主持人：這個世界跟人工智能的關系越來越深刻，尤其身處世界人工智能大會的現場，你會明顯感受到人工智能世界何等豐富，發展有多發展。今天我們要找一個專門切入點叫“算力”。

我們都知道，數據、算法、算力是敲開AI大門的三把鑰匙，如果說數據是其中生產資料的話，生產力就是算力，生產關系就是其中一些算法。我們今天具體要來說一下跟算力有關，我們演播室請來三位嘉賓，分別是未盡研究創始人周健工，申萬宏源證券研究董事總經理、TMT部門總監及首席分析師劉洋，還有聯想集團副總裁、ISG中國服務器事業部總經理陳振寬。我們和三位嘉賓一起，圍繞算力深入探討。

AI有驚喜，算力引焦慮

(資料圖)

主持人：算力是推進AI往前發展的重要動能之一。大家都知道各大平臺現在都在出各種各樣大模型，大模型需要訓練，到應用階段對算力的要求更是無窮無盡的，所以，算力發展的現狀怎樣、未來趨勢如何，算力的缺口有多大、有什么樣的解決方案，就是我們今天要和各位嘉賓一起聊到的。

先想和各位嘉賓聊一聊，您覺得據您觀察現在人工智能世界到底發展到什么樣的程度，給你的驚喜是什么？

周健工：我覺得AI最大驚喜就是在一些完成任務上，比如說對話，我們一直在說圖靈測試，這是我第一個感受。第二個感受大家都在談通用人工智能，以前覺得是相當科幻的概念，現在我記得GPT4出來之后，微軟科學家做了一個測試，那篇論文業內大家看得很多了，標題是通用人工智能的火花。我覺得這個比喻比較貼切，我們看到一個火花但是還是處于通用人工智能比較早期階段。

陳振寬：ChatGPT現在用的是ChatGPT3.5的技術，大概是1750億的參數，大家可能有一些相關資料顯示，人的大腦神經元大概是在800億到1000億之間，大腦皮層神經元在100億級別。在800億到1000億這樣一個參數實際上跟人的神經元數量是非常相似的，所以也是大參數、大模型。到了1750億級別的時候，人工智能不止是我們訓練它，它根據我們訓練去學習、去成長，更重要是它會自己學習、自己進化。所以，在今天深層次AI技術爆發的時候，大家發現一下子大門打開了。

劉洋：AI的整個復雜度大了很多。小模型精度很高，通用性、智能性弱一些；大模型有可能精度不用那么高，但是智能性高很多。所以對我們來講，最大的痛苦不光是橫向擴的很多，關鍵是可能性多了，究竟是用大模型還是小模型，用以前的還是組合的，或是垂類的。這些問題都會讓我們焦慮，需要用的東西太多了。所以我覺得人工智能2C、2B的應用，帶來今天算力焦慮這個話題，其實都會變得比較復雜，這是我們目前已經看到的情況。

主持人：如果應用到了讓每一個人都便捷的程度，現有算力背后能不能支持，這中間還有什么缺口？在過去一段時間大模型發展過程當中，如何突破算力落差的瓶頸？

周健工：其實大模型是每18個月是它的規模是增長35倍，但是摩爾定律是每18個月增長2倍，這是一個速度上的落差。第二，我們也看到國外有些大型企業不同業務部門之間，也在爭搶算力，從這一點上說中國也存在。

主持人：算力落差就是因為芯片落差嗎？今年英偉達生意很好供不應求，買不到芯片是不是意味著差距就特別明顯？

陳振寬：這一定是其中一個影響因素，但我看到另外一個因素。剛才講到，我們的大參數里面跟人的神經元數量一樣，但這個算力所消耗的功耗跟人的大腦所消耗的功耗，完全不是一個數量級。要支撐這么大的算力，功耗的要求是非常高的。我們需要研究，當我們的算力不斷增長的時候怎么解決功耗的問題，如何實現碳達峰要求。所以在技術上，我們可能要考慮是否能夠從現在風冷的散熱變成液冷散熱，是不是能夠有一些更好條件來支撐我們算力不斷增長，但是功耗仍然控制在我們的星球所能承受范圍之內。這是我們未來要考慮的另外一個因素，即除了做算力競賽以外，可能還要考慮如何在節能減排方面有更好更優方案。這個方面做得好了，我相信即便有落差，我們總有一天也能迎頭趕上。

算力發展仍在“熱身階段”

主持人：我們目前算力市場整體發展到什么程度，夠用嗎？

周健工：我只能大面講，陳總是專家。我自己覺得總量上，中國和國外國家不相上下，在普通算力、智能算力、超算總量上不相上下。甚至有一些中國還占優勢，比如說智能算力。但是在這一輪跟大模型和人工智能相關算力上，中國是存在比較大的落差。另外一塊當然從企業做數據中心、云計算這一塊，中國企業跟國際頭部有比較明顯的差距。第三方面，我們現在處在一個模型訓練算力比較緊缺，但是將來如果是生成人工智能發展普及比較快，將來會更多是應用更廣，對推理需求是更高的，其實對算力時延要求更高。所以我們希望到那時候，整個算力發展能滿足這些需求。

