王恩東院士：釋放多元算力價值，計算系統(tǒng)創(chuàng)新是關鍵

人工智能從5、6年前的 “黑科技”變成了今天的“熱科技”，背后離不開算力支撐能力的巨大飛躍。2020年以GPU為代表的AI加速芯片所交付的計算力總和已經(jīng)超過了通用CPU，預計到2025年，加速芯片所提供的計算力可能超過80%。可以說，人工智能的規(guī)模化發(fā)展，算力已經(jīng)成為決定性的力量，智慧計算是智慧時代的核心生產(chǎn)力。

“人工智能帶來指數(shù)級增長的算力需求，計算產(chǎn)業(yè)正面臨著多元化、巨量化、生態(tài)離散化交織的趨勢與挑戰(zhàn)。一方面多樣化的智能場景需要多元化的算力，巨量化的模型、數(shù)據(jù)和應用規(guī)模需要巨量的算力，算力已經(jīng)成為人工智能繼續(xù)發(fā)展的重中之重；另一方面從芯片到算力的轉化依然存在巨大鴻溝，多元算力價值并未得到充分釋放。如何快速完成多元芯片到計算系統(tǒng)的創(chuàng)新，已經(jīng)成為推動人工智能產(chǎn)業(yè)發(fā)展的關鍵環(huán)節(jié)。”在10月16日舉行的2021人工智能計算大會（AICC2021）上，中國工程院院士、浪潮首席科學家王恩東闡釋了計算系統(tǒng)創(chuàng)新在計算到智算轉變的產(chǎn)業(yè)新格局下的重大意義。

多元芯片到算力轉化，計算系統(tǒng)創(chuàng)新是關鍵

隨著人工智能在算法領域的不斷突破，不同數(shù)值精度帶來了跨度更大的計算類型，對計算芯片指令集、架構的要求更加細分。圖靈獎獲得者 John Hennessy和 David Patterson共同發(fā)表的《計算機架構的新黃金時代》中提出：當摩爾定律不再適用，一種更加以硬件為中心的DSA（Domain Specific Architecture）架構設計會成為主導，這種設計的核心在于針對特定問題或特定領域來定義計算架構。基于DSA思想設計的AI芯片，在特定AI工作負載上表現(xiàn)出遠超通用芯片的處理能力，大大推動了AI芯片的多元化發(fā)展。

芯片的多元化為產(chǎn)業(yè)AI化的加速提供了重要的產(chǎn)業(yè)基礎和更加豐富的選擇。但是，芯片從造出來到大規(guī)模用起來，還隔著一個巨大的產(chǎn)業(yè)鴻溝。一方面，算力的供給需要構建算力平臺，需要解決架構設計、核心部件、高速互聯(lián)、散熱設計等一系列問題。以一臺AI服務器研制為例，整個系統(tǒng)需要經(jīng)過30 多個開發(fā)流程，使用150 多種加工制造工藝，對280多個關鍵過程控制點的質量進行嚴格把控，并且還要實現(xiàn)與算法框架和AI應用的優(yōu)化和適配等問題；另一方面，面對大規(guī)模AI算力部署，AI算力平臺建設又面臨高功耗、高電流密度、高總線速率、高系統(tǒng)復雜度的新問題。

“我們能造出性能強大的火箭發(fā)動機，但要想造出安全、高性能的運載火箭，還要在循環(huán)、控制、結構等很多領域做大量的工作。芯片到計算系統(tǒng)同樣如此，需要完成體系結構、信號完整性、散熱、可靠性等大量系統(tǒng)性設計工作。”王恩東院士用生動形象的比喻，詮釋了芯片到算力轉化過程中計算系統(tǒng)創(chuàng)新的價值所在。

