人工智能的“過彎點”，三駕馬車已經(jīng)全面調(diào)整了姿態(tài)

　 域名預訂/競價，好“米”不錯過

文 | 智能相對論

作者 | 陳泊丞

日前，英偉達CEO黃仁勛和Meta創(chuàng)始人馬克?扎克伯格開展了一場“爐邊談話”。

兩人作為當今人工智能領域的領袖人物，一邊憑借AI芯片的絕對優(yōu)勢占據(jù)著算力領域的至高地位，另一邊借助開源大模型Llama 3.1強勢崛起成為開源領域的標桿。這樣的對話為未來AI的發(fā)展趨勢呈現(xiàn)了不同的視角。

黃仁勛對話扎克伯格

兩位大咖的對話為我們描繪了AI技術未來的發(fā)展藍圖：從開源的AI算法，到先進的人形機器人，到未來即將普及的智能眼鏡，AI技術發(fā)展充滿了機遇與挑戰(zhàn)。未來AI手機、AIPC、AI汽車、智能眼鏡、服務器等等各類產(chǎn)品都會實現(xiàn)智能化升級，復雜的模型、海量的數(shù)據(jù)和計算，都極大地依賴于AI算力支持。

AI算力也正在從專用計算擴展到所有的計算場景，逐步形成“一切計算皆AI”的格局。

事實上，算力廠商們的動作也見證了市場對算力發(fā)展的要求。一方面，CPU、GPU、NPU等各種PU，也都被用于了AI計算。

另一方面，在適配不同場景應用的通用服務器上，浪潮信息也在致力于提供兼具高性能與低成本的選擇。前不久，基于2U4路旗艦通用服務器NF8260G7，浪潮信息創(chuàng)新采用領先的張量并行、NF4模型量化等技術，實現(xiàn)了服務器僅依靠4顆CPU即可運行千億參數(shù)“源2.0”大模型，再度成為通用AI算力的新標桿。

在今天的市場上，算力的產(chǎn)業(yè)地位正在迅速崛起。對應人工智能發(fā)展的三駕馬車，算力、算法、數(shù)據(jù)三者終于到達了一個地位相當?shù)臓顟B(tài)，走向“并駕齊驅(qū)”。

要知道，在AI技術發(fā)展的前期，中國龐大的互聯(lián)網(wǎng)用戶群體和豐富的在線數(shù)據(jù)資源，側(cè)重于數(shù)據(jù)的發(fā)展。而美國在計算機科學、數(shù)學和統(tǒng)計學等基礎學科方面有著悠久的研究傳統(tǒng)，則更聚焦算法的研發(fā)。對比兩者，算力在前期的關注度就顯得弱了許多。

時至今日，三駕馬車并駕齊驅(qū)。大眾對人工智能的發(fā)展思路也愈發(fā)清晰——AI產(chǎn)業(yè)的爆發(fā)是算法、算力與數(shù)據(jù)三者協(xié)同發(fā)展的結(jié)果。而這樣的狀態(tài)也就代表著AI產(chǎn)業(yè)正在進入一個全新的階段。

人工智能產(chǎn)業(yè) 來到了“過彎點”

現(xiàn)階段，大模型技術的加速迭代，帶來了千億級大模型的持續(xù)涌現(xiàn)與精進。相關的AI應用也在以前所未有的速度和規(guī)模滲透到各行各業(yè)，并融入日常的生活和工作中。

人工智能產(chǎn)業(yè)正在從初步探索進入到了廣泛應用的“過彎點”。在這個過程中，AI的三駕馬車也到了全面協(xié)同發(fā)展的關鍵時刻，才能為場景應用的跨越式升級提供必要的技術支持。

以銀行的防欺詐系統(tǒng)為例，早期的系統(tǒng)是基于大數(shù)據(jù)構建的，通過經(jīng)驗預設規(guī)則和統(tǒng)計模型來判斷、檢測可疑交易。如今，基于更高性能的通用算力整合大數(shù)據(jù)系統(tǒng)和金融防詐的AI模型，銀行防欺詐系統(tǒng)實現(xiàn)了功能升級，不僅具備更高的準確性和更低的誤報率，而且還能夠根據(jù)新的數(shù)據(jù)自我學習和調(diào)整，快速適應新的欺詐模式。

算法、算力和數(shù)據(jù)三者協(xié)同，構成當前AI應用的基本范式。一個成功的AI項目往往需要在這三個方面都做出適當?shù)耐度牒蛢?yōu)化。

算法相當于AI的大腦，負責處理信息、學習知識、做出決策。而數(shù)據(jù)是算法的基礎，如果沒有足夠的數(shù)據(jù)，即使是再先進的算法也無法發(fā)揮出應有的效果。

