top of page
作家相片Gao Zhe

数据中心不少了,智算中心建的还不够多

2024可谓是智算兴起之年。智算中心建设方兴未艾,从政府到产业,纷纷将大量的资源、人力投入其中。

工信部等六部门发布的《算力基础设施高质量发展行动计划》明确列出了发展目标:今年末,我国算力总规模达到220Eflops,智能算力占比25%;到2025年,总算力达到300Eflops,智能算力占比要达到35%。

相比于工信部的规划目标,市场需求的增长要更加迅猛。根据相关市场机构调研,我国智能算力在未来几年中,将以52.3%的年复合增长率增长。相比之下,工信部的建设目标可谓相当“保守”。


不容错过的转折点

智算中心建设之所以火爆,自然是因为2023年人工智能技术大爆发带来的算力需求刺激。智算基础设施,作为人工智能发展的重要支柱,其建设的重要性不言而喻。但其对未来发展的重要性,远超“供需”关系这么简单。

“今天进入一个全面的人工智能发展范式改变的阶段!”国信息通信研究院云大所副所长、人工智能研究中心常务副主任魏凯做出了如上论断。


魏凯在其演讲中提到了大模型时代的到来,以及随之而来的技术挑战和行业机遇。他强调了大模型相比此前的人工智能技术有的四个显著特征:规模可扩展性、多任务适应性、复杂推理能力和知识吸收能力,这些都预示着人工智能技术发展进入了一个转折点。

尤其是在规模扩展方面,魏凯提到了“Scaling Law”规律。这是Deep Mind在2020年发现的一个规律:模型性能随着模型规模数据规模算力规模等因素的增大而提升,呈现出幂律分布的特征。

显然,提升算力规是提升人工智能能力的重要抓手之一。没有强大的计算能力、高效的数据处理和存储系统,大模型的潜力无法得到充分发挥。因此,投资智算基础设施,不仅是推动技术进步的必要条件,也是促进整个产业生态发展的关键。

魏凯所提到的“Scaling Law”规律,更是直接指向了智算基础设施建设的核心价值。随着模型规模的不断扩大,对算力的需求也在不断增长,这就要求我们必须建立更加强大、高效的智算基础设施,才能在这个人工智能发展的转折点,切实抓住发展机遇。

AI超越人类的序幕

目前,“Scaling Law”规律还“看不到边界”,OpenAI的大模型同样符合“Scaling Law”规律,这也是ChatGPT惊艳表现的由来。

魏凯表示,“Scaling Law”规律代表了一种可能:通过堆算力、堆数据、堆资源、堆资金,就可以完成以前看似无法完成的任务:“所以无论国内外,都在‘疯狂’建设智算中心”。

“大模型其实拉开了通用人工智能,也就是人工智能系统全面超越人类的序幕,”魏凯表示:“这是很激动人心的时刻。”


魏凯认为,从宏观上看,人工智能的飞速发展,对经济社会将带来多个维度的改变:

一是人机交互方式的巨大革新。从代码方式的交互,进化为自然语言交互。甚至在国外的一些研究表明,人工智能可以猜测人类的意图,主动帮人类解决问题。

二是生产力新引擎。魏凯以小红书举例,阐述了AI在内容生产方面产生的能力飞跃,以及重塑了内容生产流程。此外如企业管理、编程工作等。

三是对科研范式的变革。魏凯称之为 R&D 新范式,涵盖了从基础研究到产品研发的多方面,比如蛋白质结构预测,新材料研发,大飞机风洞试验,药物研发等。

当然,当前的人工智能距离超越人类还有一段不短的路要走。魏凯表示,大模型并没有广泛在行业里形成生产力,原因在于四点:合适的工具、高质量的数据集、企业治理、风险管控。

魏凯认为,当前“工具”门槛还比较高,“训练推理听起来都比较复杂”。而建设足够的智算中心,提供充足的算力服务,无疑是解决工具门槛的最根本解决措施。智算基础设施的建设不仅关系到人工智能技术的未来,更是推动整个社会进步的基石。我们应当认识到其重要性,并采取行动,为通用人工智能的到来做好准备。


1 次查看0 則留言

最新文章

查看全部

Comments


bottom of page