21世紀(jì)經(jīng)濟(jì)報(bào)道記者張梓桐 上海報(bào)道

作為支撐AI數(shù)據(jù)和模型的底層能量，算力正在成為數(shù)字經(jīng)濟(jì)時(shí)代新型生產(chǎn)力的主要形式，有望迎來重大發(fā)展機(jī)遇。

7月7日，在2023WAIC“計(jì)算+：讓人工智能更通用賦能”論壇上，畢馬威中國數(shù)字化賦能主管合伙人張慶杰接受了21世紀(jì)經(jīng)濟(jì)報(bào)道記者的專訪，在他看來，國內(nèi)各大科技公司近日紛紛推出了自家的大模型產(chǎn)品，AI大模型的競賽正在打響。未來行業(yè)應(yīng)該從“大規(guī)模、低成本與低能耗”三個(gè)方向來進(jìn)一步夯實(shí)算力基礎(chǔ)。

“據(jù)公開資料，目前在追趕GPT3.5的中國團(tuán)隊(duì)約有10個(gè)，在這一背景下，能否擁有或持續(xù)獲取算力將成為未來決定競爭格局的關(guān)鍵。”張慶杰說道。

《21世紀(jì)》：您如何看待中國大模型的競爭現(xiàn)狀和發(fā)展前景？

張慶杰：大模型的核心技術(shù)壁壘是數(shù)據(jù)、算法、算力等要素資源的精巧組合，單純從時(shí)間維度來評(píng)價(jià)發(fā)展差距可能過于片面。能夠擁有或持續(xù)獲取算力將是決定未來競爭格局的關(guān)鍵。

AI大模型的真正價(jià)值最終將體現(xiàn)在具體場景，可以依靠“大模型+小模型”的方式來推進(jìn)，即大小模型協(xié)同進(jìn)化，在利用大參數(shù)訓(xùn)練完大模型之后，通過高精度壓縮，將大模型轉(zhuǎn)化為端側(cè)可用的小模型，大模型相當(dāng)于超級(jí)大腦，小模型相當(dāng)于垂直領(lǐng)域?qū)＜遥M(jìn)而實(shí)現(xiàn)場景化應(yīng)用。

《21世紀(jì)》：您認(rèn)為算力如何更好地支持大模型發(fā)展，還面臨哪方面挑戰(zhàn)？

張慶杰：中國是世界人工智能重要領(lǐng)軍國家之一，但做大模型還面臨多方面的挑戰(zhàn)，需要在政策、技術(shù)、資源、人才培養(yǎng)等方面進(jìn)行綜合的改革和發(fā)展。

首先在計(jì)算資源方面，大模型的訓(xùn)練需要大量的計(jì)算資源，包括CPU、GPU、TPU等。雖然中國算力具備一定的基礎(chǔ)，但在計(jì)算資源方面還存在一定的短板，各行各業(yè)在底層計(jì)算資源上存在缺乏，這會(huì)限制大模型的訓(xùn)練和優(yōu)化。

除此之外，大模型的訓(xùn)練需要大量的高質(zhì)量數(shù)據(jù)，但是目前在數(shù)據(jù)質(zhì)量方面還存在一定的問題，包括數(shù)據(jù)噪聲、數(shù)據(jù)缺失、數(shù)據(jù)不平衡等問題。這會(huì)影響大模型的訓(xùn)練效果和準(zhǔn)確性。

而在投入成本方面，大模型的訓(xùn)練需要大量的資金支持，包括硬件設(shè)備、人才引進(jìn)、技術(shù)研發(fā)等方面的投入。最后，行業(yè)應(yīng)該在專業(yè)人才、技術(shù)生態(tài)以及計(jì)算架構(gòu)方面進(jìn)行發(fā)力，來進(jìn)一步夯實(shí)算力基礎(chǔ)。

《21世紀(jì)》：我國高度重視人工智能產(chǎn)業(yè)發(fā)展，智能算力發(fā)展的基礎(chǔ)在不斷夯實(shí)。請(qǐng)問智能算力如何推動(dòng)人工智能的發(fā)展？

張慶杰：對(duì)通用人工智能（AGI）的來說，數(shù)據(jù)、算力、算法三大核心要素中，算力向下扎根于數(shù)據(jù)，向上支撐著算法，將是驅(qū)動(dòng)AGI發(fā)展的核心動(dòng)力。算力發(fā)展需要滿足大規(guī)模、低成本與低能耗三個(gè)方面。

首先在算力規(guī)模方面，在大數(shù)據(jù)、大模型、大算力的相互作用下，全球人均算力有望實(shí)現(xiàn)G-T-P三連跳，即從GFLOPS級(jí)別躍升到TFLOPS再到PFLOPS，乃至更高級(jí)別。正如工業(yè)經(jīng)濟(jì)模式下，人均用電量和人民生活質(zhì)量成正比，在數(shù)字經(jīng)濟(jì)時(shí)代，人均算力也將會(huì)是衡量人民智能化生活水平的重要指標(biāo)，算力需同電力一樣成為規(guī)模化發(fā)展的公共資源。

但與此同時(shí)，大模型訓(xùn)練依然面臨著高昂的成本。放眼全球，除了幾大科技巨頭外，幾乎沒有企業(yè)承擔(dān)得起大模型訓(xùn)練的高昂成本，算力不實(shí)現(xiàn)普惠化，任何關(guān)于AI和科技革命的暢想都將是空中樓閣。

