2023世界人工智能大會（WAIC 2023）以“智聯世界 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，人的大腦神經元大概是在800億到1000億之間。這樣一個參數實際上跟人的神經元數量是非常相似的，所以大參數、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。” 聯想集團副總裁ISG中國服務器事業部總經理陳振寬在參與第一財經圓桌對話時說。

(資料圖片)

作為通用人工智能發展的重要里程碑，ChatGPT是數據、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（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。隨著數字產業化由規模化發展轉向高質量發展，大到5G通信、衛星互聯網，小到出行線路規劃、外賣訂單系統優化、 影視特效制作，都離不開算力支撐。

“要實現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。正如此前“ChatGPT之父”、OpenAI首席執行官山姆•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。

在中國，中國信通院研究得出，2016-2021年，全球算力規模平均每年增長34%，數字經濟規模和GDP每年分別增長8%和4%。雖然高速增長，算力發展仍面臨著巨大的挑戰，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。

未盡研究創始人周健工提到，“一篇業內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展，算力落差正成為制約大模型發展的瓶頸。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，算力也創造了巨大的經濟價值。根據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。

“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。”陳振寬說。

據他介紹，一個通用服務器的研發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、更快聯接速度等諸多現實中的制約因素，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理、TMT部門總監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，超算數據中心里AI為科學的內容有機會把以前難測的內容變成可能。

“現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。

一旦未來發展到推理環節，對算力要求還會持續增加。“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。”陳振寬說。

普慧算力是發展趨勢

未來究竟需要怎樣的算力？

聯想集團董事長兼CEO楊元慶在2022聯想創新科技大會上首提“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據中心已經不能滿足需求，“端-邊-云-網”的新算力基礎架構應運而生。端設備加覆蓋廣泛的云，還有更加靠近數據源頭的邊，輔以高速網絡，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，是發展數字經濟的基礎；自適應（Self-adapting）、自學習（Selflearning）、自進化（Self-evolving）為代表的“3S”智能將是實現通用人工智能廣泛應用、推動數字經濟邁向更高階段的必然要求。普適（Inclusive）與智慧（Intelligent），將成為未來算力發展的兩大特征。

AI大模型的真正價值最終將體現在具體場景中，未來產業競爭將從“規模”轉向“應用”。目前大模型訓練都在云端實現，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同進化，即在利用大參數訓練完大模型之后，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業升級，再到各個企業去實現數智化轉型，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模型支持，這個可以實現，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：