华为轮值董事长胡厚崑：推进算力网络建设，让算力中心从点走向面

以下是发言全文：

非常高兴又和大家相聚在浦江之畔，参加2022年世界人工智能大会。

在刚刚结束的SAIL奖颁奖仪式上，华为的人工智能辅助药物设计平台获得了今年的SAIL之星奖，感谢大家认可华为在人工智能技术发展及应用方面做出的努力。

谈到人工智能辅助药物设计和开发，我也想和大家分享一个最新的案例。大家知道，细菌耐药已经成为人类重大健康威胁，据世卫组织统计，全球每年至少有70万人因此死亡，远远超过了疟疾和艾滋病致死人数。一个好消息是，西安交大一附院最近取得了突破，研发出了一款新的超级抗菌药，有望成为全球近40年来首个新靶点、新类别的抗生素。在这个项目里面，华为提供的AI药物分子大模型做出了一定的贡献。这个大模型对上亿个分子化合物提前进行预测筛选，帮研究人员在很短的时间内大大缩小了筛选范围。在AI的辅助下，先导药的研发周期从数年缩短至一个月，研发成本降低70%，这是巨大的进步。

我们看到，人工智能应用于行各行各业、不同场景的案例越来越多，而且越来越深，即深入到不同场景中的生产作业中去。这个变化传递了一个重要的信息，正如电力和互联网，人工智能作为一项通用技术，其技术价值的发挥恰恰在于将它化有形为无形，让它深深嵌入到各行各业的作业场景中去。

在过去一年，人工智能产业取得了很多进步。比如，在算力方面，国内现在已经有20多个算力领先的城市，正在加速建设公共的人工智能计算中心，当前已经有10个城市上线，包括深圳、武汉、西安、成都等等。近期上海人工智能公共算力平台的建设，也必将为上海科技创新与数字经济发展注入强劲动力。

有了大算力，就能够产生系列大模型，应用创新就有了坚实基础。如刚刚分享的药物开发案例，应用创新的突破口就来自药物分子大模型。大模型让每个场景化AI应用开发，都不必从0开始，真正实现从小作坊式向工业化开发转变。无论是互联网、金融等领域，还是在煤矿、农业以及气象等行业中，都可以看到大模型的身影。

人工智能产业需要一步一个脚印，踏踏实实发展。我们认为下一步的关键是，建好、用好算力基础设施，规划好应用创新方向，为各行各业数字化转型升级，打下更坚实的智能根基。

第一，持续推进算力网络建设，让算力中心从点走向面。

随着全国各地算力中心的建成，我们不仅仅要将计算中心作为独立的系统发挥作用，也要逐步形成相互联接的算力网络，发挥更大的价值。

我认为，关于算力网络的部署，有三个关键。

首先我们可以“AI先行”。根据预测，未来10年，人工智能算力需求将增长500倍，成为未来算力的最大增量。算力网络的建设，可以从这个增量开始，通过新建的人工智能计算中心来先行先试，形成人工智能算力网络，为国家“东数西算”战略落地实践率先迈出关键一步。

其次，算力网络正走向融合异构。不仅仅是人工智能计算中心联网，各地超算中心、一体化大数据中心，都可以并入算力网络，形成统一的算力大市场，支撑数字经济高质量发展。

算力网络，算力很重要，网络也非常关键。我们将通过全光技术的创新，构建一个更大带宽、更低时延、具有高度确定性的网络，保障数据、应用、算法的高效调度。

当前，我们看到深圳鹏城实验室、国内几大运营商等都在推进算力网络计划，华为也将与产学研各界共同推动算力网络的建设和发展。我期望，就像今天的电力网、通信网和高铁网一样，未来的算力网络也能为我国数字经济发展提供强劲的动力。

第二，建得好更要用得好，算力网络的运营需要打好基础。

当前，各个计算中心所产生的数据格式、算法都不尽相同，相互之间无法直接调用，只能在本地发挥价值，这就给算力基础设施的统一运营造成了很大的困难。

为此，我们需要构建相对统一的标准。具体来说，在算力硬件、应用接口、节点互联和数据共享多个层面，实现标准的相对统一与兼容，做到“同唱一首歌”。这样，才能使算力、数据与生态形成汇聚，实现全网的共享和高效的运营。

此外，仅有统一的标准还不够，发展AI基础软件生态是做好运营的关键支撑。我们认为，在大力发展芯片、网络等硬件的同时，也要注重基础软件，如AI框架、开发套件、基础模型的协同发展，释放硬件算力，最终让AI落地行业。

当前，华为正在联合产业伙伴，打造统一的AI基础软件生态，构建产业韧性。我们的AI框架昇思MindSpore自2020年开源以来，得到产业界伙伴及开发者的积极响应，昇思社区已成为了国内热度最高的AI开源社区。我们希望跟伙伴一起，共同打造全球主流的AI框架。

第三，加速行业应用的孵化与创新，让人工智能技术发挥更大的价值。

当前，孵化大模型已经成为行业与场景创新突破的共识。就拿前面提到的药物研发来说，场景复杂多样，比如蛋白质-小分子结合的预测，小分子属性的预测，以及小分子的优化与生成等等，如果每一个场景都单独训练AI模型，效率非常低；现在通过一个医药行业的盘古预训练大模型，基于超大规模的参数、海量训练的数据，就可以适配药物研发的多个关键场景，大大缩短药物研发周期。

但是，大模型的研发门槛高，费时费力，要避免重复投资和开发。因此，我们呼吁政、产、学、研、用联合起来，梳理行业场景需要的基础大模型与行业大模型，规划大模型沙盘，牵引大模型的孵化与创新，这既可以减少重复投入，也有利于集中优势资源共同加速AI应用向各产业和行业的渗透。

当然，大模型只是完成了算法开发，还要结合行业know-how才能落地成为行业应用。通过这一年的探索，我们认为通过产业联合体可以快速打通产学研用，大大提高了应用落地的效率。当前，面向遥感和多模态两个产业联合体已经开花结果，吸引了70多家科研机构和企业加入，孵化了20多个行业新应用，推动AI大模型在遥感、纺织、金融等行业落地。