數(shù)字經(jīng)濟時代，數(shù)據(jù)已經(jīng)成為堪比石油的戰(zhàn)略資源。而隨著當前AI大模型產(chǎn)業(yè)呈“井噴”之勢發(fā)展，海量數(shù)據(jù)處理需求也隨之而來，這也讓AI訓練所需的計算量呈指數(shù)級增長。作為訓練AI大模型的基礎，智能算力的需求也愈發(fā)旺盛，且正成為支撐行業(yè)變革、打通數(shù)字經(jīng)濟“動脈”的重要底座。

編輯 | MissD

AI大模型“井噴”算力成“深水區(qū)”關鍵

自去年底ChatGPT一夜爆火，今年以來，國內(nèi)AI相關科技公司及巨頭發(fā)布大語言模型的節(jié)奏可謂“遍地開花”。當前，大型模型正隨著商業(yè)化應用場景的不斷拓展，國產(chǎn)大模型已呈現(xiàn)井噴趨勢。

今年以來，百度、阿里、華為等國內(nèi)科技巨頭均發(fā)布了自己的AI大模型產(chǎn)品，更加速推動了AI大模型的產(chǎn)業(yè)化發(fā)展。據(jù)科技部新一代人工智能發(fā)展研究中心5月底發(fā)布的《中國人工智能大模型地圖研究報告》顯示，我國10億參數(shù)規(guī)模以上的大模型已發(fā)布79個。而3個多月后，CLSA Asia-Pacific Markets給出的一份調(diào)查，這一數(shù)據(jù)已新增至130個，占全球總量的40%，僅次于美國的50%。

AI大模型的出現(xiàn)，使得人工智能技術在自然語言處理、圖像識別、語音合成等領域不斷突破，并不斷為AI產(chǎn)業(yè)落地應用進入“深水區(qū)”提供關鍵驅動力。然而，隨著AI大模型的不斷迭代，“生成式AI大模型浪潮”的關鍵在于智能涌現(xiàn)能力、多輪對話以及更強的生成能力。此時人們發(fā)現(xiàn)，訓練AI大模型的基礎——算力，才是體現(xiàn)AI大模型數(shù)據(jù)處理能力強弱的關鍵。

此前，業(yè)界就已經(jīng)意識到“選大模型要選大廠而非創(chuàng)業(yè)公司”，其中緣由除了技術層面之外，另一方面就是圍繞算力、芯片、數(shù)據(jù)集等持續(xù)重投入資金。

據(jù)國外相關研究數(shù)據(jù)顯示，運行聊天GPT每月將花費300萬美元，訓練路徑語言模型（PaLM）將花費2000萬美元的計算成本（谷歌最新的LLM 11大模型）。目前，只有少數(shù)擁有極其龐大資源的公司能夠構建這些模型，這就是為什么大多數(shù)現(xiàn)有的大型人工智能模型幾乎完全由大型科技公司開發(fā)，尤其是谷歌（Google Brain、Deepmind）、Meta和微軟（及其被投資的OpenAI）這些大公司。

因此，此類大模型需要的計算和數(shù)據(jù)資源規(guī)模，只有資源最充足的公司才能承受。對于AI大模型公司而言，如果沒有充足的算力保障、數(shù)據(jù)集保障，且沒有做好長期、每年數(shù)十億甚至上百億的資金投入準備時，就得掂量掂量是否要涉足該領域了。

數(shù)字化進程中 算力行業(yè)所面臨的挑戰(zhàn)

在當前大模型等AI應用呈井噴式增長的背景下，算力正推動著整個數(shù)字產(chǎn)業(yè)的發(fā)展，且已開始變革。與此同時，對整個社會數(shù)字化發(fā)展進程至關重要的算力行業(yè)，也在進一步尋求突破時面臨嚴峻挑戰(zhàn)。

當前，盡管全球范圍內(nèi)算力需求持續(xù)增長，但算力供給卻相對滯后，因此對AI及數(shù)據(jù)處理等領域的發(fā)展產(chǎn)生了一定程度上的制約。同樣，目前我國算力產(chǎn)業(yè)發(fā)展也有諸多痛點亟待解決，比如算力供需失衡、跨數(shù)據(jù)中心算力調(diào)度難、算力基礎設施能耗大、企業(yè)利用算力成本高等問題。