以巨量模型為代表的巨量化是AI發(fā)展的重大趨勢

“人工智能如何發(fā)展出像人類具備邏輯、意識和推理的認知能力，是人工智能研究一直在探索的方向。目前來看，通過大規(guī)模數(shù)據(jù)訓練超大參數(shù)量的巨量模型，被認為是非常有希望實現(xiàn)通用人工智能的一個重要方向。”王恩東院士認為，隨著巨量模型的興起，巨量化已成為未來人工智能發(fā)展非常重要的一個趨勢。

目前，全球知名的AI領先公司在巨量模型上都予以重兵投入，谷歌、微軟、英偉達、浪潮、智源研究院、百度、阿里等公司相繼推出了各自的巨量模型。

巨量化的一個核心特征就是模型參數(shù)多、訓練數(shù)據(jù)量大。以浪潮人工智能研究院開發(fā)的全球最大規(guī)模的中文AI巨量模型“源1.0”為例，其參數(shù)量高達2457億，訓練數(shù)據(jù)集規(guī)模達到5000GB。相比GPT3模型的1750億參數(shù)量和570GB訓練數(shù)據(jù)集，“源1.0”的參數(shù)規(guī)模增加了40%，訓練數(shù)據(jù)集規(guī)模增加近10倍。

此外，巨量化也表現(xiàn)在模型應用規(guī)模大。互聯(lián)網(wǎng)頭部公司的AI開放平臺已經(jīng)吸引了超百萬的AI開發(fā)者，這些AI開放平臺每天承載著數(shù)萬億次的調用量，數(shù)百萬小時的語音識別，超過百億張圖像識別，超過萬億句自然語言理解等等。如此巨量的調用對算力中心的應用支撐能力帶來了極大的挑戰(zhàn)。

生態(tài)離散化制約AI上水平、上規(guī)模、上臺階

“很多人會有這樣的困惑，人工智能那么好，但是怎么跟我的業(yè)務、應用場景結合，想通過AI技術做智能化轉型，但是發(fā)現(xiàn)沒人懂算法，懂模型，也缺少好用的AI開發(fā)平臺。同時，算法模型那么多，如何找到不同算法在應用中的最優(yōu)組合？懂這些的人，往往都集中在科研機構或者頭部公司。這些地方集中了最優(yōu)秀的AI人才，但缺少對傳統(tǒng)行業(yè)的需求場景、業(yè)務規(guī)律的深入理解。”王恩東院士對當前AI從技術到應用面臨的困局做了形象的概括。

來自埃森哲的一份調研報告顯示，70%以上有技術的研究機構、科技公司缺需求場景、缺領域知識和數(shù)據(jù)，70%以上的行業(yè)用戶缺技術人才、缺AI平臺和實踐能力。

與此同時，生態(tài)離散化也與AI芯片多元化的發(fā)展趨勢關系密切。目前，AI芯片架構五花八門，指令集不同，無法兼容，而面向芯片的編程庫又跟芯片綁定，靈活性差。小公司只做了其中一個環(huán)節(jié)，這造成生態(tài)的縱向不通；大公司希望構建封閉的系統(tǒng)，這造成了生態(tài)的橫向不通。

王恩東院士認為，目前人工智能的技術鏈條、產(chǎn)業(yè)鏈條是脫節(jié)的，生態(tài)離散化已成為制約人工智能技術上水平、應用上規(guī)模、產(chǎn)業(yè)上臺階的瓶頸所在。

多元化、巨量化、生態(tài)化給整個計算產(chǎn)業(yè)帶來的挑戰(zhàn)是空前的。“要想釋放多元算力價值、促進人工智能創(chuàng)新，一是要重視智算系統(tǒng)的創(chuàng)新，加大人工智能新型基礎設施建設，把從技術到應用的鏈條設計好，從體系結構、芯片設計、系統(tǒng)設計、系統(tǒng)軟件、開發(fā)環(huán)境等各個領域形成既分工明確又協(xié)同創(chuàng)新的局面；二是要加快推動開放標準建設，通過統(tǒng)一的、規(guī)范的標準，將多元化算力轉變?yōu)榭烧{度的資源，讓算力好用、易用。”王恩東院士強調說。

雷鋒網(wǎng)