人工智能就是一個「拼財力」的行業，如果沒有高性能計算設備，別說開發基礎模型，就連微調模型都做不到。

但如果只靠拼硬件，單靠當前計算性能的發展速度，遲早有一天無法滿足日益膨脹的需求，所以還需要配套的軟件來協調統籌計算能力，這時候就需要用到「智能計算」技術。

最近，來自之江實驗室、中國工程院、國防科技大學、浙江大學等多達十二個國內外研究機構共同發表了一篇論文，首次對智能計算領域進行了全面的調研，涵蓋了理論基礎、智能與計算的技術融合、重要應用、挑戰和未來前景。

這也是第一篇正式提出智能計算的定義及其統一理論框架的評論文章，全文結構如下。

AI開啟大規模算力時代

人類社會正在從信息社會進入智能社會，計算已經成為規范和推動社會發展的關鍵因素。在萬物互聯的數字文明新時代，傳統的數據計算遠遠不能滿足人類對更高智能水平的日益增長的需求。

人們對智能計算的興趣日益濃厚，加上計算科學的發展，對物理世界的智能感知，以及對人類意識認知機制的理解，共同提升了計算的智能水平，加速了知識的發現和創造。

近年來，計算和信息技術快速發展，由于深度學習的空前普及和成功，人工智能（AI）已被確立為人類探索機器智能的前沿領域，并在此基礎上取得了一系列突破性的研究成果，包括：

Yann LeCun提出的卷積神經網絡（CNN）；Yoshua Bengio在深度學習的因果推理領域的貢獻；Geoffrey Hinton，人工智能的先驅之一，在2006年提出了深度置信網絡（Deep Brief Network）模型和反向傳播優化算法。

J?urgen Schmidhuber提出了廣為使用的循環神經網絡（RNN）和長短期記憶（LSTM），并成功用于處理序列數據，如語音、視頻和時序數據。

2016年3月，DeepMind推出的人工智能圍棋程序AlphaGo與世界頂級人類圍棋大師李世石展開對戰，引起了全世界前所未有的關注，這場劃時代的人機大戰以人工智能的壓倒性勝利而告終，并成為將人工智能的浪潮推向一個全新的高度的催化劑。

人工智能的另一個重要推動者是大型預訓練模型的出現，這些模型已經開始廣泛用于自然語言和圖像處理，在遷移學習的幫助下處理各種各樣的應用。

例如，GPT-3已經證明，一個具有高度結構復雜性和大量參數的大型模型可以提高深度學習的性能，在GPT-3的啟發下，涌現了大量的大規模深度學習模型。

智能和計算

計算能力是支撐智能計算的重要因素之一。

鑒于信息社會中天文數字般的數據源、異構的硬件配置和不斷變化的計算需求，智能計算主要通過垂直和水平架構來滿足智能任務的計算能力要求。

垂直架構（vertical architectures）的特點是同質化的計算基礎設施，主要通過應用智能方法提高資源利用效率來提升計算能力。

相比之下，水平架構（horizontal architecture）協調和安排異構和廣域（wide-area）計算資源以最大限度地提高協作計算的效率。

例如，2020年4月，為了應對全球COVID-19研究的計算需求，Folding@home在三周內聯合40萬名計算志愿者實現了2.5Exaflops的計算量，比世界上任何一臺超級計算機的計算能力都要強。

盡管在智能和計算方面已經取得了巨大的成功，但這兩個領域仍然面臨著一些難題。

智能的挑戰

使用深度學習的人工智能目前在可解釋性、通用性、可進化性和自主性方面仍沒有解決。

目前的大多數人工智能技術與人類智能相比，只能發揮微弱的作用，而且只在特定的領域或任務中發揮作用，實現強大且通用的人工智能仍有很長的路要走。

最后，從基于數據的智能升級到更多樣化的智能形式，包括感知智能、認知智能、自主智能和人機融合智能等，也存在重大的理論和技術挑戰。

計算的挑戰

數字化浪潮帶來了前所未有的應用、連接、終端和用戶的增長，以及產生的數據量，都需要巨大的計算能力。

例如，人工智能所需的計算能力每100天翻一番，也就是說，預計在未來五年內將增加超過100萬倍。

隨著摩爾定律逐漸失效，要跟上如此快速增長的計算能力要求變得很有挑戰性。

摩爾定律：集成電路上可容納的晶體管數目，約每隔兩年便會增加一倍

智能社會中的大規模任務的處理依賴于各種具體計算資源的有效組合，傳統的硬件模式不能很好地適應智能算法，極大限制了軟件的發展。

何為智能計算？

時至今日，仍然沒有一個被廣泛接受的智能計算定義。

一些研究人員將智能計算視為人工智能和計算技術的結合，但這種觀點將智能計算的定義限制在人工智能領域內，同時忽略了人工智能固有的局限性以及人類、機器和事物之間三元互動的重要作用。

另一個學派將智能計算（intelligent computing）視為計算智能（computational intelligence），模仿人類或生物智能來實現解決特定問題的最優算法，并將智能計算主要視為一種算法創新。

在這篇論文中，研究人員從解決復雜的科學和社會問題的角度提出了智能計算的新定義，同時考慮到世界的三個基本空間，即人類社會空間、物理空間和信息空間的日益緊密融合。

Intelligent Computing的定義

智能計算是指在支持世界互聯的數字文明時代，包含了新的計算理論方法、架構系統和技術能力的領域。智能計算根據具體的實際需要，以最小的成本完成計算任務，匹配足夠的計算能力，調用最好的算法，并能獲得最佳的結果。

智能計算的新定義是針對人類社會、物理世界和信息空間三者融合中快速增長的計算需求而提出的。智能計算以人為本，追求高計算能力、高能效、高智能、高安全。

其目標是提供普遍、高效、安全、自主、可靠和透明的計算服務，以支持大規模復雜的計算任務。圖1顯示了智能計算的總體理論框架，它體現了支持人類-物理-信息整合的各種計算范例。

首先，智能計算既不是現有計算機、云計算、邊緣計算以及其他計算技術（如神經形態計算、光電計算和量子計算）的替代品，也并非是簡單整合。相反，它是一種計算形式，通過根據任務要求系統地、全面地優化現有的計算方法和資源來解決實際問題。

相比之下，現有的主要計算學科，如超級計算、云計算和邊緣計算，屬于不同的領域：超級計算旨在實現高計算能力，云計算強調跨平臺/設備的便利，而邊緣計算則追求服務質量和傳輸效率。

智能計算動態地協調邊緣計算、云計算和超級計算領域之間的數據存儲、通信和計算，構建了各種跨領域的智能計算系統，支持端到端的云協作、云間協作和超級計算互聯。

智能計算應當充分利用現有的計算技術，更重要的是促進新的智能計算理論、架構、算法和系統的形成。

其次，智能計算概念的提出是為了解決未來人類-物理-信息空間融合發展中的問題。

隨著大數據時代信息技術應用的發展，物理空間、數字空間和人類社會之間的界限已經變得越來越模糊。

人類世界已經演變成一個新的空間，其特點是人類、機器和事物的緊密融合，社會系統、信息系統和物理環境構成了一個動態耦合的大系統，在這個系統中，人、機器和事物以高度復雜的方式整合和互動，這促進了未來新計算技術和應用場景的發展和創新。