AI算力資源分布不均且供需不平衡，既會導致了資源的浪費和效率的降低，也會間接地制約整個算力產(chǎn)業(yè)高質量發(fā)展。據(jù)IDC相關報告顯示，全球數(shù)據(jù)量每年增長約60%，但算力每年增速僅為10%，這表明算力的供給與需求之間存在巨大差距。

由于在GPU計算、云計算等方面的技術積累相對較少，這也使得我國在AI算力調(diào)度方面存在瓶頸。對算力調(diào)度而言，效率至關重要，系統(tǒng)架構、算法優(yōu)化等方面的限制，會讓處理大規(guī)模數(shù)據(jù)時效率低下的問題更加突顯。

算力使用成本高昂也是目前我國算力行業(yè)所面臨的問題，由于AI算力調(diào)度涉及大量的硬件設備、軟件平臺和人力資源，因此算力供需失衡的話會導致有些地區(qū)算力成本高，也讓該區(qū)域的中小企業(yè)在面臨AI算力調(diào)度時，成本壓力增大。

另外就是“老生常談”的問題——數(shù)據(jù)安全問題。AI算力調(diào)度的普及，也讓安全問題日益突顯。作為企業(yè)的核心資產(chǎn)，數(shù)據(jù)可謂是關鍵所在，在算力調(diào)度過程中，數(shù)據(jù)的安全與隱私保護是個問題。比如數(shù)據(jù)泄露、黑客攻擊等現(xiàn)象的發(fā)生，也給國內(nèi)AI算力調(diào)度及數(shù)字經(jīng)濟發(fā)展帶來了安全隱患。

面對以上四大挑戰(zhàn)，算力行業(yè)該如何尋求突破成為了接下來的關鍵。

打通數(shù)字經(jīng)濟“大動脈” 算力產(chǎn)業(yè)迎來變革

作為業(yè)界都聚焦的領域，突破算力瓶頸似乎正處于“黎明前的黑暗”。

相比移動互聯(lián)網(wǎng)時代的數(shù)據(jù)中心以CPU為主，如今智能算力時代數(shù)據(jù)中心已轉變?yōu)橐訥PU芯片為主的算力基座，且算力需求或是以前的10倍、100倍，甚至更多。行業(yè)幾家芯片巨頭如英偉達等GPU價格及企業(yè)股票的增長也能看得出該趨勢。隨著GPU需求水漲船高，算力行業(yè)也開始慢慢變革。

早在今年6月初，芯片供應商臺積電就宣布正式啟用全新的3DFabric技術，該技術主要由先進封裝、三維芯片堆疊和設計三部分組成。通過先進封裝，在單一封裝中置入更多處理器及存儲器，從而提升運算效能。

此外，業(yè)界其他芯片巨頭如英偉達、AMD等也紛紛發(fā)布AI芯片新品，如英偉達此前發(fā)布的NVIDIA DGX超級計算機技術，256個GH200超級芯片相連作為單個GPU運行，“專門”助力大負載巨型AI大模型開發(fā)，以解決算力問題。另外，以GPU為核心算力的商湯，也于前幾個月基于AIDC建設了智能計算平臺AI大裝置SenseCore，算力規(guī)模大幅提升。

隨著新的算力芯片到來的，還有國內(nèi)各地出臺的一系列利好政策，也積極引導大模型研發(fā)企業(yè)應用國產(chǎn)人工智能芯片，加快提升AI算力供給的國產(chǎn)化率，提升算力資源統(tǒng)籌供給能力，攜手企業(yè)共同推動算力市場發(fā)展。

目前，國內(nèi)在AI芯片領域已經(jīng)涌現(xiàn)出了多家優(yōu)秀廠商，AI算力性能顯著提升，為推進國內(nèi)數(shù)字化進程提供了極大助力。

寫在最后：

隨著數(shù)字化轉型進入深水區(qū)，處于AI大模型“風口”下的技術迭代新動向成為“風向標”，算力正是如此。只有直面挑戰(zhàn)、抓住機遇，才能不斷進階，在新一代科技變革中屹立不倒。