您的位置：首頁 >觀察 > 正文

算力不夠，算法來湊？｜AI之聲

來源：第一財經時間：2023-07-07 20:51:32

以ChatGPT為代表的的新興AI應用帶動了算力需求“爆發式”增長，算力短缺的矛盾也變得越發突出。

在2023世界人工智能大會期間，算力成為了不少從業者熱議的話題。

(資料圖)

在WAIC現場，第一財經記者走訪看到，圍繞著服務器的展臺，參訪嘉賓們試著拉出板卡，或者隔著罩子詢問“這塊是不是國產的？”

“服務器訂單排到了幾個月之后，今年的單子確實不愁了。”一位服務器廠商告訴第一財經，甚至公司的路演活動都新增了“人氣”。

算力向下扎根于數據，向上支撐著算法，是驅動 AGI發展的核心動力之一。今日畢馬威與聯想集團聯合發布的《普慧算力開啟新計算時代》報告（下文簡稱“報告”）測算，預計到2025年，我國算力核心產業規模將不低于4.4萬億元，算力關聯產業規模可達24萬億元，算力有望崛起為國家數字經濟藍圖中繼電子信息制造業和軟件業之后的又一超級賽道。

從業者迫切需要算力

放眼全球，算力已成為各國科技戰略布局重點。報告顯示，當前，美、中、歐、日基本穩居全球算力產業規模前四，美、中兩國處在領先地位，各國算力投資或補貼計劃均超千億。

此外，對比中美兩國細分算力規模來看，中國的智能算力規模已經超過美國60%，這主要得益于人工智能模型訓練算力需求快速增長，中國不斷加快以智能計算中心為代表的智能算力基礎設施建設。公開資料顯示，截至2023年2月，中國投入運營和在建的人工智能計算中心已達23個。結合IDC預測來看，2021-2026年中國智能算力規模年復合增長率有望達到523%。

即便規模如此巨大，大模型火了之后，依然難以滿足國內對算力的需求。

深度學習出現之前，用于AI訓練的算力增長大約每20個月翻一番，基本符合摩爾定律；深度學習出現之后，用于AI訓練的算力大約每6個月翻一番；2012年后，全球頭部AI模型訓練算力需求更是加速到每3-4個月翻一番，即平均每年算力增長幅度達到驚人的10倍:目前大模型發展如火如荼，訓練算力需求有望擴張到原來的10到100倍，算力需求的指數級增長曲線將更加陡峭。

AI從業者迫切需要算力。

一位大模型從業者告訴記者，英偉達A100芯片的價格已經從原來的6萬元左右一路漲至12萬元。

AMD全球副總裁唐曉蕾此前接受第一財經采訪時說：“我相信對計算能力的需求，將會是未來十年對所有人的挑戰。”

還有從業者稱，中國目前在追趕 GPT3.5的團隊在10個左右，算力將在未來贏家和產業發展格局的形成中起到關鍵作用。

“算力供給增速明顯難以滿足指數式爆發的需求，儲備算力成為各行各業的必要舉動。” 畢馬威中國數字化賦能主管合伙人張慶杰今日對媒體表示。

如何打破算力瓶頸，業界正在努力。例如在世界人工智能大會上，華為輪值董事長胡厚崑就談道，華為的算力基礎設施構建正在加速，例如，華為最大的AI計算集群在深圳“鵬城云腦”二期，算力是1000P規模，2024年三期會達到16000P規模水平。而聯想集團副總裁陳振寬表示，大模型訓練對于算力的要求極高，算力需求也因此開始迸發式增長，聯想集團ISG全球AI基礎設施業務未來三年將追加投資10億美元，加速全球企業的AI部署。

不過，算力不僅面臨供需失衡的問題，同時也意味著巨大的成本投入。以構建GPT-3為例，OpenAl數據顯示，滿足GPT3算力需求至少要上萬顆英偉達GPUA100，一次模型訓練總算力消耗約3.640PF-davs(即每秒一千萬億次計算，運行3.640天)，成本超過1200萬美元，這還不包括模型推理成本和后續升級所需的訓練成本。

