中国·济南
山东产业技术研究院智能计算研究院
2022
05 / 24
智研简报
智/能/计/算 计/算/未/来
热烈庆贺智研院党支部正式成立
智研院农业团队研发项目荣获山东省
技术创新项目立项
6 / 30
AI 正在引领一场新型科学革命
三大核心技术突破，筑牢算力网络底座
CONTENTS
目录
面向“政产学研金服用”，打造研究机构与企业间体系化、标杆化及标准化合作模式
01
智研快讯
《山东省新旧动能转换重大产业攻关项目管理实施细则》
AI 正在引领一场新型科学革命
热烈庆贺智研院党支部正式成立
04
05
02
《优质中小企业梯度培育管理
暂行办法》解读
热烈庆贺智研院党支部
正式成立
中国共产党是中国工人阶级的先锋队，是中国人民和中华民族的先锋队，是中国特色社会主义的先锋队，代表着中国先进生产力的发展要求，代表中国先进文化的前进方向，代表中国最广大人民的根本利益。
6月20日，在即将迎来中国共产党成立101周年之际，由智研院提出申请，济南高新区创业服务中心综合党委研究决定，同意成立“中共山东产业技术研究院智能计算研究院支部委员会”，马兴敏同志任党支部书记。
智研快讯
NEWSLETTERS
智研院党支部的成立对智研院的发展有着十分重要的意义，是新形势下加强党的领导，充分发挥党建引领作用，有效促进研究院提质增效健康发展的重要举措。
今后，智研院党支部将在上级党组织的领导下，认真贯彻党的方针政策，组织开展各项党员活动，积极培养发展新党员，切实抓好员工的思想教育工作，不断增强凝聚力和向心力，团结拼搏，为加快山东经济建设和社会发展贡献力量。
政策导读
06
三大核心技术突破，筑牢算力网络底座
智研院农业团队研发项目荣获山东省技术创新项目立项
07
03
济南大学信息科学与工程学院参观智研院
行业资讯
6月13日，山东省工业和信息化厅公布了2022年山东省第一批技术创新项目计划，智研院的“基于遥感数据的农业生产要素认知技术研究”项目被列入其中。截至目前，智研院共有2个项目被列入山东省技术创新项目。
山东省技术创新项目是为了深入实施创新驱动发展战略，推进新旧动能转换和制造业高质量发展，引导创新主体增加研发投入、开展研发活动、加强研发机构和研发人员队伍建设，增强自主创新能力和核心竞争力，提升产业技术研发水平和创新成果产业化水平而设立的一项省级科研计划项目，对项目的创新性、申报单位的研发投入、研发团队的实力等方面都有一定的要求。
智研院本次入选的项目“基于遥感数据的农业生产要素认知技术研究”，是通过研究高精度农业遥感数据智能处理与分析基础算法，开发基于农业遥感数据的作物、土壤、环境认知技术，构建农业遥感数据生产智能分析系统与平台，实现农业生产自主执行与规模应用示范。通过该项目的实施，既能有效提升产量和质量，又能实现整个农场全流程、全资源的统筹规划，减少人力、物力和财力等资源的投入，提升运作效率，全面的提高经济效益。
智研快讯
NEWSLETTERS
智研院农业团队研发项目荣获山东省技术创新项目立项
济南大学信息科学与工程学院参观智研院
为促进山东产业技术研究院与济南大学联合培养研究生招生工作顺利开展，促进智研院与济南大学信息科学与工程学院（以下简称“信息学院”）的交流合作，6月15日，济南大学信息学院一行到智研院参观，智研院院长助理刘岩、行政部孟辉陪同考察并现场交流。
智研快讯
NEWSLETTERS
智研院院长助理刘岩向信息学院一行的各位老师介绍了智研院概况，带领参观了智研院创新成果展厅，并就等相关产学研等内容进行了交流。
通过此次考察，进一步加深了双方的交流与沟通，未来双方将共同努力，朝着培养产教融合创新型人才这一目标开拓进取。
政策导读
《山东省新旧动能转换重大产业攻关项目管理实施细则》
“
”
省委省政府高度重视推动“十强产业”自主创新、高质量发展，2018年6月1日，省政府第10次常务会议决定，自2019年起实施新旧动能转换“十强产业”重大课题攻关，由省发展改革委牵头，统筹专班、智库、协会、基金等力量，聚焦聚力攻克一批战略性、前瞻性、关键共性技术，省财政每年拿出2亿元予以专项支持。2020年5月，省级财政科技创新资金整合后，省科技领导小组办公室将原“省新旧动能转换重大工程重大课题攻关项目”更名为“省新旧动能转换重大产业攻关项目”，由省发展改革委继续组织实施。
