4月21日上午，由中國通信工業協會數據中心委員會指導，中國IDC圈與世紀互聯等共同主辦，以“同頻共振”為主題的“2021年中國IDC行業Discovery大會”在北京盛大開幕?，F場匯集了數百名來自數據中心上下游產業的專家、學者以及從業人士，共同探討、分享數據中心的發展及未來。大會同期在線上多個渠道開通了現場直播，共有數十萬觀眾觀看了本次大會。
會上，中國信通院云大所副所長魏凱向與會者分享了《新數據中心時代下的數據生產要素》。
魏凱：尊敬的吳部長，金理事長，陳升董事長，大家好，這個會的主題非常好，叫同頻共振。我今天講的數據中心內容就講講在數據中心上層，要如何共振，我們新基建其實既有底層數據中心的基礎設施建設，也有新技術基礎設施。在國家發改委的政策里頭，實際上把云計算，一體化大數據中心，還有人工智能、區塊鏈都納入到了新基建范疇，我們要同頻共振，就是要探討上層的應用和數據中心怎么互動。
從去年到今年中央一系列的文件把數據作為生產要素提出來以后，給我們開辟了幾乎是無限的增長空間，這在全球是受創的，意義是非凡的，確實是洞悉了整個人類歷史發展軌跡。從農耕時代、工業時代，到信息時代，其實主要依賴的增長技術和核心資源，以及基礎設施都有巨大的變化，可以說是翻天覆地的變化，未來其實是非常可期的。
我們現在都在驚呼數據太大、太多了，增長太快了，實際上我這里要跟大家分享的圖非常有沖擊力，我們還在珠穆朗瑪峰的山腳下，今年是2021年，全球數據存儲量大概是50ZB，根據全球合作咨詢公司、智庫的預測，到2035年我們全球數據量是2100多ZB，指數增長在右側越來越快，越來越大，我們很習慣看線性增長。我們正在進入數據洪流的時代，5G核工業互聯網給我們開辟了這樣一個空間。數據中心產業里的同仁都非常幸福，因為你們有這么大的增長空間。
回顧我們國家對于數據的認識，對于數據戰略的布局，我們做了政策性的梳理，大概三個階段。
第一個階段是2014年左右，這個也是受了國際上很多知名企業和互聯網行業的啟發，原來最早數據不認為是一種要素，因為在很多企業看來我們還要存儲，按照國家的要求要把數據存3個月，這是一個負擔。但是在互聯網行業啟發下，這些數據可以用來做行為分析，用戶精準畫像，發現數據是有價值的，之前很多人說數據是“數據廢棄”，變成了“數據資源”“數據資產”，我們也有推動大數據發展的行動綱要，這是頂層戰略，明確國家要從政務、民生、經濟，向數據要生產力，這是第一個起步階段，但是這個時候其實大家對于這個的懷疑還是非常強烈的，就是數據到底能發揮什么價值。
在2017—2020年是一個新的階段，這個時候很多是自發的，企業內生的，尤其是金融行業，像運營商都發現其實數據驅動已經是他們不得不做的事情，如果沒有數據驅動就像開車沒有導航一樣，這是自發的行為，這時候國家出臺了很多政策。
2020年以后又不一樣了，國家把它作為基礎要素提升，甚至跟土地要素并列，這是一個新的命題，又給我們開創了一個新的空間，再上了一個新臺階，全社會對這個事情的認知又上了一個新的高度，我覺得未來空間非常大。
這里跟大家分享一下我們搞數據的人，從前重視什么，以后重視什么。
從前，搞大數據的人都在解決企業內部怎么高效存儲好自己的數據的問題，怎么更快的處理數據，怎么能夠快速得到分析的結果。我們有很多技術，ES、Spark、Hadoop，怎么高速運算這些數據。
現在甚至以后，其實反過來大家又開始討論隨著技術越來越多，管理成本越來越高，并不是技術成本，而是企業內部的山頭林立，在座有很多金融界的朋友，數據治理是非常痛苦的事情。今天在組織內部大家非常重視數據的更加智能，數據要良好的治理。因為數據不再是簡單的放在數據庫里就能產生價值的，而是要高質量的融合起來，真正讓它成為閉環里面一個不得不做的要素，所以現在正在討論的是數據湖，智能化數據治理系統等等這些，這是單一機構內部的，我覺得這個問題還好解決，正在走上一個良性的軌道，從追求快到追求高質量的發展，這是單一機構內部的。
更加棘手的問題是組織之間的，未來的空間在產業數字化，產業數字化實際上是跟產業互聯網是同義詞，產業互聯網不是個二元結構，消費互聯網是二元結構。產業互聯網，一個汽車兩千個零部件，誰也不能吃掉誰，所以我們要尊重企業的存在，產業鏈的存在。合作的時候其實數據就很難誰給誰，到底是我把數據給你還是你把數據給我，從前我們很少碰到這樣的問題，數據跨機構融合。
