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

　 阿里云優(yōu)惠券 先領(lǐng)券再下單

文 | 智能相對(duì)論

作者 | 陳泊丞

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

兩人作為當(dāng)今人工智能領(lǐng)域的領(lǐng)袖人物，一邊憑借AI芯片的絕對(duì)優(yōu)勢(shì)占據(jù)著算力領(lǐng)域的至高地位，另一邊借助開源大模型Llama 3.1強(qiáng)勢(shì)崛起成為開源領(lǐng)域的標(biāo)桿。這樣的對(duì)話為未來AI的發(fā)展趨勢(shì)呈現(xiàn)了不同的視角。

黃仁勛對(duì)話扎克伯格

兩位大咖的對(duì)話為我們描繪了AI技術(shù)未來的發(fā)展藍(lán)圖：從開源的AI算法，到先進(jìn)的人形機(jī)器人，到未來即將普及的智能眼鏡，AI技術(shù)發(fā)展充滿了機(jī)遇與挑戰(zhàn)。未來AI手機(jī)、AIPC、AI汽車、智能眼鏡、服務(wù)器等等各類產(chǎn)品都會(huì)實(shí)現(xiàn)智能化升級(jí)，復(fù)雜的模型、海量的數(shù)據(jù)和計(jì)算，都極大地依賴于AI算力支持。

AI算力也正在從專用計(jì)算擴(kuò)展到所有的計(jì)算場(chǎng)景，逐步形成“一切計(jì)算皆AI”的格局。

事實(shí)上，算力廠商們的動(dòng)作也見證了市場(chǎng)對(duì)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(jì)算。

另一方面，在適配不同場(chǎng)景應(yīng)用的通用服務(wù)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(wù)器NF8260G7，浪潮信息創(chuàng)新采用領(lǐng)先的張量并行、NF4模型量化等技術(shù)，實(shí)現(xiàn)了服務(wù)器僅依靠4顆CPU即可運(yùn)行千億參數(shù)“源2.0”大模型，再度成為通用AI算力的新標(biāo)桿。

在今天的市場(chǎng)上，算力的產(chǎn)業(yè)地位正在迅速崛起。對(duì)應(yīng)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(dá)了一個(gè)地位相當(dāng)?shù)臓顟B(tài)，走向“并駕齊驅(qū)”。

要知道，在AI技術(shù)發(fā)展的前期，中國(guó)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(guó)在計(jì)算機(jī)科學(xué)、數(shù)學(xué)和統(tǒng)計(jì)學(xué)等基礎(chǔ)學(xué)科方面有著悠久的研究傳統(tǒng)，則更聚焦算法的研發(fā)。對(duì)比兩者，算力在前期的關(guān)注度就顯得弱了許多。

時(shí)至今日，三駕馬車并駕齊驅(qū)。大眾對(duì)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(jìn)入一個(gè)全新的階段。

人工智能產(chǎn)業(yè) 來到了“過彎點(diǎn)”

現(xiàn)階段，大模型技術(shù)的加速迭代，帶來了千億級(jí)大模型的持續(xù)涌現(xiàn)與精進(jìn)。相關(guān)的AI應(yīng)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(jìn)入到了廣泛應(yīng)用的“過彎點(diǎn)”。在這個(gè)過程中，AI的三駕馬車也到了全面協(xié)同發(fā)展的關(guān)鍵時(shí)刻，才能為場(chǎng)景應(yīng)用的跨越式升級(jí)提供必要的技術(shù)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(gòu)建的，通過經(jīng)驗(yàn)預(yù)設(shè)規(guī)則和統(tǒng)計(jì)模型來判斷、檢測(cè)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(shí)現(xiàn)了功能升級(jí)，不僅具備更高的準(zhǔn)確性和更低的誤報(bào)率，而且還能夠根據(jù)新的數(shù)據(jù)自我學(xué)習(xí)和調(diào)整，快速適應(yīng)新的欺詐模式。

算法、算力和數(shù)據(jù)三者協(xié)同，構(gòu)成當(dāng)前AI應(yīng)用的基本范式。一個(gè)成功的AI項(xiàng)目往往需要在這三個(gè)方面都做出適當(dāng)?shù)耐度牒蛢?yōu)化。

