其中，《方案》在“保障措施”中提出了对企业利好的办法：

  • 对采购自主可控GPU芯片开展智能算力服务的企业，按照投资额的一定比例给予支持，加速实现智算资源供给自主可控。
  • 对主动进行绿色节能改造的存量数据中心，按照投资额的一定比例给予支持。

对企业扩大资金的举措，意在提升人工智能算力券政策效能，鼓励企业用好智能算力资源，加快推动大模型赋能行业应用。

除此之外，在《方案》的规划目标中，也释放出了一个重要的信号——智算资源供给集群化：

改变智算建设“小、散”局面，集中建设一批智算单一大集群。
到2025年，本市智算供给规模达到45EFLOPS，2025-2027年根据人工智能大模型发展需要和国家相关部署进一步优化算力布局。

为何会如此？这就要结合当下算力市场的需求和供给展开来看了。

一方面，自从ChatGPT问世引爆AIGC以来，大模型的数量可谓是极速增长，单是北京这一座城市，就已经拥有122家大模型创新团队，约占全国的一半，大模型数量更是居全国首位。对于算力市场的需求之大可见一斑。

不仅如此，随着Sora、Suno等应用的问世，大模型的发展已然加速驶入多模态阶段，AI算力的需求在Scaling Law为主旋律的当下还会持续上涨。

△图源：由DALL·E 3生成

另一方面，AIGC诚然带火了“N卡”，但目前着眼于全球已然是一卡难求的态势，并且因稀缺导致其价格日益水涨船高。

而且单从GPU的性能角度来看，即便是英伟达也只能接受加速计算到达了临界点的事实，算力供给方需要另一种方式来进行计算——

通过芯片与芯片间的连接技术，一步步构建出大型AI大规模算力集群。

聚焦到国内，其实这种“集群”模式也已经紧锣密鼓地在展开，国内已有不少厂商在不断探索和实践，例如云计算巨头华为云、AI芯片公司摩尔线程等等。

以摩尔线程为例，就在前不久他们发布了名为夸娥（KUAE）的智算集群解决方案，旨在以一体化交付的方式解决大规模GPU算力的建设和运营管理问题，可以大幅降低传统算力建设、应用开发和运维运营平台搭建的时间成本。