以前我們在談數據跨機構的時候，我們更多是要保護，隔離，鎖在保險柜里保密。今后為了做產業互聯網，跟社會上的上下游要打通，政企打通，企業之間打通，所以關鍵詞變成了開放、融合。所以在大的政策里，可以看到我們不但在提數據要素變成生產要素，更再提數據要素市場化，“十四五”規劃里面有一大段專門提怎么把數據變成市場化要素，就是要開放、融合，在保證數據安全的前提下促進數據在不同主體之間連通，合作，所以又有了隱私計算、區塊鏈。
陳升董事長也是這方面的思想家，其實都是在解決數據跨機構之間可信共享的問題，這是我們數據領域的人在考慮的問題，我覺得這些都跟數據中心的底座有非常強的關系，它意味著我們以后的計算模型其實是從數據運行到IO運行，到網絡密集型的任務，這是一個變化。
我們再看人工智能，怎么挖掘數據可能不能靠人，得靠機器建模。人工建模非常費勁，甚至我們很難掌握這個領域的知識，所以最近幾年對于數據的處理，大量依靠機器。機器在數據里面訓練、學習，得到隱藏的模型，這個模型有很多時候人看不懂，但是沒關系，能產生實效，比如說語音翻譯，準確率達到99%，但是解釋不了這個原因，但是這個不妨礙我們機器很多事情做得很好。
人工智能最近幾年也進入了一個新的發展階段，以前大家可能覺得人工智能是靠大量的數據堆起來的，現在除了數據量要拉大，拼算力的時代也開始了。最近我們做了一個分析、統計，在90年代到2010年的階段，人工智能要訓練一個模型，它消耗的算力需求，每兩年翻一番，這還是一個比較均衡的，比較線性的增長趨勢。到了2015年以后，到現在，人工智能要訓練一個模型其實大概平均每3.4個月翻一番，就是算力的需求。去年有一個非常重磅級的人工智能訓練模型Open AI的GPT-3文本訓練，寫的文章根本看不出來是機器寫的還是人寫的。以前一億參數就搞定了，去年用的GPT-3模型里用的是1750多億，數據量從40G到45T，翻了一千倍，神經網絡層數從48層到了96層，這預示著人工智能未來的發展回歸到了最底層的依賴，還是落到數據中心里面，未來誰能玩得起，只有數據中心玩家能玩得起，未來是拼算力的時代，這是人工智能對數據中心的改變。
人工智能模型是什么模型？是計算密集型的，是CPU密集型的任務，現在有很多既要求CPU密集又要求IO密集，所以我們要有網絡來高速互聯，對數據中心要求也很高，所以我們提智算中心。云計算是數據中心資源最多的行業，增長非常快，未來我們院的認識，其實云計算未來空間非常大，我們現在上云率還是非常低，大概30%多，云已經從粗放到精細，從IaaS到SaaS的轉變，未來預估IaaS比較大，SaaS比較小，未來產值可能是倒三角，SaaS產值會非常大，包括邊緣這些發展非常快。
無論是大數據、云計算還是未來數據中心的發展、人工智能的發展，底層都是要靠數據中心提供強大算力。像三峽集團給我們提供電力一樣，我們中國現在數據中心產業發展如火如荼，但是什么事情一平均立馬就拉下來了。我們按照人均算力來說，我們屬于中等，在波蘭后面。人均算力460GFLOPS，前面國家都是西方發達國家，我們人均算力差距很遠的，表示我們未來發展空間非常大。
在上層應用的驅動下，數據中心進行了新一輪發展，根據我們院的統計，去年我們數據中心機架數是314萬架，2020年我們預計會到440萬架，翻到8倍，增速30%以上，給這個產業增加了很多錢，包括液冷，無損網絡，很多新技術在開始投資，這一波新基建的數據中心建設不是傳統的，相對老行業數據中心本身就新，但是這一輪數據中心的建設是數據中心里面本身就新，新模式的發展，包括產業生態的合作。
我們看到基礎運營商還有第三方數據中心，還有第三方數據中心和服務商的合作模式也越來越豐富了，產業鏈協同也是一個新的開始。
我們院今年有個課題，給我們的任務，就是讓我們貫通云、大數據、人工智能、數據中心來看算力基礎設施的變革、轉型，未來算力基礎設施將怎么走，跟網絡怎么耦合，現在我們都在提云邊協同，算網融合，數網協同這些新的概念，我們未來怎么發展，我覺得需要跟業界的同行共同探討，特別是在碳達峰，碳中和的大背景下，以前是攤大餅的模式，未來我們要走更精細的模式，我們怎么能夠構建一個融合這么多數據中心形態的，包括邊緣，包括智算中心、數據中心、超算中心，傳統機房、云機房這些怎么形成一個非常好的一體化的算力基礎設施，真正讓算力成為像電力一樣的，打開水龍頭計算能力就來了這樣一個美好的未來，當然它要適應我們現在很多的場景，包括5G、車載、物聯網這些場景，空間非常非常大，我也特別希望能夠跟各位數據中心的專家能夠多學習、多探討，共同促進這個產業的發展，我就分享這么多，謝謝大家。
