2025-01-15 资讯 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，它不再仅仅是5、6年前的“黑科技”，而是在今天成为了“热科技”。这一切背后，是算力的巨大飞跃。从2020年以GPU为代表的AI加速芯片所交付的计算力总和，就已经超过了通用CPU，预计到2025年，加速芯片所提供的计算力可能占比80%以上。可以说，人工智能规模化发展中的算力，不仅成为决定性的力量，也成为了智慧时代核心生产力的重要支撑。
在这场人工智能带来的指数级增长中，计算产业正面临着多元化、巨量化、生态离散化交织的趋势与挑战。一方面需要多样化的智能场景来驱动多元化算力的需求；另一方面，由于从芯片到算力的转换依然存在巨大的鸿沟，这意味着多元算力价值并未得到充分释放。如何快速完成这些转变，并推动人工智能产业发展，便成了一个迫切的问题。
在10月16日举行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个问题。他认为，在当前的人工智能新格局下，要想释放出更多潜能，我们必须重视智慧计算系统（Wise Computing System）的创新。这不仅包括更高效率、高性能的大型数据处理，还包括更灵活、高可用的应用程序开发环境，以及更强大的模型训练能力。
随着AI在特定领域内不断突破，不同数值精度带来了跨度更大的计算类型，对计算芯片指令集、架构要求更加细分。在图灵奖获得者John Hennessy和David Patterson提出的《计算机架构的新黄金时代》中，他们提出，当摩尔定律不再适用时，一种基于特定问题或领域定义设计架构将会成为主导。这类DSA（Domain Specific Architecture）思想被用于设计AI专用的芯片，使其在特定的工作负载上表现出远超通用芯片的处理能力，从而推动了AI芯片向前发展。
然而，即便如此，这些先进技术仍需克服一系列挑战，比如如何解决大量加工制造过程中的质量控制问题，以及如何实现与复杂AI应用之间优异配合等。而且，大规模部署这些高性能硬件对电源消耗、高温管理以及复杂总线通信等都提出了新的难题。
对于王恩东院士来说，“我们能造出强大的火箭发动机，但要想造出安全、高性能运载火箭，还需要在循环控制结构等许多领域做大量工作。”他使用生动形象来描述这个过程中的挑战性质，以及实现这一目标所必需的一系列系统性设计工作。
此外，他还指出了目前全球知名公司都致力于开发超大参数量模型（Giant Models），这是未来人工智能研究的一个重要方向之一。例如，如Google, Microsoft, NVIDIA, 和Baidu等公司，都已投入研发资源进行相关项目。此类模型往往拥有数十亿甚至数百亿个参数，与传统小型模型相比，其训练数据集也要庞大得多，以至于单纯存储它们本身就已经是一个极其艰难的问题，让人的认知理解达到人类水平已经变得越来越接近现实。但这也同时带来了巨量数据和参数对整个系统性能产生压力的重大考验，为解决这一问题提供了广泛空间探索和改进之余地。
最后，他呼吁行业各界共同努力，将技术链条与产业链条连接起来，以促进全方位的人工智能健康发展，而不是让它陷入孤岛状态。通过标准建设和开放共享，可以让不同来源及不同规格下的算力资源能够互联互通，从而有效提升整体应用效率，为人类社会创造更加丰富美好的生活环境。
