題圖：123rf

人工智能時代，競爭已不再僅僅局限于算法與應(yīng)用層面的較量，而是延伸到了算力基礎(chǔ)設(shè)施的深度博弈。在這個萬物互聯(lián)、數(shù)據(jù)洶涌的時代，數(shù)據(jù)量的迅猛增長使得對算力的需求攀升至一個前所未有的水平。

在不斷增長的海量智能算力需求推動下，同時也面臨著算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展所帶來的挑戰(zhàn)。根據(jù)2022年相關(guān)數(shù)據(jù)，中國智能算力在全部算力中的占比達(dá)到了22%，然而通用服務(wù)器仍然占據(jù)主導(dǎo)地位，其占比高達(dá)93.2%，而AI服務(wù)器的占比僅為6.8%。

作為算法與數(shù)據(jù)的支撐，算力越來越成為制約AI產(chǎn)業(yè)化發(fā)展的重要因素。

國務(wù)院總理李強(qiáng)在政府工作報告中介紹2024年政府工作任務(wù)“深入推進(jìn)數(shù)字經(jīng)濟(jì)創(chuàng)新發(fā)展”時提出，適度超前建設(shè)數(shù)字基礎(chǔ)設(shè)施，加快形成全國一體化算力體系。李強(qiáng)總理在近期調(diào)研時再次強(qiáng)調(diào)，人工智能是發(fā)展新質(zhì)生產(chǎn)力的重要引擎，要加強(qiáng)前瞻布局，加快提升算力水平，推進(jìn)算法突破和數(shù)據(jù)開發(fā)使用，大力開展“人工智能+”行動，更好賦能千行百業(yè)。

隨著人們進(jìn)入數(shù)字經(jīng)濟(jì)時代，數(shù)據(jù)成為新的生產(chǎn)要素，算力也成為新的生產(chǎn)力。根據(jù)研報數(shù)據(jù)顯示，算力指數(shù)每提高1%，國家數(shù)字經(jīng)濟(jì)和GDP將分別增長3.5‰和1.8‰。

在醫(yī)療健康領(lǐng)域，醫(yī)療健康數(shù)據(jù)的增長是各個行業(yè)中增長最快的，其年復(fù)合增長率高達(dá)36%，數(shù)據(jù)量已近50萬億GB。隨著醫(yī)院信息化建設(shè)步伐的加快，互聯(lián)網(wǎng)醫(yī)療服務(wù)的興起，AI輔助診斷技術(shù)的廣泛應(yīng)用，以及醫(yī)療垂直大模型等創(chuàng)新技術(shù)的不斷涌現(xiàn)，傳統(tǒng)醫(yī)療行業(yè)正經(jīng)歷著一場深刻的數(shù)字化與智慧化轉(zhuǎn)型。在這一轉(zhuǎn)型過程中，算力作為核心驅(qū)動力，發(fā)揮著不可替代的作用。

01

算力支撐醫(yī)療智慧應(yīng)用

手術(shù)機(jī)器人、遠(yuǎn)程醫(yī)療、可穿戴設(shè)備、電子病歷等智慧應(yīng)用的蓬勃發(fā)展，都離不開算力的堅實支撐。

作為擁有14億多人口的大國，2022年全國醫(yī)療衛(wèi)生機(jī)構(gòu)總診療人次超84億，產(chǎn)生海量醫(yī)療健康數(shù)據(jù)。借助強(qiáng)大算力將這些數(shù)據(jù)進(jìn)行有效歸納、分析和總結(jié)，有助于優(yōu)化醫(yī)療資源配置，提升全國疾病預(yù)防、治療和健康管理能力。

2022年OpenAI發(fā)布ChatGPT，生成式AI成為風(fēng)口，大模型為生成式AI提供了重要的技術(shù)基礎(chǔ)。與此同時，英偉達(dá)作為全球領(lǐng)先的圖形處理器（GPU）和AI芯片制造商，其財報數(shù)據(jù)也反映了算力經(jīng)濟(jì)爆發(fā)的趨勢。2022年英偉達(dá)數(shù)據(jù)中心收入150億美元，占比56%，2023年，數(shù)據(jù)中心收入474億美元，其占總收入的比例上漲至78%，其 GPU幾乎占據(jù)了全球接近80%的市場。

2023年被譽(yù)為醫(yī)療大模型的元年，算力與醫(yī)療領(lǐng)域的融合正以前所未有的迅猛速度發(fā)展，預(yù)示著醫(yī)療健康領(lǐng)域的智慧化轉(zhuǎn)型正邁入一個全新的階段。

截至2023年10月，我國累計公開的大模型數(shù)量已經(jīng)達(dá)到238個，垂直類大模型達(dá)到103個。而2-9月，我國發(fā)布的醫(yī)療大模型近50個，根據(jù)億歐智庫發(fā)布《2023醫(yī)療健康A(chǔ)I大模型行業(yè)研究報告》顯示，目前國內(nèi)的醫(yī)療大模型可以分為幾類：包括患者問診全流程、醫(yī)生助手/醫(yī)院管理、中醫(yī)、藥物研發(fā)、醫(yī)學(xué)影像及健康科普類大模型等。

