人工智能基礎(chǔ)層涵蓋計算芯片、網(wǎng)絡(luò)設(shè)備、存儲設(shè)備和信息采集設(shè) 備，以及操作系統(tǒng)、開發(fā)測試分析工具和AI算法框架，共同構(gòu)成了 人工智能產(chǎn)業(yè)發(fā)展的基石底座

由于在軟硬件基礎(chǔ)設(shè)施層仍嚴(yán)重依賴國際廠商，正多面實現(xiàn)軟硬件國產(chǎn)化并加大投資基礎(chǔ)設(shè)施建設(shè)的力度，以避免受國際制約導(dǎo)致的技術(shù)瓶頸。2023年相關(guān)企業(yè)融資占比達(dá)68%，凸顯其重要性

人工智能基礎(chǔ)層涵蓋計算芯片、網(wǎng)絡(luò)設(shè)備、存儲設(shè)備和信息采集設(shè)備，以及操作系統(tǒng)、開發(fā)測試分析工 具和AI算法框架，構(gòu)成了AI技術(shù)運(yùn)行的基石。大力投資人工智能基礎(chǔ)設(shè)施，以提GAI效能并避免技 術(shù)瓶頸，2023年相關(guān)企業(yè)融資占比達(dá)68%，凸顯其重要性

人工智能的基礎(chǔ)層支持分為硬件和軟件。其中，人工智能直接相關(guān)的硬件部分包括計算芯片、網(wǎng)絡(luò)設(shè)備、存 儲設(shè)備以及信息收集設(shè)備四大類；直接相關(guān)的軟件部分則包括操作系統(tǒng)、開發(fā)測試分析工具與AI算法框架三 類�；�礎(chǔ)層是人工智能技術(shù)運(yùn)行的基石，其計算速度、存儲效率、運(yùn)行穩(wěn)定性、帶寬效率等直接決定了人工 智能的效能釋放，因此近年來大力發(fā)展基礎(chǔ)設(shè)施的建設(shè)，通過加大在基礎(chǔ)設(shè)施的投資以避免卡脖子、性 能制約等影響人工智能深度落地的因素。在2023年，在AIL域中，基礎(chǔ)設(shè)施相關(guān)企業(yè)融資額度達(dá)到68%，側(cè) 面證明了其在當(dāng)前AIL域的重要地位。

❑ 在AI基礎(chǔ)設(shè)施和軟件層面嚴(yán)重依賴國際廠商，特別是在計算芯片和存儲芯片L域，以及AI算法框架 和數(shù)據(jù)庫使用方面，這種依賴性制約了AI的長期發(fā)展，亟需加大投入和提升自主創(chuàng)新能力 目前，在基礎(chǔ)設(shè)施層面仍嚴(yán)重依賴國際廠商。例如，在計算芯片L域，英偉達(dá)的GPU在生態(tài)系統(tǒng)和計算 能力上均大幅L先于的芯片，特別是在生態(tài)建設(shè)方面，廠商的芯片目前無法繞過多層生態(tài)枷鎖；在 存儲芯片L域，三星和美光兩大存儲巨頭的產(chǎn)品在性能、性價比等多個維度上也顯著L先的存儲芯片， 導(dǎo)致廠商在性價比和性能穩(wěn)定性方面短期內(nèi)難以大幅替代國產(chǎn)存儲芯片。這種在兩大AI核心硬件上的技 術(shù)制約對AI的長期發(fā)展產(chǎn)生了重大影響，亟需盡快解決。

在軟件層面，依賴程度更加嚴(yán)重。AI算法框架方面，盡管百度的飛槳在Github的點贊率一度進(jìn)入前五，但在 實際的G強(qiáng)度開發(fā)中，超過70%的開發(fā)者仍傾向于使用Pytorch、TensorFlow、Keras等國際L先的算法框 架庫。在數(shù)據(jù)開發(fā)分析方面，Oracle和微軟的數(shù)據(jù)庫及分析軟件仍是各大企業(yè)的常用工具，占比達(dá)59%。 超過74%的受訪者表示切換到國產(chǎn)數(shù)據(jù)庫難度大，因國產(chǎn)數(shù)據(jù)庫在數(shù)據(jù)處理速度和并發(fā)處理能力方面仍存在 不足。在當(dāng)前的國際競爭態(tài)勢下，軟件上的依賴性將影響人工智能的發(fā)展。企業(yè)需要加大投入，吸引和 培養(yǎng)G端人才，以縮小與水平的差距。