人工智能的“過彎點”，三駕馬車已經全面調整了姿態(tài)

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”。

要知道，在AI技術發(fā)展的前期，中國龐大的互聯(lián)網用戶群體和豐富的在線數(shù)據(jù)資源，側重于數(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。大眾對人工智能的發(fā)展思路也愈發(fā)清晰——AI產業(yè)的爆發(fā)是算法、算力與數(shù)據(jù)三者協(xié)同發(fā)展的結果。而這樣的狀態(tài)也就代表著AI產業(yè)正在進入一個全新的階段。

人工智能產業(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?，還得進一步兼顧經濟性。

現(xiàn)如今，針對AI產業(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)展的驅動下達到了新高度。AI產業(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，針對人工智能產業(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，內存方面，NF8260G7配置32根32G DDR5 4800MHZ的內存，內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”：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%?？梢姡斍按竽Ｐ蛷S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)化的結果，是建立在兩者協(xié)同的基礎之上，最終目的在于為AI產業(yè)的落地提供一個穩(wěn)定、強大的技術底座。未來，AI產業(yè)的全面爆發(fā)就需要以更系統(tǒng)的理念去驅動三駕馬車的發(fā)展。

三、應用“加速”：產業(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，帶來實際性的經濟效益。因此，在技術層面之外，行業(yè)還需要考慮經濟層面的問題。

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)庫等應用能夠實現(xiàn)更緊密的融合，助力產業(yè)高質量發(fā)展。這樣的綜合最優(yōu)解，才是產業(yè)實現(xiàn)規(guī)?；l(fā)最需要的條件。

結語

AI三駕馬車的系統(tǒng)性已經成型，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業(yè)的發(fā)展，也為現(xiàn)階段AI廠商們的產品升級、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絡

生成海報

免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。