2023世界人工智能大會(huì)（WAIC 2023）以“智聯(lián)世界 生成未來”為主題，在大會(huì)期間，人們?cè)谡桂^里見證了人工智能興起帶來應(yīng)用的百花齊放，也在論壇上對(duì)“機(jī)智”和“人智”不停地比較，試圖找到溝通兩者的橋梁。

“ChatGPT用的是GPT3.5的技術(shù)，大概是1750億的參數(shù)，人的大腦神經(jīng)元大概是在800億到1000億之間。這樣一個(gè)參數(shù)實(shí)際上跟人的神經(jīng)元數(shù)量是非常相似的，所以大參數(shù)、大模型到了1750億這樣一個(gè)級(jí)別的時(shí)候，人工智能就不只是根據(jù)我們的訓(xùn)練去學(xué)習(xí)成長(zhǎng)，更重要的是它會(huì)自己學(xué)習(xí)，自己進(jìn)化。” 聯(lián)想集團(tuán)副總裁ISG中國(guó)服務(wù)器事業(yè)部總經(jīng)理陳振寬在參與第一財(cái)經(jīng)圓桌對(duì)話時(shí)說。

(資料圖片)

作為通用人工智能發(fā)展的重要里程碑，ChatGPT是數(shù)據(jù)、算法、算力三大基本要素的精巧組合，而能支持“機(jī)智”向“人智”不斷靠攏的，算力就是值得關(guān)注的領(lǐng)域之一。

高增長(zhǎng)難掩算力焦慮

狹義的算力可以用一臺(tái)計(jì)算機(jī)理論上具備的每秒浮點(diǎn)運(yùn)算次數(shù)（FLOPS）來衡量。1946年世界上第一臺(tái)通用計(jì)算機(jī)“ENIAC”每秒只能進(jìn)行5000次計(jì)算，而如今全球排名第一的超級(jí)計(jì)算機(jī)“Frontier”每秒已能進(jìn)行百億億次運(yùn)算（1.194Exaflop）。

當(dāng)前，算力正由終端計(jì)算等需求驅(qū)動(dòng)的“被動(dòng)式”發(fā)展，轉(zhuǎn)向促進(jìn)AI大模型訓(xùn)練、實(shí)現(xiàn)通用人工智能、超越經(jīng)典計(jì)算等代表的“主動(dòng)式”發(fā)展。隨著數(shù)字產(chǎn)業(yè)化由規(guī)?；l(fā)展轉(zhuǎn)向高質(zhì)量發(fā)展，大到5G通信、衛(wèi)星互聯(lián)網(wǎng)，小到出行線路規(guī)劃、外賣訂單系統(tǒng)優(yōu)化、 影視特效制作，都離不開算力支撐。

“要實(shí)現(xiàn)算力所消耗的功耗跟人的大腦所消耗的功耗不是完全一個(gè)數(shù)量級(jí)，所以人的功耗消耗是非常小的，但是要支撐這么大一個(gè)算力，功耗的要求是非常高的。”陳振寬說。而這還只是在人工智能AGI的初級(jí)階段，新計(jì)算時(shí)代呼之欲出。

深度學(xué)習(xí)出現(xiàn)之前，用于AI訓(xùn)練的算力增長(zhǎng)大約每20個(gè)月翻一番，基本符合摩爾定律；之后，用于AI訓(xùn)練的算力大約每6個(gè)月翻一番；2012年后，全球頭部AI模型訓(xùn)練算力需求更是加速到每3-4個(gè)月翻一番，即平均每年算力增長(zhǎng)幅度達(dá)到驚人的10倍；目前大模型發(fā)展如火如荼，訓(xùn)練算力需求有望擴(kuò)張到原來的10到100倍，算力需求的指數(shù)級(jí)增長(zhǎng)曲線將更加陡峭。正如此前“ChatGPT之父”、OpenAI首席執(zhí)行官山姆•奧特曼在社交媒體稱，一個(gè)全新的摩爾定律可能很快就會(huì)出現(xiàn)。

在中國(guó)，中國(guó)信通院研究得出，2016-2021年，全球算力規(guī)模平均每年增長(zhǎng)34%，數(shù)字經(jīng)濟(jì)規(guī)模和GDP每年分別增長(zhǎng)8%和4%。雖然高速增長(zhǎng)，算力發(fā)展仍面臨著巨大的挑戰(zhàn)，體現(xiàn)為傳統(tǒng)計(jì)算架構(gòu)缺乏并行管理架構(gòu)、效率低、能耗高，已然無法適應(yīng)爆發(fā)式增長(zhǎng)的算力需求和愈發(fā)復(fù)雜的計(jì)算任務(wù)。

未盡研究創(chuàng)始人周健工提到，“一篇業(yè)內(nèi)論文的標(biāo)題用了通用人工智能的火花來形容，我覺得這個(gè)比喻比較貼切，我們看到火花，但還處于通用人工智能比較早期的階段。”他表示，現(xiàn)在處在模型訓(xùn)練中算力比較緊缺的階段，如果生成人工智能發(fā)展普及比較快，將來對(duì)推理需求更高。

高額投入和潛藏商機(jī)

在過去一段時(shí)間，隨著大模型的蓬勃發(fā)展，算力落差正成為制約大模型發(fā)展的瓶頸。誰能提供算力，誰就是未來掘金人工智能時(shí)代的“賣水人”。