2022年6月7日，省发展改革委印发《山东省新旧动能转换重大产业攻关项目管理实施细则》（鲁发改动能办〔2022〕484号）（以下简称《实施细则》），现就《实施细则》主要内容解读如下：
一、出台背景和过程
《山东省人民政府关于印发2022年“稳中求进”高质量发展政策清单（第一批）的通知》（鲁政发〔2021〕23号）将实施“重大产业攻关项目”列入政策清单。为进一步突出课题攻关向产业攻关的定位转变，更好激励重大技术突破、模式创新向大规模产业化加速迈进，2022年2月份以来，省发展改革委按照规范性文件制定要求，广泛征求并充分吸收了委内有关处室、各部门、各市、有关产业专家和企业家意见，完成了为期一个月的社会公示，进行了公平竞争审查、合法性审查和部门会签，形成了本《实施细则》。
二、主要内容
《实施细则》适用于攻关项目征集、评审、立项、实施、评估、验收、监管等全过程，共设置十章三十三条。第一章总则，共四条，明确攻关目的、实施依据、定位内涵和主要原则；第二章管理机构与职责，共五条，明确参与攻关项目管理的责任主体及具体职责，包括省发展改革委、“十强产业”专班及其他有关部门、各市县发展改革部门以及攻关项目实施单位和负责人等。第三章申报范围与条件，共三条，明确申报范围包括“十强产业”项目及其他推动绿色低碳高质量发展的重大技术产业化项目、重大业态模式创新项目；明确五项基本申报条件、两项重点支持情形及六项不符合申报要求的情形。第四章申报流程与评审，共两条，明确市县逐级提报备选项目的流程，以及省发展改革委组织专班初审、综合评审、尽职调查、全面考察等程序。第五章项目立项与推进实施，共三条，明确攻关项目立项程序，以及集中攻关期内分类推进、督导协调、支持保障、中期评估等管理服务举措。第六章项目动态调整，共四条，明确攻关项目报告制度及项目变更、撤销、终止机制。第七章项目验收与评价，共四条，明确项目验收内容、评价流程、评价结果，以及对延迟验收、验收不合格等情形的规定。第八章奖励补助资金管理，共四条，明确省级奖励补助资金的框架配置、分配原则、使用范围、规范管理等机制。第九章监督管理与法律责任，共三条，明确项目全过程监管机制，以及对项目责任部门、有关服务机构工作人员及专家存在违法违规行为的处理措施。第十章附则，共一条，明确对涉密项目、2021年前立项项目建设管理依据等。
三、落实措施
（一）本《实施细则》的实施期限暂定为长期，具体时限根据省科技领导小组办公室确定的省级科技创新发展资金配置情况进行调整。
（二）省发展改革委将及时研究制定2022年新旧动能转换重大产业攻关项目申报指南，启动项目申报工作。
《办法》明确了创新型中小企业、专精特新中小企业、专精特新“小巨人”企业的评价或认定标准，以附件形式发布。其中，创新型中小企业评价标准包括创新能力、成长性、专业化三类6个指标，满分100分，企业得分达到60分以上即符合创新型中小企业标准。考虑创新型中小企业是优质企业培育的广泛基础，标准设置不宜过高。专精特新中小企业认定标准包括从事特定细分市场年限、研发费用总额、研发强度、营业收入等基本条件，并从专、精、特、新四方面设置13个指标进行综合评分，满分100分，企业得分达到60分以上即符合专精特新中小企业标准。考虑到各地企业发展水平差异，在坚持全国统一标准的基础上，留有15分“特色指标”由各省结合本地特色进行设置，既确保企业水平总体上大致相当，又鼓励地方结合实际创造性开展工作。专精特新“小巨人”企业认定标准围绕专、精、特、新以及产业链配套、主导产品共六个方面，分别提出定量和定性指标，考虑“小巨人”企业是优质中小企业的排头兵，被认定企业需满足全部指标要求。
同时，为避免一些创新能力突出、产业链作用突出的企业，因为“偏科”无法通过，我们通过设置直通车的方式，对这类企业进行了适度倾斜。
三、创新型中小企业、专精特新中小企业、专精特新“小巨人”企业有什么区别和联系？
创新型中小企业、专精特新中小企业、专精特新“小巨人”企业是优质中小企业培育的三个层次，三者相互衔接、共同构成梯度培育体系。创新型中小企业具有较高专业化水平、较强创新能力和发展潜力，是优质中小企业的基础力量，培育目标是100万家左右。专精特新中小企业实现专业化、精细化、特色化发展，创新能力强，质量效益好，是优质中小企业的中坚力量，培育目标是10万家左右。专精特新“小巨人”企业位于产业基础核心领域和产业链关键环节，创新能力突出、掌握核心技术、细分市场占有率高、质量效益好，是优质中小企业的核心力量，培育目标是1万家左右。