而在此基礎上，不管是算法的運行還是數(shù)據(jù)的處理，都離不開算力的支持。特別是在涉及到大量的數(shù)據(jù)處理、復雜的模型訓練以及實時的推理需求等場景中，AI對算力的要求，同時隨著場景的規(guī)?；占?，還得進一步兼顧經(jīng)濟性。

現(xiàn)如今，針對AI產(chǎn)業(yè)的三駕馬車，算法、算力和數(shù)據(jù)層面的升級依舊在同步進行，三者之間的協(xié)同在AI行業(yè)發(fā)展的驅(qū)動下達到了新高度。AI產(chǎn)業(yè)的加速發(fā)展，需要三駕馬車的步伐更加一致。

是時候全面調(diào)整 三駕馬車的狀態(tài)了

人工智能的廣泛應用必然要建立在三駕馬車協(xié)同發(fā)展的基礎上。在接下來的時間內(nèi)，針對人工智能產(chǎn)業(yè)的升級就需要解決一個關鍵問題，即如何保持三駕馬車并駕齊驅(qū)的穩(wěn)定狀態(tài)。

一、技術“并駕”：一馬當先并非最佳，三馬同行最為穩(wěn)定。

算力、算法、數(shù)據(jù)三者相輔相成，單一的技術領先無法帶來AI產(chǎn)業(yè)的全面爆發(fā)，必須要另外兩項迅速補齊，才能對應解決相關的技術問題。

例如，在當前，千億級參數(shù)、甚至萬億級參數(shù)的大模型加速發(fā)展，帶來了更強大的信息處理和決策能力，為智能涌現(xiàn)提供了基礎。但是，算法層面的突破，必然要有算力、數(shù)據(jù)層面的升級，才能發(fā)揮出應用的效果。簡單來說，如果沒有足夠的算力帶動千億級大模型的訓練、推理等需求，那么再強大的模型也沒有“用武之地”。

要加速人工智能的發(fā)展，支撐千行百業(yè)最廣泛的通用場景，千億級大模型必須要和大數(shù)據(jù)、數(shù)據(jù)庫、云等場景相融合，實現(xiàn)高效運行。

但這一目標對計算、內(nèi)存、通信等硬件資源需求量非常大。為了滿足更多用戶的AI算力需求，算力廠商不得不考慮如何有針對性地去克服現(xiàn)有的算力瓶頸。以承載千億參數(shù)大模型推理的NF8260G7 AI通用服務器來看，浪潮信息在這方面就做出了專業(yè)的設計。

針對千億級大模型推理過程中的低時延以及所需的巨大內(nèi)存需求，NF8260G7服務器配置了4顆具有AMX的AI加速功能的英特爾至強處理器，內(nèi)存方面，NF8260G7配置32根32G DDR5 4800MHZ的內(nèi)存，內(nèi)存帶寬實測值分別為995GB/s（讀帶寬）、423GB/s（寫帶寬）、437GB/s（讀寫帶寬），為滿足千億大模型低延時和多處理器的并發(fā)推理計算打下基礎。同時，浪潮信息還對CPU之間、CPU與內(nèi)存之間的高速互聯(lián)信號走線路徑和阻抗連續(xù)性做了優(yōu)化，從而更好地支撐大規(guī)模并發(fā)計算。

這樣的設計與升級，旨在面向算法，進行算力的優(yōu)化，為接下來千億級大模型的規(guī)?；瘧锰峁┝艘粋€非常關鍵的支撐。

二、系統(tǒng)“齊驅(qū)”：三馬拉車，重在系統(tǒng)性優(yōu)化。

隨著AI技術的發(fā)展，算力、算法、數(shù)據(jù)三者的系統(tǒng)性越來越強。很多科技巨頭都在競相發(fā)力尋找「模型水平高、算力門檻低」的人工智能方案。AI相關的解決方案不再是單一技術的應用，而是綜合多個領域的突破實現(xiàn)整體系統(tǒng)性的升級。

舉個例子，谷歌的EfficientNet模型通過優(yōu)化網(wǎng)絡架構，在ImageNet數(shù)據(jù)集上的精度相比傳統(tǒng)模型提升了約6%，而所需計算量減少了70%?？梢?，當前大模型廠商在推動算力升級的過程中，也會考慮到軟件層面的創(chuàng)新，提高算力和算法之間的適配運行能力。