算力技術(shù)的發(fā)展為醫(yī)療大模型提供了強(qiáng)大的計算資源，使其能夠在短時間內(nèi)完成復(fù)雜的數(shù)據(jù)分析和模型訓(xùn)練。通過運用先進(jìn)的算法和模型，醫(yī)療大模型能夠從海量數(shù)據(jù)中提取出有價值的信息，為醫(yī)生與用戶提供更準(zhǔn)確、更個性化的診療建議。

除醫(yī)療大模型外，在生物醫(yī)藥領(lǐng)域，算力提升也極大的促進(jìn)了基因測序的精準(zhǔn)性與新藥研發(fā)的效率。

《自然》雜志預(yù)估，到 2025 年，全球?qū)⒂?6000 萬人以上會采用基因測序來診斷疾病。通常而言，一個人的全基因組數(shù)據(jù)量在 50GB 以上。這意味著到 2025 年，全球基因組數(shù)據(jù)的增量就超過 40EB。

在基因測序領(lǐng)域，人類的基因中，堿基對高達(dá) 30 億個組合，從 30 億個組合當(dāng)中找出變異，這些運算背后都需要高性能計算在底層做支撐，需要強(qiáng)大的算力支持來進(jìn)行解析。而在藥物發(fā)現(xiàn)領(lǐng)域，研究人員經(jīng)常需要對數(shù)億種化合物，與疾病相關(guān)的蛋白質(zhì)進(jìn)行一個是否能結(jié)合的預(yù)測，每一次運算通常需要數(shù)萬到數(shù)十萬核的 CPU 算力。

例如，在計算機(jī)藥物研發(fā)的流程當(dāng)中有一個關(guān)鍵步驟，叫虛擬篩選，就是在已知的化合物里面，通過與病毒蛋白質(zhì)（靶點）的結(jié)合分析，看某些化合物是否有機(jī)會可以成為藥物。一般來說，科學(xué)家需要篩選 10 億種化合物，和目標(biāo)蛋白質(zhì)去做模擬結(jié)合，但如調(diào)用數(shù)萬核的虛擬服務(wù)器，即可以實現(xiàn)在 24 小時之內(nèi)完成對 10 億種化合物的虛擬篩選。

每一次技術(shù)的飛躍都離不開充足的算力資源作為堅實支撐，特別是在大模型快速迭代的當(dāng)下，算力需求呈現(xiàn)出井噴式增長，算力應(yīng)用同樣面臨著諸多挑戰(zhàn)。

02

應(yīng)用挑戰(zhàn)與成本考量仍待解決

當(dāng)前，醫(yī)療健康領(lǐng)域的研究和應(yīng)用都高度依賴于大規(guī)模的數(shù)據(jù)處理和分析，而算力正是支撐這些復(fù)雜計算任務(wù)的關(guān)鍵要素。

以通用大模型為例，知情人士透露，由于高性能GPU的禁運問題，算力成本變得昂貴，這給醫(yī)療機(jī)構(gòu)和企業(yè)在購買算力時帶來了極大的挑戰(zhàn)。許多機(jī)構(gòu)和企業(yè)可能無法承受高昂的算力費用，從而限制了它們在生物醫(yī)藥領(lǐng)域的研究和應(yīng)用。

對于安全保密有要求的醫(yī)療機(jī)構(gòu)，為確保數(shù)據(jù)不出院，模型的預(yù)訓(xùn)練多需要大模型以本地私有化的方式入駐，在其硬件和算力技術(shù)平臺上進(jìn)行應(yīng)用與業(yè)務(wù)的開發(fā)，并支持靈活擴(kuò)展與穩(wěn)定性要求，從而保障醫(yī)療機(jī)構(gòu)的數(shù)據(jù)安全與業(yè)務(wù)順暢運行。

此外，當(dāng)前模型效率的問題也影響了算力的有效利用。在推理過程中，如果模型效率低下，將導(dǎo)致算力資源的浪費，并可能無法產(chǎn)生足夠的價值來推動算力的持續(xù)增加。這種商業(yè)模型的挑戰(zhàn)進(jìn)一步加大了算力可及性的投入難度。

左手醫(yī)生創(chuàng)始人兼CEO張超告訴億歐大健康，如果在已經(jīng)訓(xùn)練好的通用模型基礎(chǔ)上，進(jìn)一步使用醫(yī)療領(lǐng)域的高質(zhì)量數(shù)據(jù)進(jìn)行繼續(xù)預(yù)訓(xùn)練，其訓(xùn)練成本大概是通用模型的1/10左右。但具體的訓(xùn)練成本還會受到多種因素的影響，包括模型的參數(shù)規(guī)模、所使用的數(shù)據(jù)量、計算設(shè)備的性能等。因此，不同醫(yī)療大模型廠家的訓(xùn)練成本可能會有所不同。