政策导读
POLICY INTERPRETATION
《优质中小企业梯度培育管理
暂行办法》解读
近日，工业和信息化部印发了《优质中小企业梯度培育管理暂行办法》（下称《办法》），为便于理解《办法》，做好贯彻实施工作，现就相关内容解读如下。
一、制定《办法》的主要考虑是什么？
优质中小企业创新能力强、成长性好，是提升产业链供应链稳定性和竞争力的基础力量，是推动经济高质量发展的重要驱动，是构建新发展格局的坚强支撑。党中央、国务院高度重视优质中小企业培育工作，习近平总书记强调要“培育一批‘专精特新’中小企业”，中央经济工作会议要求“激发涌现一大批‘专精特新’企业”，《政府工作报告》提出“着力培育‘专精特新’企业”。工业和信息化部深入贯彻落实党中央、国务院有关决策部署，在《“十四五”促进中小企业发展规划》中，将优质中小企业培育工程列为九大工程之首。目前，已累计培育“小巨人”企业4762家，带动各省培育专精特新中小企业4.8万多家。
培育工作取得一定成效，受到社会广泛关注，但也面临标准不统一、服务不精准、发展不平衡等问题。比如，党的十九届五中全会指出“支持创新型中小微企业成长为创新重要发源地”，但创新型中小企业因为缺少评价标准，目前各地都在探索，概念认识上存在差异；再如，省级专精特新中小企业的培育标准由各地自行制定，各成体系，不利于培育工作的持续开展。为进一步提升优质中小企业梯度培育工作的系统化、规范化和精准化水平，工业和信息化部在前期开展培育工作的基础上，研究制定了《办法》。
《办法》不仅对评价认定工作进行规范，更对培育管理提出了系统性要求。优质中小企业的三个梯度，层次分明、相互衔接，既有利于不同层次的企业看清差距和不足，明确努力方向，也有助于各级中小企业主管部门提高服务的针对性、精准性和满意度。开展优质企业梯度培育工作，绝不仅仅是认定一批优质企业，更重要的是通过培育服务、引导带动，引领广大中小企业坚持走专精特新发展道路，实现高质量发展。
二、《办法》的主要内容有哪些？
《办法》正文共五章，第一章总则，提出了制定依据、概念和定义、工作原则、职责分工、工作目标等内容。第二章评价和认定，明确了评价和认定工作原则、标准以及相关工作要求。第三章动态管理，提出了管理原则和企业信息更新要求，以及有效期、违法违规和举报受理等管理要求。第四章培育扶持，提出了梯度培育的原则、内容和方式。第五章附则，明确了实施日期等。
各省级中小企业主管部门将就创新型中小企业评价和专精特新中小企业认定工作出台实施细则，具体参与评价和申请的流程请以省级中小企业主管部门出台的实施细则为准。工业和信息化部每年将印发开展专精特新“小巨人”企业认定工作的通知，具体申请流程请关注工业和信息化部通知，2022年专精特新“小巨人”企业认定工作将于6月上中旬启动。
特别强调的是，工业和信息化部不委托任何机构开展创新型中小企业、专精特新中小企业、专精特新“小巨人”企业评价认定相关的培训、咨询、辅助申报工作，企业只需按要求如实填报提交相关材料即可，不收取任何费用，也没有任何特殊捷径。
六、如何开展优质中小企业培育工作？
企业发展的关键是企业自身。优质中小企业梯度培育工作以内因为主、外因为辅，核心还是依靠企业不断增强内生动力，坚持走“专精特新”发展道路，政府和社会力量做好优化发展环境、加强服务支持等工作，共同形成培育工作合力。
在培育工作中，坚持完整、准确、全面贯彻新发展理念，坚持有效市场和有为政府相结合，坚持分层分类分级指导，坚持动态管理和精准服务，需要政府、社会、市场三方共同发力。各级中小企业主管部门针对本地区不同发展阶段、不同类型中小企业的特点和需求，以政策引领、企业自愿、培育促进、公开透明为原则，健全优质中小企业梯度培育体系，制定分层分类的扶持政策，完善服务体系建设，维护企业合法权益，不断优化中小企业发展环境。相关事业单位、社会组织等发挥自身优势，在政策宣传、技术服务、法律援助等方面，积极为中小企业提供公益性服务。市场化服务机构是专业化服务的主力，按梯度培育优质中小企业，有助于提升市场化服务的精准性，提高企业的获得感。我们也希望各类市场化服务机构，在坚持市场化规则基础上，能够理性务实、深入细致地支持这些优质中小企业，陪伴企业共同成长。
