2025-01-15 智能化学会动态 0
王恩东院士：释放多元算力价值，计算系统创新是关键
随着人工智能技术的飞速发展，其算力需求也呈现出指数级增长。从GPU到专用AI加速芯片，再到未来可能出现的人工智能专用架构（DSA），我们正处于一个巨大的转型期。在这个过程中，如何快速完成从芯片到计算系统的创新，不仅关系到人工智能产业的发展，也决定了整个信息技术行业未来的走向。
在2021年的人工智能计算大会上，中国工程院院士、浪潮首席科学家王恩东阐述了这一观点。他指出，即使是图灵奖得主John Hennessy和David Patterson提出的针对特定问题或领域设计的DSA架构，也只是开启了一扇大门。真正的问题在于，从这些高性能芯片造出来直至应用，这个过程中存在着巨大的鸿沟。
这不仅仅是一个技术问题，更是一系列复杂系统性设计挑战。比如，从研发一台AI服务器开始，就需要经过30多个开发流程，使用150多种加工制造工艺，对280多个关键过程控制点进行严格把控。而面对大规模AI算力部署，我们还需要解决高功耗、高电流密度、高总线速率、高系统复杂度等新问题。
王恩东院士以火箭发动机与运载火箭相比较来形象地描述了这个挑战。他认为，只有解决体系结构、信号完整性、散热、可靠性等大量系统性设计工作，我们才能真正实现从芯片到算力的转化，并推动人工智能产业发展。
此外，他还强调了巨量模型带来的巨量化趋势。这意味着模型参数越来越多，训练数据集越来越大，同时模型应用规模也日益扩大。这对于算力中心的应用支撑能力提出了极大的挑战。
然而，与之并存的是生态离散化的问题。这包括不同公司和研究机构之间缺乏互通性的编程库，以及各自独立但又无法兼容的AI平台。这种状况不仅限制了人才和资源的有效利用，也阻碍了人工智能技术更好地服务于社会和企业。
要想释放这些潜在价值，并促进人工智能创新，一方面我们需要重视智慧计算系统的创新，加大人工智能新型基础设施建设；另一方面，我们还需要加快推动开放标准建设，让不同的算力资源能够互联互通，为社会创造更多便利。此时此刻，在上海交大招生办解读最新高招的情况下，我们更加清晰地看到，无论是作为学生还是教师，都应该紧跟时代步伐，把握住这次科技变革的大机会，为自己的未来打下坚实基础。