算法相當(dāng)于AI的大腦，負(fù)責(zé)處理信息、學(xué)習(xí)知識(shí)、做出決策。而數(shù)據(jù)是算法的基礎(chǔ)，如果沒有足夠的數(shù)據(jù)，即使是再先進(jìn)的算法也無法發(fā)揮出應(yīng)有的效果。

而在此基礎(chǔ)上，不管是算法的運(yùn)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(fù)雜的模型訓(xùn)練以及實(shí)時(shí)的推理需求等場(chǎng)景中，AI對(duì)算力的要求，同時(shí)隨著場(chǎng)景的規(guī)?；占埃€得進(jìn)一步兼顧經(jīng)濟(jì)性。

現(xiàn)如今，針對(duì)AI產(chǎn)業(yè)的三駕馬車，算法、算力和數(shù)據(jù)層面的升級(jí)依舊在同步進(jìn)行，三者之間的協(xié)同在AI行業(yè)發(fā)展的驅(qū)動(dòng)下達(dá)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(shí)候全面調(diào)整 三駕馬車的狀態(tài)了

人工智能的廣泛應(yīng)用必然要建立在三駕馬車協(xié)同發(fā)展的基礎(chǔ)上。在接下來的時(shí)間內(nèi)，針對(duì)人工智能產(chǎn)業(yè)的升級(jí)就需要解決一個(gè)關(guān)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(shù)“并駕”：一馬當(dāng)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(shù)領(lǐng)先無法帶來AI產(chǎn)業(yè)的全面爆發(fā)，必須要另外兩項(xiàng)迅速補(bǔ)齊，才能對(duì)應(yīng)解決相關(guān)的技術(shù)問題。

例如，在當(dāng)前，千億級(jí)參數(shù)、甚至萬億級(jí)參數(shù)的大模型加速發(fā)展，帶來了更強(qiáng)大的信息處理和決策能力，為智能涌現(xiàn)提供了基礎(chǔ)。但是，算法層面的突破，必然要有算力、數(shù)據(jù)層面的升級(jí)，才能發(fā)揮出應(yīng)用的效果。簡(jiǎn)單來說，如果沒有足夠的算力帶動(dòng)千億級(jí)大模型的訓(xùn)練、推理等需求，那么再?gòu)?qiáng)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(chǎng)景，千億級(jí)大模型必須要和大數(shù)據(jù)、數(shù)據(jù)庫(kù)、云等場(chǎng)景相融合，實(shí)現(xiàn)高效運(yùn)行。

但這一目標(biāo)對(duì)計(jì)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(duì)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(wù)器來看，浪潮信息在這方面就做出了專業(yè)的設(shè)計(jì)。

針對(duì)千億級(jí)大模型推理過程中的低時(shí)延以及所需的巨大內(nèi)存需求，NF8260G7服務(wù)器配置了4顆具有AMX的AI加速功能的英特爾至強(qiáng)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(shí)測(cè)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(shí)和多處理器的并發(fā)推理計(jì)算打下基礎(chǔ)。同時(shí)，浪潮信息還對(duì)CPU之間、CPU與內(nèi)存之間的高速互聯(lián)信號(hào)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(jì)算。

這樣的設(shè)計(jì)與升級(jí)，旨在面向算法，進(jìn)行算力的優(yōu)化，為接下來千億級(jí)大模型的規(guī)?；瘧?yīng)用提供了一個(gè)非常關(guān)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(shù)的發(fā)展，算力、算法、數(shù)據(jù)三者的系統(tǒng)性越來越強(qiáng)。很多科技巨頭都在競(jìng)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(guān)的解決方案不再是單一技術(shù)的應(yīng)用，而是綜合多個(gè)領(lǐng)域的突破實(shí)現(xiàn)整體系統(tǒng)性的升級(jí)。

舉個(gè)例子，谷歌的EfficientNet模型通過優(yōu)化網(wǎng)絡(luò)架構(gòu)，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(jì)算量減少了70%。可見，當(dāng)前大模型廠商在推動(dòng)算力升級(jí)的過程中，也會(huì)考慮到軟件層面的創(chuàng)新，提高算力和算法之間的適配運(yùn)行能力。

