供政府侧主要通过从规划布局、投资建设、激充分调动社会力量参与，加快构建政府和市场互避免重复投资造成资源浪费，使得智算服务能够恰当、高效地以合理的规模和速度与人工智能产公司化的运作方式，由投资方首先选择具备相应资质和能力的建设运营方作为其代表，细化建设运营方案，采购服务集成商、技术服务商、资源服务商和生态运营商等服务，进一步整合技术服务方和生态伙伴的资源，组建专业化的建设运营技术团队，围绕公共智算服务的定位、目标、用户需求，整合资源开展专业化的建设运营，为用(一)需求导向，强化产业赋能应用推动公共智算服务高质量发展的关键在于“应用”,围绕Al产业化和产业Al化发展需求，赋能的人工智能应用典型案例，通过示范带动，智算服务的人工智能产业发展新业务、新模式、(二)适度超前，优化部署智算设施发展，未来80%的场景都将基于人工智能开展，约化开展智算中心建设，到2025年，智能算力(三)技术先进，提高软硬协同能力共享和治理服务，通过打造开放的数据共享平(四)强化运营，培育长效服务生态计，在公司化或项目化运作的过程中，组建形成分工合理、权责明晰的专业化运营团队，协调好投资方、建设方、运营方、技术服务方、生态伙伴的关系，平衡好各方利益，保障各方优势得到充分发挥。二是要强化市场主导、政府引导，加通过不断扩大用户基数，持续提高公共智算资源的利用率，以规模效应不断释放让利空间、降低使用成本，形成合理、可盈利的商业模式，促进评价引导是提升公共智算服务水平的有效方式，为此需要加快研究制定面向人工智能2.0时代的公共智算服务评价指标体系。结合公共智算生态建设、用户体验等几个方面综合开展评价。资源供给方面，可重点关注公共智算服务可提供的服务资源种类、规模等，如算力资源的规模、算法模型的种类和数量、可共享数据集的种类和数量等。平台服务方面，可重点关注公共智算服务平台在服务资源构件化和服务调度智能化的能力，如多元异构芯片管理、集群算力调度、算法模型和数据治理工具支持等。场景赋能方面，可重点关注模型驱动的公共智算服务能够支持的应用场景数量和使用效果。生态建设方面，可重点考虑模型开源生态和数据供给生态的繁荣程度，如模型开发者、数据供给方的数量等。用户体验方面，可重点关注用户对公共智算服务的满意度(一)面向城市智能应用的公共智算服务策源地实施方案(2023-2025年)》提出到20252023年5月23日，北京市发布《北京市促发〔2023〕15号),提出“提升算力资源统筹供京电信和京能集团共同承建，预计2024年一季多源异构、多算一体、安全可信、生态融合的算力调度服务平台。该平台由北京亦庄智能城完成大模型、生物医药、科学计算等场景应用的实例验证。未来计划开展通算、智算、超算案》,凡符合条件的企业，2023年9月1日及以以内),均可享受智能算力合同额一定比例的算济和信息化局申领算力券；完成与智能算力供给方的结算后，凭发票和智能算力交付凭证向市经济和信息化局申请兑付算力券。启用算力券旨在解决中小微企业资金实力不足、技术人才欠缺、算力匹配难应用少等痛点问题，加速推动其数字2023年7月，杭州市发布《杭州市人民政府办公厅关于加快推进人工智能产业创新发展的实施意见》(以下简称《意见》)(杭政办函〔2023〕55号)提出，杭州作为国家新一代人工智能创新发展试验区和国家人工智能创新应用先导区，要以促进人工智能与实体经济深度融合为主线，以优质算力普惠供给为基础，以模型即服务(MaaS)模式变革为关键，形成“高算力+强算法+大数据”的产业生态，实现大算力孵化大模型、大模型带动大产业、大产业促进大发展的良性循环，打造成为全国算力成本洼地、模型输出源地、数据共享高地。根据规划，到2025年杭州可开放算力规模将达5000PFLOPS(FP16)以上。(1)规划布局打造多元融合算力支撑体系《意见》提出打造多元融合算力支撑体系，主要做法包括：统筹通用算力、智能算力和边缘力+算法”服务能力；搭建市级多云算力调度平台，形成异构融合、算网协同、绿色低碳的算力支撑体系；构建跨区域算力协同体系，推进优质算力服务覆盖浙江省、长三角区域、华东地区，(2)多措并举强化算力普惠供给保障企业应用《意见》中明确表示强化普惠算力供给，推一是鼓励企业、高校院所和第三方机构建设符合导向需求的算力中心，积极创建国家公共算力开放平台，降低中小企业算力使用门槛。二是实施算力伙伴合作计划，遴选一批设备性能先进、技术安全可控、能耗绿色低碳、价格优惠合理的算力中心作为市级算力伙伴，统一技术需求、服务标准、优惠策略等。三是推进算力供给市政化，(3)打造智能计算产业集群助力生态发展近年来，杭州大力推进智能计算产业发展，智能计算被明确为杭州未来主攻的“制造业九大标志性产业链”之一，已经形成了良好的产业发展环境，集聚了阿里云、新华三、安恒信息等一批龙头企业，打造了人工智能小镇、中国(杭州)算力小镇、之江实验室、杭州人工智能计算中心3.复旦大学智算平台(CFFF):国内高校科学智能(AlforScience)新范式在助力科研发展的同时，也带来了更多的科研智算资源需求。为提供更强大、更灵活、更低成本、更绿色的智能计算服务，复旦大学CFFF(ComputingfortheFutureatFudan)智算平台在2023年6月27日正式上线。CFFF平台由复旦大学、阿里云、中国电信等共同打造，是国内高校最大的云上科研智算平台，也是国内高校首个Al与大数据融合、智能计算与通用计算融合的异构智能计算集群，支持异构算力的统一管理和计算任务的统一调度，满足不同应用场景科学智能的研究和forScience智能计算集群“切问”一号和面向到28PFlops,可提供超千卡并行智能计算，千卡并行的有效算力达92%,万卡并行有效算力达90%,可有效持千亿参数的大模型训练。以复旦大学人工智能创新与产业研究院发布的45亿参业界公认的ECMWF(欧洲中期天气预报中心)集合平均水平，并将模型训练速度缩短到1天，槛更高，成本是通用算力的10倍以上，非公共节省电费500万元，年均节碳量达1500吨。大于一般视觉模型，是一头“吃算力”的巨兽。“本地+云端”的算力来支持。为更低成本、更高效率地获取更强大的算力支持，并继续专注于自动驾驶算法模型研发，相较于自建智算中心，小鹏汽车选择与阿里云共建智算中心，基于阿里云构建了国内最大的自动驾驶专用智算中心“扶摇”,算力可达600PFLOPS(每秒浮点运算60亿亿次),将小鹏自动驾驶核心模型的训练速度提升了近170倍。(1)合作共建低成本获取高性能算力通过阿里云提供的算力服务，“扶摇”在更阿里云提供GPU资源的细粒度切分和调度，使GPU资源虚拟化利用率提升三倍，并支持更多的人同时在线开发，使效率提高超十倍。二是在通信层面上，端到端的通信延迟减少至2微秒；在总体计算效率方面，达到算力线性扩展；存储吞吐较行业20GB/s普遍水准提高40倍，数据传输能力相当于从送快递的微型面包车换成了20多米长的40吨集装箱重卡。此外，阿里云机器学习平台PAl还提