21世纪经济报道记者张梓桐上海报道

　　在刚刚过去的第壹季度，南京、上海、武汉、无锡等10余个地区先后出台 人工智能 算力产业发展支持政策。21世纪经济报道记者梳理发现，各地通过开放相关应用场景、现金补助、发放“模型券”“算力补助券”等形式，“金银财宝”鼓励 人工智能 企业加强技术与应用创新，引导智能算力集约化调度。

　　3月26日，工信部新闻讲话人、总工程师赵志国在国新办新闻发布会上表示，下一步，将着力提升产业科技创新能力，加快推动以大模型为代表的 人工智能 赋能制造业发展。今年将开展“ 人工智能 +”行动，增进 人工智能 与实体经济深度融合，推动 人工智能 赋能 新型工业化 。

　　对通用 人工智能 （AGI）而言，数据、算力、算法三大核心要素中，算力向下扎根于数据，向上支撑着算法，是驱动AGI发展的核心动力。根据中国信息通信研究院发布的数据，我国在用机架数量三年复合增长率约30%，截至2023年底超过810万标准机架，算力总规模达到230EFLOPS（EFLOPS指每秒进行1018次浮点运算），位居全球第贰；全国智能算力规模达70EFLOPS，2023年增速超过70%。

　　但这时，我国算力发展仍然面临着大规模、低成本与低能耗三大挑战。“ 数字经济 时代，各行业大模型训练、生成式AI对算力发生了爆炸性需求。”上海流程智造科技创新研究院公司总经理贺仁龙在接受21世纪经济报道记者采访时表示，算力容量决定了城市将来的发展空间。各地方政府可以测算和排摸未来五年面向城市数字化转型、跨境数据流动、金融结算等算力需求，结合海上风电规划，对海底 数据中心 进行统一布局规划，分区域、分规模、分步骤推进海底 数据中心 规模化建设。

　　多地发文支持算力布局

　　3月29日， 北京市 经开区发布《北京经济技术开发区关于加快缔造AI原生产业创新高地的若干政策》，目标到2026年， 人工智能 核心技术取得重大突破，算力算法数据有效支撑，建成 人工智能 算力10000PFlops。为加快推进算力基础设施建设， 北京市 经开区提出，每年将发放1亿元算力券，企业可申领算力券用于算力租用。为推动 人工智能 应用场景赋能与开放， 北京市 经开区每年将发放1亿元模型券，对购买技术自主可控基座大模型的企业予以补助。

　　3月27日，武汉发布的《增进 人工智能 产业发展若干政策（征求建议稿）》提出，加快超（智）算中心建设，对示范效果突出并获得省级建设运营补助资金的超（智）算中心，根据省级补助金额给予1：1配套奖励。根据算力使用情况每年设立总额很多于1000万元算力“服务补助券”，重点支持中小企业购买算力服务。

　　另外， 无锡市 发布的《关于加快推进算力发展和应用的实施意见》提出，设立每年5000万元的算力券补助资金。《 庆阳市 “ 东数西算 ”算力券实施方案(试行)》日前发布，重点支持开展 人工智能 大模型训练和应用，包含语音识别、图像识别、自动驾驶等领域的应用，每年发放总额不高于1亿元的算力券。

　　另外，近日印发的《上海智能算力基础设施高质量发展“算力浦江”智算行动实施方案（2024-2025年）》提出，到2025年底，上海将努力实现智算设施高效协同，智能算力规模超过30EFlops，通过“算力券”等激励机制，引导智能算力集约化调度。

　　针对近期各地密集发布大模型支持政策的原因，毕马威中国数字化赋能主管合伙人张庆杰在接受21世纪经济报道记者采访时表示，大模型训练仍然面临着昂贵的成本问题。放眼全球，除了几大科技巨头外，几乎没有企业能够承担得起大模型训练的高昂成本，算力不实现普惠化，任何关于AI和科技革命的畅想都将是海市蜃楼。

　　“目前偏大规模的算力需求以B端和G端为主，算力降本需求十分迫切，要利用有限资金获取更多元的算力，并优化算力资源配置和利用效率。同时，低能耗也是行业需要探索的方向。 数据中心 是各国算力发展的重中之重，但其也存在着严峻的碳排放问题，随着碳中和目标成为全球共识，大部分国家都提出了较为严格的 数据中心 节能减排要求。”张庆杰说道。

　　成本挑战仍存

　　从具体内容来看，“算力券”是指重点企业和单位通过特定城市的算力公共服务平台，使用智能算力资源服务时，给予不高于实际支付智能算力费用的一定数目实现补助。

　　以无锡为例，智能算力建设项目方面，对并入市级统筹建设、落地 无锡市 且主要服务于本地企业、高校和科研单位的智算项目，根据“一事一议”方式，最高给予建设成本15%的补助，总额最高不高于3000万元。

　　算力大模型项目方面，对新引进的 人工智能 大模型公司和 人工智能 大模型建设项目，两年内对其通过 无锡市 算力公共服务平台的算力使用成本根据“一事一议”的形式给予支持，原则上比例不高于60%，最高不高于1000万元人民币，扶持资金根据项目进度拨付。

　　在张庆杰看来，地方政府牵头支持算力普惠化非常具有针对性。“中国是世界 人工智能 重要领军国家之一，但做大模型还面临多方面的挑战，需要在政策、技术、资源、人才培养等方面进行综合的改革和发展。在计算资源方面，训练大模型需要大量的计算资源，包含CPU、GPU、TPU等。虽然中国算力具备一定的条件，但在计算资源方面还存在一定的短板，各行各业在底层计算资源上存在缺乏，这会限制大模型的练习和优化。”张庆杰说道。

　　除此之外，他表示，在投入成本方面，大模型的练习需要大量的钱财支持，包含硬件设备、人才引进、技术研发等方面的投入。最后，行业应该在专业人才、技术生态和计算架构方面进行发力，来进一步夯实算力基础。

　　（本站记者孙燕对此文亦有贡献）