0
人工智能從5、6年前的 “黑科技”變成了今天的“熱科技”，背后離不開算力支撐能力的巨大飛躍。2020年以GPU為代表的AI加速芯片所交付的計算力總和已經超過了通用CPU，預計到2025年，加速芯片所提供的計算力可能超過80%?？梢哉f，人工智能的規?；l展，算力已經成為決定性的力量，智慧計算是智慧時代的核心生產力。
“人工智能帶來指數級增長的算力需求，計算產業正面臨著多元化、巨量化、生態離散化交織的趨勢與挑戰。一方面多樣化的智能場景需要多元化的算力，巨量化的模型、數據和應用規模需要巨量的算力，算力已經成為人工智能繼續發展的重中之重；另一方面從芯片到算力的轉化依然存在巨大鴻溝，多元算力價值并未得到充分釋放。如何快速完成多元芯片到計算系統的創新，已經成為推動人工智能產業發展的關鍵環節?！痹?0月16日舉行的2021人工智能計算大會（AICC2021）上，中國工程院院士、浪潮首席科學家王恩東闡釋了計算系統創新在計算到智算轉變的產業新格局下的重大意義。
多元芯片到算力轉化，計算系統創新是關鍵
隨著人工智能在算法領域的不斷突破，不同數值精度帶來了跨度更大的計算類型，對計算芯片指令集、架構的要求更加細分。圖靈獎獲得者 John Hennessy和 David Patterson共同發表的《計算機架構的新黃金時代》中提出：當摩爾定律不再適用，一種更加以硬件為中心的DSA（Domain Specific Architecture）架構設計會成為主導，這種設計的核心在于針對特定問題或特定領域來定義計算架構。基于DSA思想設計的AI芯片，在特定AI工作負載上表現出遠超通用芯片的處理能力，大大推動了AI芯片的多元化發展。
芯片的多元化為產業AI化的加速提供了重要的產業基礎和更加豐富的選擇。但是，芯片從造出來到大規模用起來，還隔著一個巨大的產業鴻溝。一方面，算力的供給需要構建算力平臺，需要解決架構設計、核心部件、高速互聯、散熱設計等一系列問題。以一臺AI服務器研制為例，整個系統需要經過30 多個開發流程，使用150 多種加工制造工藝，對280多個關鍵過程控制點的質量進行嚴格把控，并且還要實現與算法框架和AI應用的優化和適配等問題；另一方面，面對大規模AI算力部署，AI算力平臺建設又面臨高功耗、高電流密度、高總線速率、高系統復雜度的新問題。
“我們能造出性能強大的火箭發動機，但要想造出安全、高性能的運載火箭，還要在循環、控制、結構等很多領域做大量的工作。芯片到計算系統同樣如此，需要完成體系結構、信號完整性、散熱、可靠性等大量系統性設計工作?！?strong>王恩東院士用生動形象的比喻，詮釋了芯片到算力轉化過程中計算系統創新的價值所在。
以巨量模型為代表的巨量化是AI發展的重大趨勢
“人工智能如何發展出像人類具備邏輯、意識和推理的認知能力，是人工智能研究一直在探索的方向。目前來看，通過大規模數據訓練超大參數量的巨量模型，被認為是非常有希望實現通用人工智能的一個重要方向。”王恩東院士認為，隨著巨量模型的興起，巨量化已成為未來人工智能發展非常重要的一個趨勢。
目前，全球知名的AI領先公司在巨量模型上都予以重兵投入，谷歌、微軟、英偉達、浪潮、智源研究院、百度、阿里等公司相繼推出了各自的巨量模型。
巨量化的一個核心特征就是模型參數多、訓練數據量大。以浪潮人工智能研究院開發的全球最大規模的中文AI巨量模型“源1.0”為例，其參數量高達2457億，訓練數據集規模達到5000GB。相比GPT3模型的1750億參數量和570GB訓練數據集，“源1.0”的參數規模增加了40%，訓練數據集規模增加近10倍。
此外，巨量化也表現在模型應用規模大?；ヂ摼W頭部公司的AI開放平臺已經吸引了超百萬的AI開發者，這些AI開放平臺每天承載著數萬億次的調用量，數百萬小時的語音識別，超過百億張圖像識別，超過萬億句自然語言理解等等。如此巨量的調用對算力中心的應用支撐能力帶來了極大的挑戰。
生態離散化制約AI上水平、上規模、上臺階
“很多人會有這樣的困惑，人工智能那么好，但是怎么跟我的業務、應用場景結合，想通過AI技術做智能化轉型，但是發現沒人懂算法，懂模型，也缺少好用的AI開發平臺。同時，算法模型那么多，如何找到不同算法在應用中的最優組合？懂這些的人，往往都集中在科研機構或者頭部公司。這些地方集中了最優秀的AI人才，但缺少對傳統行業的需求場景、業務規律的深入理解?！?strong>王恩東院士對當前AI從技術到應用面臨的困局做了形象的概括。
來自埃森哲的一份調研報告顯示，70%以上有技術的研究機構、科技公司缺需求場景、缺領域知識和數據，70%以上的行業用戶缺技術人才、缺AI平臺和實踐能力。
與此同時，生態離散化也與AI芯片多元化的發展趨勢關系密切。目前，AI芯片架構五花八門，指令集不同，無法兼容，而面向芯片的編程庫又跟芯片綁定，靈活性差。小公司只做了其中一個環節，這造成生態的縱向不通；大公司希望構建封閉的系統，這造成了生態的橫向不通。
王恩東院士認為，目前人工智能的技術鏈條、產業鏈條是脫節的，生態離散化已成為制約人工智能技術上水平、應用上規模、產業上臺階的瓶頸所在。
多元化、巨量化、生態化給整個計算產業帶來的挑戰是空前的。“要想釋放多元算力價值、促進人工智能創新，一是要重視智算系統的創新，加大人工智能新型基礎設施建設，把從技術到應用的鏈條設計好，從體系結構、芯片設計、系統設計、系統軟件、開發環境等各個領域形成既分工明確又協同創新的局面；二是要加快推動開放標準建設，通過統一的、規范的標準，將多元化算力轉變為可調度的資源，讓算力好用、易用?！?strong>王恩東院士強調說。
雷鋒網
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