优质中小企业培育工作，重点在“培育”二字，培育的功夫下准了、下足了，优质中小企业自然会更多涌现出来。工业和信息化部将会同相关部门着力构建政府公共服务、市场化服务、公益性服务协同促进的服务体系，引导各类服务机构加大对优质中小企业的服务帮扶力度，通过搭建创新成果对接、大中小企业融通创新、创新创业大赛等平台，汇聚服务资源，创新服务方式，为中小企业提供全周期、全方位、多层次的服务。工业和信息化部将会同有关部门持续加大对优质中小企业的支持力度，激发涌现一大批专精特新中小企业。
一棵幼苗成长为参天大树不可能一蹴而就，三类企业代表了优质中小企业发展的不同阶段，在评价或认定标准的设置上，也体现了这一思路。我们希望初创中小企业能够沿着这样一个梯度去发展，脚踏实地、聚焦主业、砥砺奋进、开拓创新；我们也希望经过若干年的持续培育，这些优质中小企业里能够有一大批企业成长为国内国际知名企业，为我国的经济社会发展做出更大贡献。
四、是不是所有企业都可以申报？
我们鼓励各类中小企业创新发展，所有在中华人民共和国境内工商注册登记、具有独立法人资格，符合《中小企业划型标准规定》的企业，不区分所有制，都可以申报。但是，作为优质中小企业还必须满足一些基本要求，比如：未被列入经营异常名录或严重失信主体名单，提供的产品（服务）不属于国家禁止、限制或淘汰类，近三年未发生过重大安全（含网络安全、数据安全）、质量、环境污染等事故以及偷漏税等违法违规行为，等等。
在产业导向上，培育工作以制造业企业、制造业和信息化相融合的企业为主，突出产业链属性，重点鼓励位于产业链供应链关键环节及核心领域的企业，有一些比如住宿餐饮、批发零售、房地产、娱乐业等，暂不列为我们培育的对象。同时，我们也会加强动态管理，如果发现已被认定的企业有严重违法违规行为或数据造假的，坚决取消认定。
五、企业怎么参与评价和申请？
优质中小企业评价和申请，坚持企业自愿、公开透明的原则开展。
创新型中小企业评价，由企业按属地原则自愿登录优质中小企业梯度培育平台（将于2022年8月1日文件正式实施前开放）参与自评，省级中小企业主管部门根据评价标准组织对企业自评信息、相关佐证材料进行审核、实地抽查和公示。公示无异议的，由省级中小企业主管部门公告为创新型中小企业。
专精特新中小企业认定，由创新型中小企业按属地原则自愿提出申请，省级中小企业主管部门根据认定标准，对企业申请材料和相关佐证材料进行审核、实地抽查和公示。公示无异议的，由省级中小企业主管部门认定为专精特新中小企业。
专精特新“小巨人”企业认定，由专精特新中小企业按属地原则自愿提出申请，省级中小企业主管部门根据认定标准，对企业申请材料和相关佐证材料进行初审和实地抽查，并向工业和信息化部推荐，工业和信息化部组织对被推荐企业进行审核、抽查和公示。
自20世纪50年代DNA被发现以来，生物学家一直试图将基因序列的长度与一系列细胞成分和蛋白质合成过程联系起来，例如，包括为现在著名的mRNA疫苗助力的特定抗体的mRNA转录过程。
尽管自DNA发现以来，在基因组测序和理解方面取得了一定进展，但仍缺失一个重要环节。生物学家缺乏一种仅使用未知蛋白质的DNA或RNA源序列就能准确有效地预测其三维形状的方法。在生物学中，结构决定功能。蛋白质在细胞中的作用取决于其形态。中空的圆柱形结构有利于形成良好的膜受体，而U型酶在峡湾状空腔中催化化学反应。能够预测甚至设计蛋白质结构对于人类疾病理解将是一个飞跃，并会为一系列疾病解锁新的治疗方法。
但70多年来，科学家们一直在使用令计算机不堪重负的慢方法，并且主要依靠自己的猜测来梳理蛋白质的结构。尽管生物学家知道构成每种蛋白质的每种氨基酸的DNA编码长度，但他们缺乏一个可重复、可推广的公式来解决所谓的“蛋白质折叠问题”。他们需要系统地了解任何一串氨基酸一旦连接起来，将如何折叠成三维形状，从而解开浩瀚的蛋白质宇宙。
2020年，谷歌的人工智能团队DeepMind宣布其算法AlphaFold解决了蛋白质折叠问题。起初，大多数人都对这一惊人的突破兴奋不已，科学家们随时准备测试这种新工具，也激发了一些人的兴趣。这不就是几年前推出AlphaGo，使其在中国战略游戏围棋中击败世界冠军的那家公司吗？掌握一个比国际象棋更复杂的游戏，虽然难度很大，但与蛋白质折叠问题相比，感觉微不足道。