再以AI制藥為例，通過將AI藥物發(fā)現(xiàn)技術(shù)無縫整合到計算機(jī)輔助藥物設(shè)計軟件中，并應(yīng)用深度學(xué)習(xí)等非線性方法于藥物設(shè)計、親和力預(yù)測及成藥性分析等領(lǐng)域，產(chǎn)業(yè)界已經(jīng)取得了顯著的進(jìn)步，并逐漸形成了行業(yè)共識。在這個過程中，算力成為了進(jìn)一步提升AI制藥準(zhǔn)確率并擴(kuò)大藥物篩選范圍的瓶頸。

03

構(gòu)建自主可控國產(chǎn)算力生態(tài)

據(jù)了解，目前醫(yī)療領(lǐng)域的智慧項目算力支撐主要通過企業(yè)合作、自建算力平臺或租用云服務(wù)器來滿足需求。去年12月，醫(yī)渡科技與華為合作啟動醫(yī)療大模型聯(lián)合創(chuàng)新，基于昇騰AI硬件，推出面向B端的訓(xùn)推一體機(jī)解決方案，醫(yī)院可以根據(jù)自身需求來購置相應(yīng)設(shè)備。國內(nèi)AI制藥頭部企業(yè)晶泰科技則選擇自主建設(shè)AI藥物研發(fā)所需的算法平臺與高性能計算算力平臺。

但算力資源的緊缺和高昂成本，以及算力需求的多樣化和個性化等問題，使得“算力荒”的風(fēng)險始終未能完全消除。

為了解決算力瓶頸，2023年10月，工業(yè)和信息化部 、國家衛(wèi)生健康委員會等六部門印發(fā)《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動計劃》指出，加強(qiáng)行業(yè)算力建設(shè)布局，滿足工業(yè)互聯(lián)網(wǎng)、教育、交通、醫(yī)療、金融、能源等行業(yè)應(yīng)用需求，支撐傳統(tǒng)行業(yè)數(shù)字化轉(zhuǎn)型。目標(biāo)是到 2025 年，計算力方面，算力規(guī)模超過 300 EFLOPS，智能算力占比達(dá)到 35%，東西部算力平衡協(xié)調(diào)發(fā)展。

據(jù)工信部數(shù)據(jù)，截至2022年底，中國坐擁的總算力已高達(dá)180EFLOPS，算力核心產(chǎn)業(yè)規(guī)模高達(dá)1.8萬億元，算力總規(guī)模穩(wěn)居全球第二。

在今年的兩會提案中，算力基礎(chǔ)設(shè)施建設(shè)也是大家關(guān)注的焦點。圍繞算力網(wǎng)重建設(shè)輕運營，國產(chǎn)智算軟硬件生態(tài)體系不健全，算力普惠服務(wù)供給等問題，兩會代表建議成立政府算力管理及運營機(jī)構(gòu)，促進(jìn)算力網(wǎng)軟硬件原研創(chuàng)新，構(gòu)建國產(chǎn)算力生態(tài)圈，推動算力產(chǎn)業(yè)高質(zhì)量發(fā)展。

從當(dāng)前市場占比來看，英偉達(dá)雖然占據(jù)優(yōu)勢，但近年來，國產(chǎn)GPU發(fā)展勢頭迅猛，國內(nèi)的華為、寒武紀(jì)等企業(yè)也能提供高端GPU。上海、廣州、西安等城市新建的數(shù)據(jù)中心特別是政府投建的算力中心中，不少已經(jīng)用上國產(chǎn)GPU。

目前，我國已構(gòu)建起了包括超算中心、智算中心、數(shù)據(jù)中心和“城市大腦”在內(nèi)的多元化算力形態(tài)，并在多個城市同步推進(jìn)建設(shè)，推動“數(shù)據(jù)向西，算力向東”的戰(zhàn)略布局。其中，智算中心尤為受到關(guān)注，全國已有30多個城市提出了建設(shè)規(guī)劃。

特別是智能計算中心，作為超算技術(shù)和人工智能融合創(chuàng)新的產(chǎn)物，已成為新基建的熱點，這些算力基礎(chǔ)設(shè)施的建設(shè)，無疑將為醫(yī)療行業(yè)的算力需求提供強(qiáng)有力的保障，推動其在藥物研發(fā)、數(shù)據(jù)處理及模型訓(xùn)練等方面的快速發(fā)展，進(jìn)而提升醫(yī)療服務(wù)的質(zhì)量和效率。

這些智算中心在投資建成后，運營模式、服務(wù)標(biāo)準(zhǔn)制定等問題，便成為了另一個全新的商業(yè)篇章。如何高效地運營這些智算中心，確保它們能夠穩(wěn)定、安全地提供算力服務(wù)，將是擺在運營者面前的又一重要課題。

參考資料：

IT時報：真正落地，生成式 AI 才有生命力

編輯推薦

隨手 在看