為了能讓通用服務(wù)器更好的運(yùn)行千億級(jí)大模型，浪潮信息除了對(duì)服務(wù)器本身進(jìn)行創(chuàng)新升級(jí)外，也對(duì)千億級(jí)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(jìn)行張量切分，為通用服務(wù)器進(jìn)行高效的張量并行計(jì)算提供了可能，最終提高了推理計(jì)算效率。

基于CPU服務(wù)器的并行計(jì)算

同時(shí)，在這個(gè)過程中，浪潮信息還采用了NF4量化技術(shù)，對(duì)模型進(jìn)行“瘦身”，提高了推理的解碼效率等等。

NF4量化技術(shù)

當(dāng)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(chǔ)之上，最終目的在于為AI產(chǎn)業(yè)的落地提供一個(gè)穩(wěn)定、強(qiáng)大的技術(shù)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(dòng)三駕馬車的發(fā)展。

三、應(yīng)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(shí)驗(yàn)室的產(chǎn)物，而是市場(chǎng)競(jìng)爭(zhēng)的商品。不管是千億級(jí)大模型的涌現(xiàn)，或是算力解決方案的升級(jí)，其根本的目標(biāo)都是推動(dòng)AI應(yīng)用的加速落地，走向大眾，帶來實(shí)際性的經(jīng)濟(jì)效益。因此，在技術(shù)層面之外，行業(yè)還需要考慮經(jīng)濟(jì)層面的問題。

對(duì)比來看，盡管以英偉達(dá)GPU芯片為核心的AI服務(wù)器在處理機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等高性能計(jì)算任務(wù)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(jí)以CPU為核心的通用服務(wù)器，這是為什么？

根本原因就在于CPU在通用計(jì)算、能效比以及成本效益方面仍然不可替代。特別是關(guān)系成本效益的經(jīng)濟(jì)性問題，本來就是當(dāng)前限制諸多場(chǎng)景應(yīng)用規(guī)模化落地發(fā)展的關(guān)鍵因素。因?yàn)锳I專用基礎(chǔ)設(shè)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(gè)更低成本、同時(shí)兼顧高性能的經(jīng)濟(jì)性選擇，恰恰正是市場(chǎng)需要的。

基于通用服務(wù)器NF8260G7的軟硬件協(xié)同創(chuàng)新，浪潮信息成功實(shí)現(xiàn)了千億級(jí)大模型在通用服務(wù)器的推理部署，同時(shí)還提供了性能更強(qiáng)，成本更經(jīng)濟(jì)的選擇，讓AI大模型應(yīng)用可以與云、大數(shù)據(jù)、數(shù)據(jù)庫(kù)等應(yīng)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(shí)現(xiàn)規(guī)?；l(fā)最需要的條件。

結(jié)語(yǔ)

AI三駕馬車的系統(tǒng)性已經(jīng)成型，更強(qiáng)大的算力可以支持更復(fù)雜的算法模型，從而更好地處理大規(guī)模數(shù)據(jù)。同時(shí)，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(qiáng)大的算力來處理。而算法的進(jìn)步也可以減少對(duì)算力的需求，通過更高效的模型設(shè)計(jì)降低計(jì)算成本。

這種系統(tǒng)性的形成，將極大推動(dòng)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(jí)、技術(shù)迭代、服務(wù)進(jìn)階提供了一個(gè)關(guān)鍵的大方向。但同時(shí)，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(shù)與資源，成就新的突破。

*本文圖片均來源于網(wǎng)絡(luò)

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

此內(nèi)容為【智能相對(duì)論】原創(chuàng)，

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

部分圖片來自網(wǎng)絡(luò)，且未核實(shí)版權(quán)歸屬，不作為商業(yè)用途，如有侵犯，請(qǐng)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(zhǎng)期“霸占”鈦媒體熱門文章排行榜TOP10;

•著有《人工智能 十萬個(gè)為什么》

•【重點(diǎn)關(guān)注領(lǐng)域】智能家電（含白電、黑電、智能手機(jī)、無人機(jī)等AIoT設(shè)備）、智能駕駛、AI+醫(yī)療、機(jī)器人、物聯(lián)網(wǎng)、AI+金融、AI+教育、AR/VR、云計(jì)算、開發(fā)者以及背后的芯片、算法等。

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！