AIGC对算力的需求

AIGC （AI Generative Computing）是人工智能技术和内容生产相结合的产物，是人工智能应用于内容生产的典型案例。它通过使用 NLP、 OCR、机器视觉等技术，将人类语言转化为图片、文本和视频，最终生成高质量的作品。

目前 AIGC已在多个领域得到应用，其中以媒体行业应用最为广泛。根据艾瑞咨询数据显示，2021年中国短视频行业市场规模为2156亿元人民币，其中，短视频创作平台“快手”以1072亿元人民币的市场规模排名第一。

从应用场景来看，目前 AIGC主要分为内容创作和辅助创作两大类。其中，内容创作以短视频为主，辅助生成和编辑的是文本生成（NLP）和图像生成（Image Generation）。

除了泛娱乐领域外，在金融、广告等行业应用中也开始出现 AIGC的身影。如中国银行推出首款数字人“中银数字”担任银行客户经理；百度推出“度秘”和“小度智能音箱”作为度秘助手；微博与 DataFun合作推出 DataFunX元宇宙引擎等都是在 AIGC领域的尝试。

1. AIGC

AIGC是人工智能技术与内容生产相结合的产物，通过人类语言为文字进行形式上的转换，把人类智慧在机器上实现，对人类来讲是有意义的。

AIGC的模型训练过程中，需要大量文本和语义数据，对算力需求也比其他模型更大。基于此，本文从数据生成模型、图像生成模型三个角度出发，探究 AIGC对算力的需求。

2. AI与云计算的关系

AI和云计算之间的关系十分密切，因为在 AI应用中，不仅需要强大的计算能力，还需要大量的存储和网络资源。这意味着云计算的支持可以让 AI系统运行更稳定，并带来更高的效率。与传统的数据中心相比，云端 AI系统能够根据实时数据流和大量计算需求来优化算力。

3. AIGC时代计算架构变革

AIGC时代的到来，带来了对算力的更高要求，计算架构面临着重大变革。AIGC发展初期，由于算力不足导致的数据处理延时过长，影响了生产效率。但随着 AIGC的进一步发展，其对计算能力提出了更高的要求，从而进一步推动了计算架构向异构方向发展，同时也给异构芯片厂商带来了新机会。

4. 算力需求趋势

AIGC对算力需求主要分为通用与专用两种。从应用场景来看， AIGC需在特定的场景下使用，因此通用算力是其必需的算力。

目前， AIGC已开始渗透进内容创作、广告营销等各个领域，如：在“快手”上出现了基于生成对抗网络的数字人“快小影”，当用户对内容进行评论时， AI会根据用户的评论内容自动生成相应的评论文本；又如：在“抖音”上出现了基于循环神经网络的虚拟主播“小伟”。因此，针对具体场景使用通用算力已不能满足当前 AIGC对算力的需求。从供给端来看， AIGC对专用算力也有需求，但目前还处于早期探索阶段。

5. 算力发展方向

目前， AIGC应用场景已遍及内容生产、城市治理、智慧城市、政务服务等领域。随着 AIGC的不断发展，对算力的要求也越来越高。

AIGC算法模型需要海量文本数据和图片数据进行训练，在使用小样本学习的过程中，传统训练模式效率较低，存在较大的资源浪费。随着技术发展与数据量增加，对计算资源和算力需求也不断提升。

算力需求还将不断提高。

一方面， AI算法模型会从小样本学习逐渐向大样本学习发展；另一方面，目前 AIGC平台大多以开源框架为主，未来将会从更高维度和更多样的语言模型学习 AI算法、探索更深层次的语义理解。