但是AlphaFold通过一年一度的竞赛证明了其科学勇气，在该竞赛中，生物学家团队仅根据蛋白质的基因序列猜测蛋白质的结构。该算法远远超过了人类竞争对手，发布了预测最终形状在一埃（单个原子的宽度）内的分数。不久之后，AlphaFold通过了第一次真实世界测试，正确预测了SARS-CoV-2“刺突”蛋白的形状，该蛋白是病毒显而易见的靶向疫苗的膜受体。
行业资讯
INDUSTRY INFORMATION
AI 正在引领一场新型科学革命
AlphaFold的成功很快就变得不容忽视，科学家们开始在实验室里试用这种算法。到2021年，《科学》杂志将AlphaFold的开源版本冠以“年度最佳方法”。生物化学家兼《科学》杂志主编H. Holden Thorp在一篇社论中写道：“蛋白质折叠方面的突破是有史以来在科学成就和未来研究方面最伟大的突破之一。”
今天，AlphaFold的预测非常准确，经过70多年的思索，蛋白质折叠问题被认为已经解决。虽然蛋白质折叠问题可能是迄今为止AI在科学领域最引人注目的成就，但AI正在许多科学领域悄然取得新发现。
通过加速发现过程并为科学家提供新的调查工具，AI也正在改变科学研究的方法。
这项技术升级了显微镜和基因组测序仪等研究支柱，为仪器增加了新的技术能力，使其功能更加强大。AI驱动的药物设计和重力波探测器为科学家提供了探测和控制自然界的新工具。
在实验室之外，AI还可以部署先进的仿真和推理系统，以开发真实世界的模型并使用它们测试假设。随着科学方法的广泛影响，AI正在通过突破性的发现、新技术和增强工具，以及提高科学过程速度和准确性的自动化方法，引发一场科学革命。
除了蛋白质折叠问题以外，从宇宙学和化学到半导体设计和材料科学，AI在许多领域的发现证明了其科学价值。
例如，DeepMind的团队设计了另一种计算分子的电子密度的算法，击败了科学家60年来一直依赖的快捷方法。了解给定分子的电子密度对于理解材料的物理和化学性质大有裨益。但由于电子受量子力学支配，计算特定电子的密度需要复杂的方程，很快演变成计算噩梦。相反，科学家们利用材料电子的平均密度作为引导，避开了困难的量子计算。然而，DeepMind的算法直接解决了量子方面的问题，并被证明比快捷方法更精确。
与蛋白质折叠问题类似，AI能够超越科学家几十年来沿用的方法，并解锁了准确预测物理和化学性质的新方法。
AI对科学的影响在四个关键方面超越了该技术的新发现。
首先，AI可以快速阅读科学文献，从而了解科学的基本规则、事实和方程式，并帮助科学家管理淹没各个领域的大量论文和数据。仅在2020年，就有10万到18万篇关于COVID-19的科学期刊发表。
尽管研究人员将重心放在与持续的全球大流行一样紧迫的事情上是有道理的，但关于COVID-19的论文仅占最大生物医学数据库总文章的4-6%左右。产生的论文和数据浪潮远远超出任何科学家的阅读能力，使研究人员无法真正跟上各自领域的创新步伐。
这正是AI的用武之地。
例如，在药物化学领域，Insilico公司正在进入完全由AI设计的药物I期临床试验阶段，该药物旨在治疗一种称为特发性肺纤维化（IPF）的疾病。Insilico的算法通过阅读医学文献来选择疾病目标，以找到潜在的蛋白质、细胞或病原体进行精确定位。一旦选择了目标，该算法就可以设计一种治疗方法来治疗疾病。Insilico开发了一个用于药物发现的端到端AI平台，该平台可以自动掌握该领域的最新结果和数据，以便科学家能够了解情况而不会不知所措。
其次，随着仪器更加精密以及探索自然奥秘的逐步深入，科学家们需要面对海量数据。AI同样可以在此方面大展身手。
阿贡国家实验室（Argonne National Laboratory, ANL）的一组科学家研发了一种算法，该算法可以理解引力波，即爱因斯坦预测的时空连续体结构中的涟漪，但直到2015年才被发现。该算法在7分钟内处理了一个月的数据量，提供了一种可加速、可扩展和可重复的引力波检测方法。而且该算法还可以在标准图形处理单元（GPU）上运行，研究人员无需使用专门设备收集和解释引力波数据。
ANL数据科学与学习 (DSL) 部门主管Ian Foster说：“这个项目让我兴奋不已，它展示了如何通过正确的工具，将人工智能方法自然地集成到科学家的工作流程中，让他们更快更好地完成工作，增强而非取代人类智能。”借助人工智能，曾经的海量数据现在变成了加速科学发展步伐的可控信息流。
第三，AI一直在悄悄升级实验室的一些长期支柱：显微镜和DNA测序仪。
