數字經濟時代，數據已經成為堪比石油的戰略資源。而隨著當前AI大模型產業呈“井噴”之勢發展，海量數據處理需求也隨之而來，這也讓AI訓練所需的計算量呈指數級增長。作為訓練AI大模型的基礎，智能算力的需求也愈發旺盛，且正成為支撐行業變革、打通數字經濟“動脈”的重要底座。

編輯 | MissD

AI大模型“井噴”算力成“深水區”關鍵

自去年底ChatGPT一夜爆火，今年以來，國內AI相關科技公司及巨頭發布大語言模型的節奏可謂“遍地開花”。當前，大型模型正隨著商業化應用場景的不斷拓展，國產大模型已呈現井噴趨勢。

今年以來，百度、阿里、華為等國內科技巨頭均發布了自己的AI大模型產品，更加速推動了AI大模型的產業化發展。據科技部新一代人工智能發展研究中心5月底發布的《中國人工智能大模型地圖研究報告》顯示，我國10億參數規模以上的大模型已發布79個。而3個多月后，CLSA Asia-Pacific Markets給出的一份調查，這一數據已新增至130個，占全球總量的40%，僅次于美國的50%。

AI大模型的出現，使得人工智能技術在自然語言處理、圖像識別、語音合成等領域不斷突破，并不斷為AI產業落地應用進入“深水區”提供關鍵驅動力。然而，隨著AI大模型的不斷迭代，“生成式AI大模型浪潮”的關鍵在于智能涌現能力、多輪對話以及更強的生成能力。此時人們發現，訓練AI大模型的基礎——算力，才是體現AI大模型數據處理能力強弱的關鍵。

此前，業界就已經意識到“選大模型要選大廠而非創業公司”，其中緣由除了技術層面之外，另一方面就是圍繞算力、芯片、數據集等持續重投入資金。

據國外相關研究數據顯示，運行聊天GPT每月將花費300萬美元，訓練路徑語言模型（PaLM）將花費2000萬美元的計算成本（谷歌最新的LLM 11大模型）。目前，只有少數擁有極其龐大資源的公司能夠構建這些模型，這就是為什么大多數現有的大型人工智能模型幾乎完全由大型科技公司開發，尤其是谷歌（Google Brain、Deepmind）、Meta和微軟（及其被投資的OpenAI）這些大公司。

因此，此類大模型需要的計算和數據資源規模，只有資源最充足的公司才能承受。對于AI大模型公司而言，如果沒有充足的算力保障、數據集保障，且沒有做好長期、每年數十億甚至上百億的資金投入準備時，就得掂量掂量是否要涉足該領域了。

數字化進程中 算力行業所面臨的挑戰

在當前大模型等AI應用呈井噴式增長的背景下，算力正推動著整個數字產業的發展，且已開始變革。與此同時，對整個社會數字化發展進程至關重要的算力行業，也在進一步尋求突破時面臨嚴峻挑戰。

當前，盡管全球范圍內算力需求持續增長，但算力供給卻相對滯后，因此對AI及數據處理等領域的發展產生了一定程度上的制約。同樣，目前我國算力產業發展也有諸多痛點亟待解決，比如算力供需失衡、跨數據中心算力調度難、算力基礎設施能耗大、企業利用算力成本高等問題。

AI算力資源分布不均且供需不平衡，既會導致了資源的浪費和效率的降低，也會間接地制約整個算力產業高質量發展。據IDC相關報告顯示，全球數據量每年增長約60%，但算力每年增速僅為10%，這表明算力的供給與需求之間存在巨大差距。

由于在GPU計算、云計算等方面的技術積累相對較少，這也使得我國在AI算力調度方面存在瓶頸。對算力調度而言，效率至關重要，系統架構、算法優化等方面的限制，會讓處理大規模數據時效率低下的問題更加突顯。

算力使用成本高昂也是目前我國算力行業所面臨的問題，由于AI算力調度涉及大量的硬件設備、軟件平臺和人力資源，因此算力供需失衡的話會導致有些地區算力成本高，也讓該區域的中小企業在面臨AI算力調度時，成本壓力增大。

另外就是“老生常談”的問題——數據安全問題。AI算力調度的普及，也讓安全問題日益突顯。作為企業的核心資產，數據可謂是關鍵所在，在算力調度過程中，數據的安全與隱私保護是個問題。比如數據泄露、黑客攻擊等現象的發生，也給國內AI算力調度及數字經濟發展帶來了安全隱患。

面對以上四大挑戰，算力行業該如何尋求突破成為了接下來的關鍵。

打通數字經濟“大動脈” 算力產業迎來變革

作為業界都聚焦的領域，突破算力瓶頸似乎正處于“黎明前的黑暗”。

相比移動互聯網時代的數據中心以CPU為主，如今智能算力時代數據中心已轉變為以GPU芯片為主的算力基座，且算力需求或是以前的10倍、100倍，甚至更多。行業幾家芯片巨頭如英偉達等GPU價格及企業股票的增長也能看得出該趨勢。隨著GPU需求水漲船高，算力行業也開始慢慢變革。

早在今年6月初，芯片供應商臺積電就宣布正式啟用全新的3DFabric技術，該技術主要由先進封裝、三維芯片堆疊和設計三部分組成。通過先進封裝，在單一封裝中置入更多處理器及存儲器，從而提升運算效能。

此外，業界其他芯片巨頭如英偉達、AMD等也紛紛發布AI芯片新品，如英偉達此前發布的NVIDIA DGX超級計算機技術，256個GH200超級芯片相連作為單個GPU運行，“專門”助力大負載巨型AI大模型開發，以解決算力問題。另外，以GPU為核心算力的商湯，也于前幾個月基于AIDC建設了智能計算平臺AI大裝置SenseCore，算力規模大幅提升。

隨著新的算力芯片到來的，還有國內各地出臺的一系列利好政策，也積極引導大模型研發企業應用國產人工智能芯片，加快提升AI算力供給的國產化率，提升算力資源統籌供給能力，攜手企業共同推動算力市場發展。

目前，國內在AI芯片領域已經涌現出了多家優秀廠商，AI算力性能顯著提升，為推進國內數字化進程提供了極大助力。

寫在最后：

隨著數字化轉型進入深水區，處于AI大模型“風口”下的技術迭代新動向成為“風向標”，算力正是如此。只有直面挑戰、抓住機遇，才能不斷進階，在新一代科技變革中屹立不倒。