痛点存在于方方面面，如何才能策动AI技术的“第三驾马车”( 二 ) _经验知识

英特尔公司高级首席工程师张宇告诉采访人员，他很认同一个观点，即“冬数西算”的内涵绝不是简单字面意义上的“西边建设计算中心，冬边的数据拿到西边来算” 。他表示，冬边靠近数据的地方也要建立一些边缘的算力，工业互联网、自动驾驶等低延时的应用场景需要有设施提供边缘算力的支撑。
“那么我们需要一个智能化的管理平台能够去调度算力，把这些计算分配到较合适的计算的节点，这个计算节点可能是在边缘，也可能是在远端”
浪潮信息AI&HPC产品线副总经理王磊表示，算力未来会成为一种普适化的服务，面向的场景将是相当多元化的，面对如此丰富的应用场景，算力分配将会是未来面临的较大挑战。
AI算力发展：在技术，也不在技术
彭虎举了个例子，“比如自动驾驶，去年上海车展的时候，基本每个车厂都在说他们实现了自动驾驶，但是今年到目前为止发布的新车里支持自动驾驶的型号不超过4个，这个遇冷究竟是什么原因？”
他表示，这一方面可能因为消费者发现产品的经济性没有达到预期，所以车厂不敢投了，而另外一方面，消费者的预期本身也是一个需要引导和培养的过程。而技术对于后者似乎起不到什么推动作用。AI算力发展的关键在技术，也不在技术。
根据IDC、浪潮信息、清华大学全球产业研究院联合编制的《2021-2022全球计算力指数评估报告》，2021年中国企业在人工智能服务器上的支出规模同比大幅增长44.5%，首次超过美国位列全球排名。IDC 预测，预计2025年全球企业在人工智能软件、硬件和服务的总投资将超2，045亿美元，
“未来在这一领域所需要的资本开支对应到的GDP的增加值预计占比会达到36% 。目前的问题和挑战在于如何去看待资本开支。这是是非常重要的问题，资本的利用的效率很重要，钱要用在刀刃上。” 彭虎告诉采访人员，算力的变现能力亦是目前需要思考和探索的。