在ANL，研究人员找到了一种方法来提升电子显微镜可检索到的有关样品的信息量，同时提高仪器的分辨率和灵敏度。不同于许多人在高中或大学生物课上熟悉的显微镜，因为电子显微镜不依赖可见光来构建图像。相反，顾名思义，它们使用电子，这使它们能够以比其他显微镜更高的分辨率和更精细的构造拍摄图像。
ANL的研究人员设计了一种在电子显微镜上使用AI记录相位数据的方法，该方法可以传递有关样品物理和化学性质的关键信息，从而提高仪器的功率和容量。
与此类似，AI的另一个升级功能是在所谓的光场显微镜中发现的，它可以拍摄高清晰度的3D运动图像。科学家通常需要几天的时间来重建视频，但有了AI后，处理这些运动中的高分辨率数据所需的时间缩短到几秒钟，而不会丢失分辨率或细节特征。
DNA 测序仪是基因组时代的主力军，也得到了AI的增强。今年早些时候，一组科学家利用AI将DNA测序所需时间减半，并希望很快再次减半。简言之，人工智能正在升级最基本的科学工具。
最后，AI在实验室中真正大放异彩的地方是模拟复杂系统，使其成为基础科学研究中越来越标准的工具。
去年，研究人员通过在物理学、天文学、地质学和气候科学等十个科学领域建立突破性的模拟实验，展示了AI的多学科能力。
所有10个仿真器均由同一个称为DENSE的深度神经网络进行训练，与其他方法相比，在保持准确性不变的前提下，仿真速度提高了10亿倍之多。
至关重要的是，仿真器可用于解决“逆问题”，即研究人员知道结果但想找出哪些变量会导致输出。AI擅长这种计算，并且可以很容易地找出通向特定答案的路径。
虽然模拟很有用，研究人员也希望确保他们的模型在现实世界中有效。谷歌和三星这两家领先的科技公司最近转向AI来规划其部分芯片的布局。
谷歌得出的结论是，人工智能设计的芯片“对于所有关键指标，包括功耗、性能和芯片面积，都优于或可与人类生产的芯片相媲美”。更进一步，该公司使用AI来设计其下一代AI加速器（TPU是AI制造的芯片，而不是标准的CPU或GPU）。
同样，三星依靠AI芯片设计软件创建了Exynos，这是一种用于可穿戴产品和汽车的芯片。凭借其高保真模拟，AI为科学家们提供了一种强大的工具，正在彻底改变他们对自然世界进行建模和实验的方式。
总体而言，理解蛋白质的结合为强大的新药研发打开了大门，因为细胞中的许多反应都是蛋白质协同作用的结果。这两项进步开启了治疗设计的新时代，即利用端到端的AI管道定位疾病并设计精确的治疗方法。
例如，华为人工智能实验室的一个研究团队使用该模型的一个版本自动生成了针对目标感染的抗体。从药物设计到蛋白质结合，人工智能对自然界建模、分析和控制的能力只会继续提高。
DeepMind的最新突破是将AI应用于控制和维持核聚变反应的问题。AI成功地控制了氢和氦的融合反应，为宇宙中的每颗恒星提供了创纪录的能量，并发现了稳定保持等离子体的新形状。这项实验是朝着开发可行的聚变能源迈出的重要一步，聚变能源可以提供足够的可再生能源，并为世界提供动力。
这个案例突出了AI在科学中最有希望的应用：它看到了我们无法看到的模式，并从不同但互补的角度分析了我们的环境。与研究人员合作并以科学方法为基础，AI能够利用支撑科学过程的迭代理论和实验解决同样的探索性问题。
科学可以最好地描述为对未知事物的探索。在这段旅程中，AI是一个伙伴，它以不同于我们的方式感知自然世界及其未探索的部分，开辟了理解和利用世界力量的新途径。
正如索尼研究主管Hiroaki Kitano所描述的那样，基于AI可模拟的假设、实验和数据的自校正系统，科学发现是一个“搜索”问题。但在搜索过程中，AI不仅仅是科学家和合作伙伴手中的强大工具。这项技术也在改变科学过程，实现自动化并增加人们使用它可以完成的任务。人工智能正在引领一场新的科学革命，在多个领域取得了显著突破，开启了科学研究新途径，加快了科学创新步伐。作为合作伙伴，AI将会与科学家共同探索更多无止境的科学前沿。
对于AI的建模能力，没有比COVID-19大流行更好的现实测试了。
首先，蛋白质折叠算法AlphaFold正确预测了重要的“刺突”蛋白质，展示了AI在未来的大流行中如何加速疫苗或疗法的研发。但也许更令人印象深刻的是，在2020年夏天，日本科学家使用世界上最强大的超级计算机Fugaku来模拟COVID-19 在空气中的传播。