目前偏大規(guī)模的算力需求以B端和G端為主，算力降本需求十分迫切，要利用有限資金獲取更多元的算力，同時(shí)優(yōu)化算力資源配置和利用效率。

最后，低能耗也是行業(yè)需要探索的方向。數(shù)據(jù)中心是各國算力發(fā)展的重中之重，但也存在著嚴(yán)重的碳排放問題，隨著“碳中和”目標(biāo)成為全球共識(shí)，大部分國家都提出了較為嚴(yán)格的數(shù)據(jù)中心節(jié)能減排要求。

《21世紀(jì)》：ChatGPT的出現(xiàn)具有顛覆性意義，中國可以從哪些方面發(fā)力去鼓勵(lì)ChatGPT這一類的技術(shù)顛覆式創(chuàng)新？

張慶杰：ChatGPT的顛覆性意義在于打破了以往人工智能技術(shù)發(fā)展的慣性思維，即從弱人工智能轉(zhuǎn)向強(qiáng)人工智能（也稱通用人工智能），智能不再局限于某些專用領(lǐng)域，如人臉識(shí)別、機(jī)器翻譯等，而是在盡可能多的領(lǐng)域中，幫助甚至代替人類執(zhí)行體力和智力任務(wù)。

對(duì)于鼓勵(lì)ChatGPT一類的技術(shù)顛覆式創(chuàng)新來說，中國可以從基礎(chǔ)研究、應(yīng)用創(chuàng)新發(fā)力等方面發(fā)力。

首先，基礎(chǔ)研究是整個(gè)科學(xué)體系的源頭，也是所有技術(shù)問題的總機(jī)關(guān)，在實(shí)現(xiàn)高水平科技自立自強(qiáng)、建設(shè)科技強(qiáng)國的時(shí)代背景下，基礎(chǔ)研究的重要性愈發(fā)凸顯。

中國近年來一直在持續(xù)加強(qiáng)基礎(chǔ)研究投入，科技部數(shù)據(jù)顯示，基礎(chǔ)研究經(jīng)費(fèi)已從2012年的499億元增長到2022年的1951億元，年均增長近15%，接近全社會(huì)研發(fā)投入增長速度的2倍。在通用人工智能這一嶄新發(fā)展機(jī)遇面前，圍繞產(chǎn)出重大原創(chuàng)成果，堅(jiān)持目標(biāo)導(dǎo)向、市場導(dǎo)向和自由探索將有利于中國在人工智能領(lǐng)域取得重大突破。

與此同時(shí)，通用人工智能也應(yīng)當(dāng)與經(jīng)濟(jì)社會(huì)深度融合，在重大應(yīng)用場景中錘煉技術(shù)。圍繞場景創(chuàng)新加快資本、人才、技術(shù)、數(shù)據(jù)、算力等要素匯聚，促進(jìn)人工智能創(chuàng)新鏈、產(chǎn)業(yè)鏈深度融合，將會(huì)是推動(dòng)通用人工智能落到實(shí)處的重要方式。

夯實(shí)底層算力。當(dāng)前中國各大科技公司正不斷加碼算力進(jìn)行大模型訓(xùn)練，普遍要承擔(dān)巨大的成本投入。

以構(gòu)建GPT-3為例，OpenAI數(shù)據(jù)顯示，滿足GPT-3算力需求至少要上萬顆英偉達(dá)GPU A100，一次模型訓(xùn)練總算力消耗約3,640PF-days（即每秒一千萬億次計(jì)算，運(yùn)行3640天），成本超過1200萬美元，這還不包括模型推理成本和模型后續(xù)升級(jí)所需的訓(xùn)練成本。

因此，推動(dòng)算力更加普適和智慧，才能切實(shí)助力科技企業(yè)等創(chuàng)新主體實(shí)現(xiàn)技術(shù)攻關(guān)。

《21世紀(jì)》：ChatGPT在聊天機(jī)器人、文本生成和語音識(shí)別等領(lǐng)域取得了巨大進(jìn)展，未來大模型在實(shí)體行業(yè)的應(yīng)用前景如何？

張慶杰：ChatGPT在一定程度上驗(yàn)證了沿著“大數(shù)據(jù)、大模型、大算力”路徑發(fā)展通用人工智能的可行性。目前，各類科技創(chuàng)新企業(yè)都在積極探索這種可能性，相關(guān)方向包括教育、移動(dòng)、搜索引擎、內(nèi)容制作、醫(yī)藥等。

判斷這些應(yīng)用價(jià)值關(guān)鍵在于落地成效如何，需要技術(shù)提供商和應(yīng)用側(cè)企業(yè)共同厘清落地成效的具體維度和評(píng)估方式。

大模型在實(shí)體行業(yè)應(yīng)用中面臨的挑戰(zhàn)和算力的落地挑戰(zhàn)存在共性。總體來說，算力在各行業(yè)的落地挑戰(zhàn)主要包括算力總量亟需補(bǔ)充、邊緣算力較為緊缺、單位能耗算力性能有待提升、中心式計(jì)算架構(gòu)需轉(zhuǎn)型等。

預(yù)計(jì)隨著各行業(yè)全要素、全流程、全場景邁向數(shù)字化和智能化，實(shí)現(xiàn)“業(yè)務(wù)、數(shù)據(jù)、算力”之間的高效聯(lián)動(dòng)，將是保證各類大模型或小模型按需匹配、精準(zhǔn)賦能的重要前提。

關(guān)鍵詞：