為了能讓通用服務器更好的運行千億級大模型，浪潮信息除了對服務器本身進行創(chuàng)新升級外，也對千億級大模型的參數(shù)規(guī)模做了優(yōu)化?；谠?.0的算法研發(fā)積累，浪潮信息將1026億參數(shù)的源2.0大模型卷積算子進行張量切分，為通用服務器進行高效的張量并行計算提供了可能，最終提高了推理計算效率。

基于CPU服務器的并行計算

同時，在這個過程中，浪潮信息還采用了NF4量化技術，對模型進行“瘦身”，提高了推理的解碼效率等等。

NF4量化技術

當算力、算法走向協(xié)同，系統(tǒng)性優(yōu)化的結(jié)果，是建立在兩者協(xié)同的基礎之上，最終目的在于為AI產(chǎn)業(yè)的落地提供一個穩(wěn)定、強大的技術底座。未來，AI產(chǎn)業(yè)的全面爆發(fā)就需要以更系統(tǒng)的理念去驅(qū)動三駕馬車的發(fā)展。

三、應用“加速”：產(chǎn)業(yè)落地需要“三駕馬車”的綜合最優(yōu)解。

AI不再是實驗室的產(chǎn)物，而是市場競爭的商品。不管是千億級大模型的涌現(xiàn)，或是算力解決方案的升級，其根本的目標都是推動AI應用的加速落地，走向大眾，帶來實際性的經(jīng)濟效益。因此，在技術層面之外，行業(yè)還需要考慮經(jīng)濟層面的問題。

對比來看，盡管以英偉達GPU芯片為核心的AI服務器在處理機器學習、深度學習等高性能計算任務方面表現(xiàn)卓越，但是浪潮信息等算力廠商依舊致力于研發(fā)和升級以CPU為核心的通用服務器，這是為什么？

根本原因就在于CPU在通用計算、能效比以及成本效益方面仍然不可替代。特別是關系成本效益的經(jīng)濟性問題，本來就是當前限制諸多場景應用規(guī)模化落地發(fā)展的關鍵因素。因為AI專用基礎設施的成本居高不下，普通的企業(yè)很難承受。而浪潮信息則是提供了一個更低成本、同時兼顧高性能的經(jīng)濟性選擇，恰恰正是市場需要的。

基于通用服務器NF8260G7的軟硬件協(xié)同創(chuàng)新，浪潮信息成功實現(xiàn)了千億級大模型在通用服務器的推理部署，同時還提供了性能更強，成本更經(jīng)濟的選擇，讓AI大模型應用可以與云、大數(shù)據(jù)、數(shù)據(jù)庫等應用能夠?qū)崿F(xiàn)更緊密的融合，助力產(chǎn)業(yè)高質(zhì)量發(fā)展。這樣的綜合最優(yōu)解，才是產(chǎn)業(yè)實現(xiàn)規(guī)?；l(fā)最需要的條件。

結(jié)語

AI三駕馬車的系統(tǒng)性已經(jīng)成型，更強大的算力可以支持更復雜的算法模型，從而更好地處理大規(guī)模數(shù)據(jù)。同時，高質(zhì)量的數(shù)據(jù)集有助于提升算法的效果，反過來又需要更強大的算力來處理。而算法的進步也可以減少對算力的需求，通過更高效的模型設計降低計算成本。

這種系統(tǒng)性的形成，將極大推動人工智能產(chǎn)業(yè)的發(fā)展，也為現(xiàn)階段AI廠商們的產(chǎn)品升級、技術迭代、服務進階提供了一個關鍵的大方向。但同時，也意味著新的挑戰(zhàn)，即如何去整合算力、算法和數(shù)據(jù)三者之間的技術與資源，成就新的突破。

*本文圖片均來源于網(wǎng)絡

#智能相對論 Focusing on智能新產(chǎn)業(yè)新服務，這是智能的服務NO.263深度解讀

此內(nèi)容為【智能相對論】原創(chuàng)，

僅代表個人觀點，未經(jīng)授權，任何人不得以任何方式使用，包括轉(zhuǎn)載、摘編、復制或建立鏡像。

部分圖片來自網(wǎng)絡，且未核實版權歸屬，不作為商業(yè)用途，如有侵犯，請作者與我們聯(lián)系。

•AI產(chǎn)業(yè)新媒體;

•澎湃新聞科技榜單月度top5;

•文章長期“霸占”鈦媒體熱門文章排行榜TOP10;

•著有《人工智能 十萬個為什么》

•【重點關注領域】智能家電（含白電、黑電、智能手機、無人機等AIoT設備）、智能駕駛、AI+醫(yī)療、機器人、物聯(lián)網(wǎng)、AI+金融、AI+教育、AR/VR、云計算、開發(fā)者以及背后的芯片、算法等。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！