在深度神经网络和数千个GPU的支持下，Fugaku向世界提供了病毒是通过空气传播的决定性证据，并说服WHO相应地改变其控制COVID-19的指导方针（例如，口罩、通风以及室内与室外活动的风险）。在现实世界中，AI通过在危机期间为全球缓解战略提供信息来证明其价值。
除了做出新发现和为科学武库添加新工具外，AI还可以发现数据中的模式，做出可测试的预测，并使用它们将新证据纳入其模型，反映科学方法。
哲学家Karl Popper普及了这样一种观点，即科学是通过抛弃可证伪的假设而进步的，这些假设可以通过实验进行检验并证明是错误的，而这种通过理论和实验消除的过程是科学方法的一个标志。
正如AI最近的一些突破所表明的那样，该技术还产生了可以通过实验测试的假设，并通过排除过程提供了一个严格且可证伪的答案。
DeepMind 的电子密度模型通过逼近科学过程并在预测和实验之间迭代反馈，直到更好地掌握了量子计算，从而击败了研究人员。
AI通过在数千个实验确定的蛋白质上测试其模型，细化猜测，并通过赋予更接近解决方案的分支更高权重来修剪神经网络，从而解决了蛋白质折叠问题。研究人员构建了AlphaFold的开源版本之后，其他科学家可以利用该模型解开RNA结构如何折叠以及蛋白质如何结合在一起的谜团。
算力网络的普及是智能时代的重要标志。随着5G、IoT、人工智能等技术的逐步成熟，新基建成为我国下一步基础设施建设的大方向。国家发改委在2020年4月对新基建的含义进行了阐述，在“信息基础设施”中明确提出“算力基础设施”的概念。今年2月启动的“东数西算”，加速了全国一体化算力网络国家枢纽节点的建设步伐。《2021—2022全球计算力指数评估报告》显示，算力指数每提高一个点，数字经济和GDP分别增长3.3‰和1.8‰。算力已经成为数字经济时代的核心生产力。
目前，算力网络系统架构规划大多侧重如何运营、如何打通服务的提供方和消费者、如何将“网云融合”改造升级为“算网一体”等内容。笔者认为，高效的算力资源层是算力网络这座大厦的根基，底层处理芯片、数据传输等物理层产品和技术的支撑能力不容忽视。算力网络的有效实施除了资源整合、服务创新，还亟须新核心技术的突破。
算力网络的定义
对于算力网络，中国移动的定义是“以算为中心、网为根基，网、云、数、智、安、边、端、链等深度融合、提供一体化服务的新型信息基础设施”。中国联通的定义是“在计算能力不断泛在化发展的基础上，通过网络手段将计算、存储等基础资源在云-边-端之间进行有效调配的方式，以此提升业务服务质量和用户的服务体验”。可见实施算力网络的共同目标是“提升业务服务质量，优化用户体验”，具象化的愿景阐述是“使算力成为像水、电一样，可‘一点接入，即取即用’的社会级服务”。
以上定义更多的是从运营商角度来审视算力网络，这里我们给出一种技术角度的定义：算力网络是与应用需求密切匹配的网络化计算基础设施，使算力可应需集结，并与网络一样泛在，最终实现“网络即计算（NaaC，Network as a Computer）”。
要实现这一目标，需要算力计量、数据安全、操作平台、应用商店等运营措施的配套完善和应用生态的不断丰富，但根基在于底层核心技术的突破。好比在功能机时代，即便人们对移动互联网的需求足够强烈，也不可能构建出目前琳琅满目的应用生态和服务。直到智能手机出现，宽带互联网和3G、4G移动网络普及，才真正推动了移动互联网的业态成为现实。
“算力”与“电力”的类比
电力和算力都被视为跨时代的基础设施级驱动力，电力的广泛采用是第二次工业革命的标志。电的“泛在”只需要铺设好输送网络——电网，即可实现。如果把“算力”类比为“电力”，“算力”的泛在又能否通过铺设信息网络来实现，达到能联网的地方就能方便、应需地使用算力？
答案似乎没有那么简单。目前宽带、电信网络可谓无所不在，但“算力”尚未达到“一点接入”的方便程度，也没有实现“即取即用”的使用弹性。一个重要原因是算力资源的整合难度比电力资源高，算力的“池化”也比电力更具挑战。电力的源端是发电站，即便存在装机容量、发电方式的差异，生产的电力是无差别的，发电资源的“池化”只需将电网并网。相比之下，算力的源端更加“异构”，既包括云端的数据中心、超算中心、智算中心等，也包括边缘侧的数据中心、计算中心、基站等，因而“池化”算力比电站并网更具挑战。此外，电的传输对延迟没有特殊要求，而算力的调用通常对延迟有严格的要求。