畢馬威在報告中還指出算力發展面臨著巨大的挑戰,體現為傳統計算架構缺乏并行管理架構、效率低、能耗高,已然無法適應爆發式增長的算力需求和愈發復雜的計算任務。

尤其在實際商業環境中,大部分企業選擇根據業務場景、數據類型、支出成本選擇合適的計算架構,如何就新型計算架構的技術路線、標準體系達成行業共識成為必答題。

算力緊缺不能“治標不治本”

“在算力供不應求的現實情況下，傳統計算架構正失去競爭力，必須探索新的計算模式。” 畢馬威首席經濟學家康勇表示，當前算力正由終端計算等需求驅動的“被動式”發展，轉向促進AI大模型訓練、實現通用人工智能、超越經典計算等代表的“主動式”發展。新硬件、新架構競相涌現，現有芯片、操作系統、應用軟件等都可能被推翻重來。

盡管各行業的算力需求各有千秋，但落腳點均在“普慧”。報告預計，未來算力發展趨勢將具備兩大特征：數字經濟的基礎設施和通用人工智能的核心動力。因此，算力將在兩個關鍵維度上加速發展：普適（Inclusive）與智慧（Intelligent）。

普慧算力意味著，算力要成為像電力一樣的公共資源，本質上是站在使用者的角度上，讓算力更好用。

在普適方面，科技巨頭不斷加碼算力進行大模型訓練的同時，大量中小型企業因資金和技術限制被攔在門檻之外，但業界預計，在大模型走向場景化、實用化的過程中,將會形成“大模型+小模型”的產業生態，即大型企業負責搭建底層通用大模型,中小型企業在大模型的基礎上搭建面向特定任務場景的小模型,相較大模型而言,小模型訓練的資金投入更低,因此,服務此類企業小模型訓練需求的算力增量仍然可觀。

阿里云全球商業副總裁黃海清在世界人工智能大會上提到了讓算力更普惠的話題，他認為，智算中心并不是簡單把配置先進制程芯片的服務器連接起來就能實現高性能算力，一個很關鍵的指標就是如何降低算力的損耗。

張慶杰則認為，想要破解算力的結構性短缺困局，不能目光短淺，需要從算力、算法和數據三個方面進行相應的提升和優化。

“需求大是真的，但還有一種可能是在算法領域，算法不夠優化，帶給算力的壓力就更大。還有數據清洗及其標簽的質量也非常重要，百萬級參數訓練出來未必比千萬級或者上億級的訓練效果差。”

而從算力的布局來考慮，張慶杰認為在區域和行業上不盡相同”。在他看來，制造行業有望成為“普慧”算力最大的潛在市場。

他以冠捷科技為例，該公司想要推進智能化質檢取代傳統人力質檢，但AI質檢模型訓練需要大量生產現場數據，還需要融合大量從業人員的知識經驗，以及要補充邊緣算力等。聯想在提供邊緣硬件設備的基礎上，為冠捷科技提供了機器視覺算法和Edge AI小樣本算法，并將自適應技術加入算法中，對不良風險進行分析、預測預警、回溯，通過軟硬件一體化的解決方案，底層算力得以更加動態精準地滿足場景化需求。

“無論是從普適性，還是智能化發展的需求和速度上，制造業是排在第一位的。對于算力的服務商來說，在接下來的3-5年里重點去瞄著制造業未來可期。”張慶杰說。

除了制造業之外，他還指出，汽車有望成為下一代移動智能計算終端，軟件定義汽車的發展趨勢要求算力實現智能升級；金融行業則要求接入廣泛且靈活的安全算力；至于醫療和教育的算力需求，當前還在醞釀階段，當“普慧”算力降本后有望迎來爆發。

關鍵詞