王恩東說，一個國家的GDP與其計算力呈現出明顯的正相關關系，全球GDP排名前5的國家，與全球服務器出貨量前5名幾乎保持一致。而今天市值排名前10的巨頭，比如蘋果、亞馬遜、谷歌、臉書、阿里巴巴、騰訊，等等，毫無例外地都是全球服務器采購量最靠前幾名的公司——這說明他們在計算力上投入不菲。從某種意義上說，計算力就是生產力。
“計算”“算法”“數據”，被稱作拉動人工智能的“三駕馬車”，在機器學習“算法”不斷突破、龐大“數據”爆炸式增長的今天，“計算”能否成為人工智能蓬勃發展的動力引擎，備受期待。
事實上，回顧人工智能的發展史，不難發現計算力在其中發揮關鍵作用。“圖靈先發明計算機，后發明人工智能，可以說沒有計算就沒有人工智能，而人工智能，則讓計算力有了前進的動力，有了發展的方向。”王恩東說。
人工智能自1956年提出以來，經歷了三個階段：第一個階段是20世紀60~70年代，人工智能力圖通過計算機來實現機器化的邏輯推理證明，但最終難以實現。第二個階段是20世紀70~90年代，計算機能力比之前幾十年已有了長足的進步，這時試圖通過建立基于計算機的專家系統來解決問題，但是由于數據較少并且太局限于經驗知識和規則，難以構筑有效的系統。第三個階段是最近這幾年，基于深度神經網絡技術的發展，才逐漸步入快速發展期。
“為何在第二階段到第三階段之間，人工智能有長達30年的發展停滯?”美國工程院院士、美國加州大學洛杉磯分校教授叢京生在大會上拋出這一問題。
在他看來，近些年人工智能之所以能夠再次爆發，一方面是互聯網、信息化、數字化帶來了大數據，據統計，整個人類文明所獲得的全部數據中，有90%是過去兩年內產生的，到2020年，全世界所產生的數據規模將達到今天的44倍。
這么多的數據是如何產生、存儲、互聯、處理的?背后依靠的都是計算。這就是叢京生所說的“另一方面”：計算能力的提高。上世紀80年代，人們用到的計算機，每秒鐘能夠執行200萬到300萬指令，如今每秒鐘就可以有1000億到2000億次指令運算。
從這個角度說，是計算點亮了人工智能。叢京生說，“因為有了這些計算能力，才讓今天的人工智能無處不在。”
當然，人工智能反過來也對計算提出更多需求和挑戰。比如，人工智能對于計算力的需求已遠超摩爾定律的性能增長速度。
換句話說，我們需要更強的計算力。
此次大會對外發布了《2018中國人工智能計算力發展報告》，其中提到，隨著時間的推移，人工智能在新興經濟和數字經濟中的應用場景將越來越多——
從目前開始到2020年，包括人臉識別、語音識別、自然語言處理等生物識別技術和車輛識別、智慧交管、智能路燈等智慧城市技術將是人工智能最典型的應用場景;而2020～2025年，智能制造和智能家居的相關技術將走向成熟，成為最典型的人工智能應用場景;2025年及之后，智能醫療、自動駕駛、智能助理等相關技術與政策將成形，促使上述行業的人工智能應用實現爆發式增長。
報告同時提到，目前阻礙人工智能計算發展的主要挑戰在于四個方面：一是計算力的發展還未達到需求;二是可用數據量有限;三是從實驗室到實際運用過程中，還面臨諸多挑戰和問題;四是從應用場景到提供完善的行業解決方案還需時日。
中國工程院二局局長高中琪說，盡管我國人工智能應用發展速度很快，但與發達國家特別是與美國相比，我們在硬件算法的人工智能核心技術領域，還存在著明顯差距。
在他看來，雖然應用終端的發展已經遠遠走在硬件構架的前面，但現在計算平臺已經難以滿足人工智能日益龐大的運算需求。如何加強底層的構架建設、提升計算力，已經成為人工智能發展的關鍵問題。
京公網安備 11010502049343號