同时，不同于电力，算力不是一种客观存在的物质，而是一种分析、存储、处理数据的能力。电力的基本操作是开通/断开，如何使用由终端设备决定，并不需要告知源端（发电站）。而算力的基本操作除了开通和断开，还要定义算什么甚至怎么算。相比电力的终
行业资讯
INDUSTRY INFORMATION
三大核心技术突破
筑牢算力网络底座
端（电器）完全定义了功能，算力的终端大多数情况只负责“提问”，即发送计算请求，而源端通过大规模计算给出“解答”。算力网络的使用方式与云计算比较相似，云计算在某种程度上可以被视为算力网络雏形。
底层基础设施还需技术突破
直观理解的算力网络包含两个关键：一是算力，二是网络。算力网络的效力不是两者的相加，而是倍乘。根据梅特卡夫定律，网络的价值等于该网络内节点数的平方。算力网络的节点包括各种算力中心（如数据中心、超算中心、智算中心、边缘计算节点等）和服务的终端应用（如PC、智能手机等强交互设备，摄像头、智能电表等弱交互设备）。互联网的发展已经显示出梅特卡夫定律的巨大威力，将人类带入信息时代。如果算力网络的梅特卡夫定律能继续发挥作用，将拉开智能时代的序幕。
然而，新酒还需新瓶来装。现有的计算、网络、存储基础设施，尚不能完全支撑算力网络的愿景。从1940年到2010年，计算能耗效率呈现稳定的指数级增长，大约每1.6年效率指标就会加倍。在21世纪的前十年，我们得以将一台PC的算力装在了手机中，赋能移动互联网的快速发展。相比算力，数据量的增速也毫不逊色。从2005年至今，数据量约每两年翻一番。然而，摩尔定律从2015年开始放缓，单位能耗下的算力增速逐渐被数据量增速拉开差距。现有的网络化算力可以部分解决利用率不均衡的问题，却不能从本质上解决算力增速放缓。
为了便于分析算力相关的核心基础技术，我们把算力分为两大类——应用层算力和基础层算力。应用层算力指用于执行业务层应用的算力，例如视频解析、数据查询、路径规划、图像渲染等，对应云计算系统的SaaS和PaaS层，其算力提升主要来自专用服务器的采用。基础层算力指用来做资源池化、数据转发、压缩存储、网络功能虚拟化等基础层负载的算力，对应IaaS层，其算力提升得益于DPU、5G移动边缘计算、超高速光电混合网络、NVMe—oF等技术的采用。预计算力网络的基础层将会有三个方面的技术突破。
一是通过DSA（领域专用架构）维系应用算力的指数级提升。短期来看，专用体系结构的广泛采用有望维持2～3个数量级的算力提升，这也是DSA技术路线受到重视的原因。存内计算、网内计算、类脑计算等非冯·诺伊曼架构，都在尝试用非传统计算架构提升计算效能。从技术成熟度来看，通用GPU（GPGPU）、面向深度学习模型训练和推理的通用AI芯片，最有可能在短期内发挥算力增强作用。
二是通过DPU释放应用层算力的同时，扩容基础算力的管道。基础算力层的核心功能之一是构建算力流通的“管道”，在传统系统架构中，网络与计算是分离的，计算的主体是服务器，网络的主体是网卡、路由器和交换机。DPU技术的逐渐成熟，可以将大量原本在服务器运行的基础层负载卸载到DPU上。DPU还能将本地物理资源虚拟化，将远层访问本地化。在不改变现有路由器和交换机的前提下，DPU也开始承载基础算力的角色，并进一步提升网内计算的成熟度。
三是通过数据面代理赋能无服务器服务和云原生应用。随着云原生微服务架构的普及，服务网格作为微服务间通信的专用基础设施层，在微服务架构中实现可靠、快速和安全的服务间调用，并提供了可观测性、流量控制能力和安全保障。但是，服务网格增加了网络的复杂性，任意两个微服务间的通信都增加了两跳七层应用代理，微服务间通信的时延显著增加，限制了云原生应用的大规模部署。针对当前云原生服务网格存在的这一问题，可以通过DPU实现服务网格数据面代理，进而解决CPU和内存的消耗和微服务间访问延迟的问题。
目前我国在构建算力网络上有较好的基础，如良好的基建化程度、网络覆盖率、运营水平等，但也存在核心算力芯片自主率低、核心光电器件主要依赖进口等技术层面的挑战。在新基建、“东算西数”等政策的引导下，可以看到巨大的盘活存量、优化增量的机遇，推动算力早日成为普惠大众的生产力。
来源：中国电子报
扫一扫关注我们
物端AI芯片
边缘AI计算设备 高通量AI服务器认知智能与协作计算
增值电信业务经营许可证：陕B2-20210327 | 
陕公网安备 61102302611033号