大模型興(xing) 起導致算力緊張？專(zhuan) 家呼籲——

　　國產(chan) AI芯片係統應練好“內(nei) 功”

　　本報記者 張佳星

　　“大模型訓練需要大量數據，因此對算力的要求很高。”在日前召開的首屆“AI Tech Day(人工智能科技日)”峰會(hui) 上，中國工程院院士、清華大學計算機科學與(yu) 技術係教授鄭緯民介紹，自去年12月份以來，大模型需要的AI芯片漲價(jia) 一倍，國外芯片“一卡難求”。盡管國內(nei) 數十家公司在AI芯片研製和生產(chan) 方麵取得了很大進步，但國產(chan) 芯片尚未受到市場的廣泛青睞。

　　對此，與(yu) 會(hui) 專(zhuan) 家呼籲，解決(jue) 算力難題，應重塑大模型算力生態，助力國產(chan) AI芯片係統練好“內(nei) 功”。

　　加強底層研發，提升國產(chan) AI芯片“包容力”

　　“如果基於(yu) 國外芯片編寫(xie) 的軟件能夠很容易移植到我們(men) 的國產(chan) 芯片係統上來，用戶就會(hui) 感覺到國產(chan) 芯片好用。”鄭緯民認為(wei) ，但由於(yu) 生態建設不完備，目前國產(chan) 芯片在大模型訓練相關(guan) 軟件移植方麵表現不太順暢，因此需要進一步加強底層研發，做好包括編程框架、並行加速、通信庫在內(nei) 的軟件研發工作。

　　“為(wei) 了發展AI芯片的生態體(ti) 係，一些國際大企業(ye) 甚至可以放棄一些高利潤的項目和方案。”英博數科CEO周韡韡介紹，營造生態需要發動整個(ge) 行業(ye) 的創新力量，例如國際企業(ye) 曾通過主動開源部分軟件的底層代碼、讓利給基於(yu) 芯片的軟件開發者，形成以AI芯片為(wei) 核心的算力體(ti) 係。

　　相較於(yu) 芯片本身的硬件性能提升，鄭緯民認為(wei) ，通過營造生態，提升國產(chan) AI芯片的“包容力”更加急迫。“如果算力生態做得非常好，即使國產(chan) 芯片的硬件性能隻有國外性能的60%及以上，大家也會(hui) 喜歡用。”鄭緯民說，但如果算力生態沒做好，新型軟件跑不起來、軟件移植不順暢，即便硬件性能達到國外的120%，照樣難以轉變為(wei) 有效算力。

　　為(wei) 凝聚行業(ye) 力量、改變當前的大模型算力生態，英博數科聯合百川智能、中國計算機學會(hui) 、清華大學等單位共同成立北京AI創新賦能中心技術委員會(hui) 。作為(wei) 該技術委員會(hui) 的顧問，清華大學電子工程係教授汪玉表示：“在大模型領域，我們(men) 將同時從(cong) 軟件側(ce) 和硬件側(ce) 方麵開展聯合優(you) 化。在打造通用型人工智能服務平台的同時，推動高性能計算領域智能芯片和高模態電路關(guan) 鍵技術的研發。”

　　共建基礎生態，推動現有算力融合創新

　　“大模型興(xing) 起之前建設的算力，相對而言利用率較低，跟不上現階段大模型對算力指數級發展的需求。”艾瑞谘詢產(chan) 業(ye) 數字化研究院負責人徐樊磊介紹，為(wei) 提升整體(ti) 算力效率和滿足差異化需求，應建立支撐大模型萬(wan) 億(yi) 量級參數計算的“智算中心”。“智算中心”可利用現有高質量數據中心，通過提升組網能力、協同能力、軟硬件適配能力等實現部署。當前，“萬(wan) 卡”級別的智算中心正在主要節點城市發展起來。

　　與(yu) 會(hui) 專(zhuan) 家認為(wei) ，推動現有算力融合創新將進一步提升當前算力使用效率。“1萬(wan) 塊卡(AI芯片)應該怎麽(me) 連？是不是每塊卡和其他9999塊直連？如果這樣，中間的連接將需要1萬(wan) 乘以9999個(ge) 連接卡，成本將非常高。”鄭緯民說，通過最有效的連接支持模型並行、數據並行等不同的要求，是融合創新的關(guan) 鍵。

　　大模型背後運行的是更加複雜的網絡架構和智能算法。如何在降本增效的同時，促進大模型算力使用門檻的降低？“‘雲(yun) ’模式是打通供需不對稱、達成算力普惠的有效路徑。”周韡韡表示，通過共享、共融集結現有算力，萬(wan) 卡平台及配備高效網絡交互機製的大模型訓練與(yu) 推理平台，可以開放給大企業(ye) 、小微企業(ye) 共用。通過搭載數據遷徙、訓練數據庫等工具，雲(yun) 平台等基礎生態的搭建有望讓算力像水和電一樣隨取隨用。(科技日報)