在科技的飛躍中，算力也創(chuàng)造了巨大的經(jīng)濟(jì)價(jià)值。根據(jù)畢馬威與聯(lián)想集團(tuán)聯(lián)合發(fā)布的《普慧算力開啟新計(jì)算時(shí)代》報(bào)告（下文簡(jiǎn)稱“報(bào)告”）測(cè)算，預(yù)計(jì)到2025年，我國(guó)算力核心產(chǎn)業(yè)規(guī)模將不低于4.4萬億元，算力關(guān)聯(lián)產(chǎn)業(yè)規(guī)?？蛇_(dá)24萬億元。

“以聯(lián)想來說，我們自己不會(huì)參與到大模型賽道，不會(huì)去做去訓(xùn)練大模型，但是我們?yōu)樗写罱ê陀?xùn)練大模型的企業(yè)去提供基礎(chǔ)設(shè)施和服務(wù)，比如說提供GPU服務(wù)器、人工智能服務(wù)器。”陳振寬說。

據(jù)他介紹，一個(gè)通用服務(wù)器的研發(fā)投入大概是兩千萬人民幣，而做GPU、人工智能服務(wù)器投入是需要通用計(jì)算五倍，按億作為計(jì)算單位。這其中還要考慮散熱、更快聯(lián)接速度等諸多現(xiàn)實(shí)中的制約因素，因此在技術(shù)上的投入非常龐大。

申萬宏源證券研究董事總經(jīng)理、TMT部門總監(jiān)及首席分析師劉洋提到了其中蘊(yùn)藏的商機(jī)。“通用AGI，涉及到芯片、服務(wù)器、液冷、風(fēng)冷。如果光講算力，落實(shí)到二級(jí)市場(chǎng)還有光器件、光模塊，還有一些是IDC相關(guān)。”

他認(rèn)為，一方面機(jī)架里的服務(wù)器要升級(jí)， AI滲透率可能會(huì)慢慢達(dá)到50%，還有很多工程設(shè)計(jì)問題待解決，另一方面，超算數(shù)據(jù)中心里AI為科學(xué)的內(nèi)容有機(jī)會(huì)把以前難測(cè)的內(nèi)容變成可能。

“現(xiàn)在市場(chǎng)基本注意到了AI服務(wù)器、芯片和光器件，后面的領(lǐng)域沒有特別注意，周期和機(jī)會(huì)可能會(huì)反復(fù)來襲。”他說。

一旦未來發(fā)展到推理環(huán)節(jié)，對(duì)算力要求還會(huì)持續(xù)增加。“如何在這樣的場(chǎng)景中持續(xù)進(jìn)行優(yōu)化，以更加普慧的能力去提供未來整體人工智能相關(guān)的產(chǎn)業(yè)理論服務(wù)，這是我們持續(xù)要考慮的地方。”陳振寬說。

普慧算力是發(fā)展趨勢(shì)

未來究竟需要怎樣的算力？

聯(lián)想集團(tuán)董事長(zhǎng)兼CEO楊元慶在2022聯(lián)想創(chuàng)新科技大會(huì)上首提“普慧算力”：對(duì)于計(jì)算的需求快速增加，單設(shè)備以及本地化的數(shù)據(jù)中心已經(jīng)不能滿足需求，“端-邊-云-網(wǎng)”的新算力基礎(chǔ)架構(gòu)應(yīng)運(yùn)而生。端設(shè)備加覆蓋廣泛的云，還有更加靠近數(shù)據(jù)源頭的邊，輔以高速網(wǎng)絡(luò)，無處不在的“普慧”算力即刻誕生。

陳振寬解釋稱，人人可得（Affordable）、人人可用（Available）、人人適用（Adaptable），算力將成為“3A”型基礎(chǔ)資源，是發(fā)展數(shù)字經(jīng)濟(jì)的基礎(chǔ)；自適應(yīng)（Self-adapting）、自學(xué)習(xí)（Selflearning）、自進(jìn)化（Self-evolving）為代表的“3S”智能將是實(shí)現(xiàn)通用人工智能廣泛應(yīng)用、推動(dòng)數(shù)字經(jīng)濟(jì)邁向更高階段的必然要求。普適（Inclusive）與智慧（Intelligent），將成為未來算力發(fā)展的兩大特征。

AI大模型的真正價(jià)值最終將體現(xiàn)在具體場(chǎng)景中，未來產(chǎn)業(yè)競(jìng)爭(zhēng)將從“規(guī)模”轉(zhuǎn)向“應(yīng)用”。目前大模型訓(xùn)練都在云端實(shí)現(xiàn)，所用算力是中心化的，精度要求高且成本高，意味著大模型落地必然會(huì)面臨能耗和性能平衡的難題。破局之道在于大小模型協(xié)同進(jìn)化，即在利用大參數(shù)訓(xùn)練完大模型之后，通過高精度壓縮，將大模型轉(zhuǎn)化為端側(cè)可用的小模型，大模型相當(dāng)于超級(jí)大腦，小模型相當(dāng)于垂直領(lǐng)域?qū)＜?，共同推?dòng)AGI落到實(shí)處。

他認(rèn)為，未來算力的需求將先幫助產(chǎn)業(yè)升級(jí)，再到各個(gè)企業(yè)去實(shí)現(xiàn)數(shù)智化轉(zhuǎn)型，最終惠及到每一個(gè)人。“今天算力可以進(jìn)行不同切片提供服務(wù)，這個(gè)靈活性應(yīng)該是存在的。搭建一個(gè)基礎(chǔ)設(shè)施，可以把它用來提供一個(gè)大模型支持，也可以做不同切片進(jìn)行垂直行業(yè)模型支持，這個(gè)可以實(shí)現(xiàn)，不需要重復(fù)投入。”

這一過程中，我們將見證算力由中心化走向泛在化，由通用化走向智能化，也正是“普慧”算力釋放價(jià)值的過程。

標(biāo)簽：