“人类社会已经快速步入到智慧时代，什么才是这个时代的核心驱动力、生产力——是计算！”在近日由中国工程院信息与电子工程学部主办的2018人工智能计算大会上，中国工程院院士、浪潮集团首席科学家王恩东给出这一观点。

王恩东说，一个国家的GDP与其计算力呈现出明显的正相关关系，全球GDP排名前5的国家，与全球服务器出货量前5名几乎保持一致。而今天市值排名前10的巨头，比如苹果、亚马逊、谷歌、脸书、阿里巴巴、腾讯，等等，毫无例外地都是全球服务器采购量最靠前几名的公司——这说明他们在计算力上投入不菲。从某种意义上说，计算力就是生产力。

“计算”“算法”“数据”，被称作拉动人工智能的“三驾马车”，在机器学习“算法”不断突破、庞大“数据”爆炸式增长的今天，“计算”能否成为人工智能蓬勃发展的动力引擎，备受期待。

事实上，回顾人工智能的发展史，不难发现计算力在其中发挥关键作用。“图灵先发明计算机，后发明人工智能，可以说没有计算就没有人工智能，而人工智能，则让计算力有了前进的动力，有了发展的方向。”王恩东说。

人工智能自1956年提出以来，经历了三个阶段：第一个阶段是20世纪60~70年代，人工智能力图通过计算机来实现机器化的逻辑推理证明，但最终难以实现。第二个阶段是20世纪70~90年代，计算机能力比之前几十年已有了长足的进步，这时试图通过建立基于计算机的专家系统来解决问题，但是由于数据较少并且太局限于经验知识和规则，难以构筑有效的系统。第三个阶段是最近这几年，基于深度神经网络技术的发展，才逐渐步入快速发展期。

“为何在第二阶段到第三阶段之间，人工智能有长达30年的发展停滞？”美国工程院院士、美国加州大学洛杉矶分校教授丛京生在大会上抛出这一问题。

在他看来，近些年人工智能之所以能够再次爆发，一方面是互联网、信息化、数字化带来了大数据，据统计，整个人类文明所获得的全部数据中，有90%是过去两年内产生的，到2020年，全世界所产生的数据规模将达到今天的44倍。

这么多的数据是如何产生、存储、互联、处理的？背后依靠的都是计算。这就是丛京生所说的“另一方面”：计算能力的提高。上世纪80年代，人们用到的计算机，每秒钟能够执行200万到300万指令，如今每秒钟就可以有1000亿到2000亿次指令运算。

从这个角度说，是计算点亮了人工智能。丛京生说，“因为有了这些计算能力，才让今天的人工智能无处不在。”

当然，人工智能反过来也对计算提出更多需求和挑战。比如，人工智能对于计算力的需求已远超摩尔定律的性能增长速度。

换句话说，我们需要更强的计算力。

此次大会对外发布了《2018中国人工智能计算力发展报告》，其中提到，随着时间的推移，人工智能在新兴经济和数字经济中的应用场景将越来越多——

从目前开始到2020年，包括人脸识别、语音识别、自然语言处理等生物识别技术和车辆识别、智慧交管、智能路灯等智慧城市技术将是人工智能最典型的应用场景；而2020～2025年，智能制造和智能家居的相关技术将走向成熟，成为最典型的人工智能应用场景；2025年及之后，智能医疗、自动驾驶、智能助理等相关技术与政策将成形，促使上述行业的人工智能应用实现爆发式增长。

报告同时提到，目前阻碍人工智能计算发展的主要挑战在于四个方面：一是计算力的发展还未达到需求；二是可用数据量有限；三是从实验室到实际运用过程中，还面临诸多挑战和问题；四是从应用场景到提供完善的行业解决方案还需时日。

中国工程院二局局长高中琪说，尽管我国人工智能应用发展速度很快，但与发达国家特别是与美国相比，我们在硬件算法的人工智能核心技术领域，还存在着明显差距。

在他看来，虽然应用终端的发展已经远远走在硬件构架的前面，但现在计算平台已经难以满足人工智能日益庞大的运算需求。如何加强底层的构架建设、提升计算力，已经成为人工智能发展的关键问题。