驱动AI综上所述，发展技术可以用“三驾马车”来形容——“数据”，“算法”和“算力”。目前，中国在前两辆马车方面已经超越美国，处于世界领先地位。然而，它希望推动它“算力”用中国国际金融有限公司研究执行总经理彭虎的话说，第三驾马车可以说是第三驾马车。“痛点存在于场景落地的各个方面”。这也是世界人工智能大会产业应用论坛和核心话题之一。
从数据生产量和算法论文发表量来看，中国已经超过了美国，居世界第一。AI前两辆马车一骑绝尘，但在业内人士看来，“算力”这架驱动AI发展的“第三匹”马车有点不温不火。
根据《中国算力白皮书(2022)》和中国信通院的数据，英特尔在2021年第四季度占全球84%CPU算力芯片市场份额和71%FPGA计算芯片市场份额，英伟达占据全球95.7%的GPU计算芯片的市场份额。
业界普遍认为在AI计算能力发展存在标准规范不一致、软件调度能力弱、计算能力分布不均等痛点，分布在场景着陆过程的各个方面。
科技创始人兼COO张亚林告诉记者，当设备大规模部署时，标准规范不一致，模块无法以标准方式部署运行维护。“这可能会导致设备的可维护性、集成性和运行维护问题。”张亚林说，由于上述问题，硬件部署的时间成本相应增加，数据中心的建设周期通常延长6-9个月甚至更长，直接阻碍了计算能力的可获得性和大规模集群应用的部署。
彭虎说，资本方面看到的是成本方面的急剧上升，这是受经济动能影响的。他认为，互联网经济带来的技术红利的继承本身迭代有限，计算能力的发展总会遇到瓶颈——芯片。在过去的几年里，中国的芯片开发确实遇到了“受制于人”的情况。
根据海关总署公布的数据，2021年中国进口芯片数量达到6354.8亿，花费4326亿美元。目前，我国进口芯片的成本已超过石油，成为进口量最大的赛道。
“行业生态垄断制约了计算能力的发展”已成为该行业的共识。腾讯云副总裁徐华斌表示，计算能力的垄断制约了计算能力的垄断。AI随着整个生态的封闭，昂贵的进口价格导致很多事情无法切换到AI的维度上。
生态垄断也是当前行业面临的最大挑战。科技创始人、董事长兼董事长、科技创始人。CEO赵立东告诉记者，生态垄断的形成是基于紧耦合和不开源的软硬件架构。
“要打破生态垄断，结构必须创新和原始创新。只有这样，才能牢牢把握技术发展的方向和步伐，建设企业长期发展的技术护城河。只有这样，我们才能真正拥抱开放的生态，使产业健康长期发展。”
计算能力需求的潮汐效应导致计算能力分配不平衡，“东数西算”这是一个大规模的计算能力再平衡过程。在这个过程中，AI计算能力寄予厚望。
目前，产业链的重点和努力仍在云中，但从目前的情况来看，如果计算能力进一步集中在云中，迟早会触及半导体支持和OEM资源可获得性的极限。随着计算芯片成本性能的提高、功耗的降低和整个行业的改进，边缘计算智能的趋势正在出现。
彭虎告诉记者，从结构上看，CPU计算能力占国内一般计算能力市场的80%，智能计算能力，AI计算能力约占17%-18%，超计算能力约占2%。未来，对智能计算能力的需求将进一步发展。在计算能力平衡的过程中，计算能力基础是不可或缺的基本出发点。在边缘计算的智能调度中，人工智能技术受到业界的青睐。
英特尔公司高级首席工程师张宇告诉记者，他同意一个观点，那就是，“东数西算”字面意义上的内涵绝不是简单的“西部建设计算中心，东部数据到西部计算”。他说，东部靠近数据的地方也应该建立一些边缘计算能力。工业互联网、自动驾驶等低延迟应用场景需要设施来支持边缘计算能力。
“然后我们需要一个智能管理平台来调度计算能力，并将这些计算分配到最合适的计算节点。这个计算节点可能在边缘或远端”
浪潮信息AI&HPC产品线副总经理王磊表示，计算能力将成为未来的普遍服务，场景将相当多样化。面对如此丰富的应用场景，计算能力分配将是未来最大的挑战。
彭虎举了个例子，“比如自动驾驶，去年上海车展上，基本上每个车厂都在说自己实现了自动驾驶，但是今年到目前为止发布的新车支持自动驾驶的车型不超过4款。感冒的原因是什么？”
他说，一方面，消费者可能不敢投资，因为他们发现产品的经济性没有达到预期。另一方面，消费者的期望本身也是一个需要引导和培养的过程。技术似乎对后者没有什么促进作用。AI计算能力发展的关键在于技术，而不是技术。
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年全球计算能力指数评估报告》，2021年中国企业在人工智能服务器上的支出同比大幅增长44.5%，首次超过美国排名世界第一。IDC预计2025年全球企业对人工智能软件、硬件和服务的总投资将超过2045亿美元，
“未来这一领域所需的资本支出对应于GDP增加值预计将达到36%。目前的问题和挑战在于如何看待资本支出。这是一个非常重要的问题。资本利用的效率非常重要。钱应该用在刀刃上。”彭虎告诉记者，计算能力的流动性也需要思考和探索。
