“機智”向“人智”靠攏，發(fā)展AI算力是關鍵

2023世界人工智能大會（WAIC 2023）以“智聯(lián)世界 生成未來”為主題，在大會期間，人們在展館里見證了人工智能興起帶來應用的百花齊放，也在論壇上對“機智”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，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。這樣一個參數(shù)實際上跟人的神經(jīng)元數(shù)量是非常相似的，所以大參數(shù)、大模型到了1750億這樣一個級別的時候，人工智能就不只是根據(jù)我們的訓練去學習成長，更重要的是它會自己學習，自己進化。” 聯(lián)想集團副總裁ISG中國服務器事業(yè)部總經(jīng)理陳振寬在參與第一財經(jīng)圓桌對話時說。

(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“機智”向“人智”不斷靠攏的，算力就是值得關注的領域之一。

高增長難掩算力焦慮

狹義的算力可以用一臺計算機理論上具備的每秒浮點運算次數(shù)（FLOPS）來衡量。1946年世界上第一臺通用計算機“ENIAC”每秒只能進行5000次計算，而如今全球排名第一的超級計算機“Frontier”每秒已能進行百億億次運算（1.194Exaflop）。

當前，算力正由終端計算等需求驅動的“被動式”發(fā)展，轉向促進AI大模型訓練、實現(xiàn)通用人工智能、超越經(jīng)典計算等代表的“主動式”發(fā)展。隨著數(shù)字產(chǎn)業(yè)化由規(guī)模化發(fā)展轉向高質量發(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數(shù)量級，所以人的功耗消耗是非常小的，但是要支撐這么大一個算力，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的初級階段，新計算時代呼之欲出。

深度學習出現(xiàn)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；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(fā)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(shù)級增長曲線將更加陡峭。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，一個全新的摩爾定律可能很快就會出現(xiàn)。

在中國，中國信通院研究得出，2016-2021年，全球算力規(guī)模平均每年增長34%，數(shù)字經(jīng)濟規(guī)模和GDP每年分別增長8%和4%。雖然高速增長，算力發(fā)展仍面臨著巨大的挑戰(zhàn)，體現(xiàn)為傳統(tǒng)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(fā)式增長的算力需求和愈發(fā)復雜的計算任務。

未盡研究創(chuàng)始人周健工提到，“一篇業(yè)內(nèi)論文的標題用了通用人工智能的火花來形容，我覺得這個比喻比較貼切，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，將來對推理需求更高。

高額投入和潛藏商機

在過去一段時間，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)濟價值。根據(jù)畢馬威與聯(lián)想集團聯(lián)合發(fā)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(chǎn)業(yè)規(guī)模將不低于4.4萬億元，算力關聯(lián)產(chǎn)業(yè)規(guī)模可達24萬億元。

“以聯(lián)想來說，我們自己不會參與到大模型賽道，不會去做去訓練大模型，但是我們?yōu)樗写罱ê陀柧毚竽Ｐ偷钠髽I(yè)去提供基礎設施和服務，比如說提供GPU服務器、人工智能服務器。”陳振寬說。

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

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藏的商機。“通用AGI，涉及到芯片、服務器、液冷、風冷。如果光講算力，落實到二級市場還有光器件、光模塊，還有一些是IDC相關。”

他認為，一方面機架里的服務器要升級， AI滲透率可能會慢慢達到50%，還有很多工程設計問題待解決，另一方面，超算數(shù)據(jù)中心里AI為科學的內(nèi)容有機會把以前難測的內(nèi)容變成可能。

“現(xiàn)在市場基本注意到了AI服務器、芯片和光器件，后面的領域沒有特別注意，周期和機會可能會反復來襲。”他說。

一旦未來發(fā)展到推理環(huán)節(jié)，對算力要求還會持續(xù)增加。“如何在這樣的場景中持續(xù)進行優(yōu)化，以更加普慧的能力去提供未來整體人工智能相關的產(chǎn)業(yè)理論服務，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

未來究竟需要怎樣的算力？

聯(lián)想集團董事長兼CEO楊元慶在2022聯(lián)想創(chuàng)新科技大會上首提“普慧算力”：對于計算的需求快速增加，單設備以及本地化的數(shù)據(jù)中心已經(jīng)不能滿足需求，“端-邊-云-網(wǎng)”的新算力基礎架構應運而生。端設備加覆蓋廣泛的云，還有更加靠近數(shù)據(jù)源頭的邊，輔以高速網(wǎng)絡，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”型基礎資源，是發(fā)展數(shù)字經(jīng)濟的基礎；自適應（Self-adapting）、自學習（Selflearning）、自進化（Self-evolving）為代表的“3S”智能將是實現(xiàn)通用人工智能廣泛應用、推動數(shù)字經(jīng)濟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大模型的真正價值最終將體現(xiàn)在具體場景中，未來產(chǎn)業(yè)競爭將從“規(guī)模”轉向“應用”。目前大模型訓練都在云端實現(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)同進化，即在利用大參數(shù)訓練完大模型之后，通過高精度壓縮，將大模型轉化為端側可用的小模型，大模型相當于超級大腦，小模型相當于垂直領域專家，共同推動AGI落到實處。

他認為，未來算力的需求將先幫助產(chǎn)業(yè)升級，再到各個企業(yè)去實現(xiàn)數(shù)智化轉型，最終惠及到每一個人。“今天算力可以進行不同切片提供服務，這個靈活性應該是存在的。搭建一個基礎設施，可以把它用來提供一個大模型支持，也可以做不同切片進行垂直行業(yè)模型支持，這個可以實現(xiàn)，不需要重復投入。”

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”算力釋放價值的過程。

標簽：