主持人：陳總作為專業人士作為聯想專業人士，您是如何來解讀算力目前缺口大還是未來缺口大？

陳振寬：我們把人工智能的算力當成一種賽事的話，這個比賽才剛開始。今天很多企業在這場賽事里面參賽，實際上都是早期階段做了基礎準備。現在在熱身或者是剛進入熱身階段的企業，它們在大模型的投入上已經是按照百億人民幣投入的。但是要真正去訓練好大模型，這還有很多工作要做，我相信這是要持續進行投入的地方。

以聯想來說，我們自己不會參與到大模型賽道，不會去做去訓練大模型，但是我們為所有搭建和訓練大模型的企業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。以前，如果不是人工智能服務器，一個通用服務器的研發投入大概是兩千萬人民幣，但是做GPU、人工智能服務器投入是需要通用計算五倍，是按億作為計算的。除了更加復雜以外，里面還要考慮剛才提到的散熱、更快聯接速度等很多要素。所以在技術上的投入是非常龐大的。另外，在未來訓練完以后要開始做推理，推理用于各種場景無處不在，邊緣甚至個人，這個對算力要求仍然會持續增加。所以，如何在這樣的場景中持續進行優化，以更加普慧的能力去提供未來整體人工智能相關的產業理論服務，這是我們持續要考慮的地方。

所以，路還很長。

主持人：我剛才咨詢了微軟投OpenAI開發出的ChatGPT，其實背后微軟數據中心建設就跟聯想有很大關系。具體情況是怎樣的？

陳振寬：聯想是一家全球化走得比較早、做得也比較成功的一家中國企業，我們海外業務占了差不多3/4左右。微軟是我們海外客戶的一個代表。我們還有很多微軟這樣非常優秀的客戶。我們在全球大概有7個生產制造基地，有10個研發中心。我們也希望，能夠在未來積極參與到國內人工智能的服務當中，服務好我們的客戶。

主持人：從資本市場來看，這個細分的行業當中再細分有哪些投資機會？。

劉洋：一方面很明顯我們的機架里面包括服務器要升級，其中AI滲透率我感覺會慢慢達到50%是有可能，價格量價齊升。還有很多工程設計問題，液冷、風冷、散熱等等各種各樣的，以及相關的光器件、光模塊。其實我們還有一些市場還沒有特別注意。比如說很有可能我們現在超算數據中心里面，專門針對科學或者一些蛋白質分子生成或者是氣象預測，這種東西是由于以前算力不具備，我們就沒有辦法衍生，但是可以大大提升科研和學術的下限，把很多很難測的東西變成可能。總之我現在覺得，至少是AI芯片、服務器，光器件、光模塊，封裝測試技術和芯片架構，相應的一些AI應用都會有很大機會。現在市場基本上是注意到了AI服務器、芯片和光器件，后面還有一些沒有特別注意，而且周期和機會可能會反復來襲。

普慧算力建設正當時

主持人：中國算力基礎設施，在全球競賽建設當中是處于一個什么樣的位置？

陳振寬：聯想是一個服務提供商，是這個賽道上面幫助做大模型搭建算力提供商。從我們自身來看，聯想今天在全球的服務器廠商當中現在是全球前三，前兩名是兩個美國企業，中國企業排在全球市場也排最前面。我們也希望，未來能夠更好地投身在國內所有的人工智能算力建設過程中，能夠更多賦能我們國內企業，能夠給他們提供更大的助力。

主持人：提到賦能更多企業，我注意到聯想提供一個普慧算力新的主張。普慧算力具體指什么？

陳振寬：普慧算力把它解讀拆開來一個是普適（Inclusive），一個是智慧（Intelligent），在普適里面我們提出三個A。一個是（Affordable）人人可得，一個是（Available）人人可用，一個是（Adaptable）人人適用，這是普適的意思。另外對于智慧來說，我們對智慧的理解應該是說他能夠去自己去適應（Self-adapting），自己的學習（Self-learning），自己的進化（Self-evolving），所以這是三個S，三個A，三個S，我們對普慧算力的解讀。我們希望，普慧算力最要能幫助到我們國家產業升級，其次幫助我們各個企業去實現數智化轉型，最終惠及到每一個人。

主持人：周總，您覺得未來對于民眾來說普慧算力需求有多大？

周健工：我覺得很大，我自己有一個觀點，我認為將來現在往手機端部署，消費級GPU也可以去跑一個模型了，自己手機就下載了。其實我覺得將來很可能手機上每一個APP都是一個模型。我們可以走著瞧。包括現在設備端芯片，整個架構芯片，都是圍繞生命智能、人工智能的部署在發生。普慧的意義，就是每一個人都可以用。

主持人：如何實現真正的實惠？

陳振寬：我相信這是一個要持續要去做的工作。今天單位的算力成本，在五年前、十年前看是無法想像的，但是今天通過科技的發展確實達到了。我們對未來的展望，一定會跟隨技術的進化，技術的迭代，技術的創新。我們相信，最終到每一個人看算力就好像你在使用電力一樣時，你不會感覺到他的存在，甚至也不會為支付這個電的成本感覺到你有巨大支出存在，以后算力也一樣。

標簽：