2020年4月10日，在《中共中央国务院关于构建更完善要素市场化配置体制机制的意见》中，数据首次作为新的生产要素出现，与土地、劳动力、资本和技术等传统要素并列。不可否认，计算能力家经济有关。
根据IDC和浪潮联合发布的《2020全球计算能力指数评估报告》，平均每增加1点，数字经济和国内生产总值分别增加3.3‰和1.8‰。计算能力指数是评估计算能力与经济、数字经济相互拉动、共同发展的指数。
目前，全球数字化转型已进入倍增创新阶段，各国数字经济所占比例不断上升。
该报告指出，当一个国家的计算能力指数超过40分时，指数每上升1点，对GDP增长的拉动就会增加到1.5倍；当计算能力指数超过60分时，对GDP的拉动就会进一步增加到2.9倍。当前，我国计算能力指数评分达到66分，处于世界第一梯队。
超大数据量对处理效率提出了更高的要求，强大的计算能力为数字经济提供了双重创新的动力。正如IDC中国助理副总裁周震刚所说，计算能力正成为数字经济发展的核心驱动力。越早意识到计算能力对经济的促进作用，配置计算能力基础设施，越能在未来的发展中占据先机。
计算成为AI突破的关键因素。
伴随着5G部署速度的加快，物联网技术的进一步发展，我国的数据生产速度将得到更快的提高，数据总量也将进一步增加。创造数据元素价值需要对数据进行更多的维度和深度的利用，原有的数据处理方法已经远远不能满足新时期数据处理的需要，而人工智能技术将大大提高数据的利用效率。
人工智能服务器通常配备GPU、FPGA、ASIC等加速芯片，利用CPU和加速芯片的组合可以满足高吞吐量连接的需要，为自然语言处理、计算机视觉、语音交互等人工智能应用场景提供强有力的计算支持
在以深度学习为中心的人工智能发展中，人工智能模型的进步主要取决于模型的大规模扩展。在AlexNet网络模型出现后的几年里，ResNet、Transformer、BERT等优秀模型的不断出现，使得深度学习有了很大的发展和进步，尤其是在图像、语音、机器翻译、自然语言处理等领域。人工智能模型的智能化程度不断发展，人工智能模型的数据量和结构的复杂性不断增加，导致模型参数爆炸，模型尺寸呈指数级增长。
到2020年7月，OpenAI实验室推出了进的自然语言模型GPT-3，天量参数1750亿，训练数据集规模超过500GB。GPT-3的计算能力要求达到3640Petaflop/s-day。根据媒体机构的量子位计算，训练一个GPT-3模型需要355年的时间。根据估计，GPT-3的训练成本约为600-1200万美元。
2020年1月，最新的语言模型SwitchTransformer将语言模型的参数扩大到1.6兆元，比GPT-3的参数增加了约10倍。
随着模型尺寸的不断扩大，实现高效人工智能模型训练的重要支撑是更快的计算能力，即大规模人工智能计算可以在更短的时间内完成，这是人工智能研究在未来一段时间内能否继续突破的关键因素之一。
中国人工智能服务器成为人工智能行业的中坚力量。
据IDC最最新发布的2020H1《全球人工智能市场半年度跟踪报告》，2020年上半年全球人工智能服务器市场规模达到55.9亿美元。其中，浪潮以16.4%的市场份额居世界第一，成为人工智能服务器的头号玩家，戴尔市场份额14.7%居世界第二，人工智能服务器市场份额10.7%居世界第三，华为(6%)和联想(5.7%)居世界第四。机构预测，未来人工智能服务器将保持快速增长，预计2024年全球市场规模将达到251亿美元。
根据国际数据中心的数据，中国人工智能服务器已成为全球人工智能产业发展的中坚力量。到2020年，中国人工智能基础设施市场将达到39.3亿美元，同比增长26.8%。在这些因素中，AI服务器市场占总体人工智能基础设施市场的87%以上，并且持续高速增长。该机构预测，未来中国AI服务器市场将占全球AI服务器市场的三分之一。
随着国家加快新基础设施建设，人工智能将加快与交通、能源、制造等行业的融合，从而带动经济增长。在这个过程中，人工智能服务器的大规模布局可以为人工智能应用的落地提供核心计算能力保证，对未来国家计算能力指数的提高有很大的促进作用。
