主持人：這個(gè)世界跟人工智能的關(guān)系越來越深刻，尤其身處世界人工智能大會(huì)的現(xiàn)場，你會(huì)明顯感受到人工智能世界何等豐富，發(fā)展有多發(fā)展。今天我們要找一個(gè)專門切入點(diǎn)叫“算力”。

我們都知道，數(shù)據(jù)、算法、算力是敲開AI大門的三把鑰匙，如果說數(shù)據(jù)是其中生產(chǎn)資料的話，生產(chǎn)力就是算力，生產(chǎn)關(guān)系就是其中一些算法。我們今天具體要來說一下跟算力有關(guān)，我們演播室請來三位嘉賓，分別是未盡研究創(chuàng)始人周健工，申萬宏源證券研究董事總經(jīng)理、TMT部門總監(jiān)及首席分析師劉洋，還有聯(lián)想集團(tuán)副總裁、ISG中國服務(wù)器事業(yè)部總經(jīng)理陳振寬。我們和三位嘉賓一起，圍繞算力深入探討。

AI有驚喜，算力引焦慮

(資料圖)

主持人：算力是推進(jìn)AI往前發(fā)展的重要?jiǎng)幽苤?。大家都知道各大平臺現(xiàn)在都在出各種各樣大模型，大模型需要訓(xùn)練，到應(yīng)用階段對算力的要求更是無窮無盡的，所以，算力發(fā)展的現(xiàn)狀怎樣、未來趨勢如何，算力的缺口有多大、有什么樣的解決方案，就是我們今天要和各位嘉賓一起聊到的。

先想和各位嘉賓聊一聊，您覺得據(jù)您觀察現(xiàn)在人工智能世界到底發(fā)展到什么樣的程度，給你的驚喜是什么？

周健工：我覺得AI最大驚喜就是在一些完成任務(wù)上，比如說對話，我們一直在說圖靈測試，這是我第一個(gè)感受。第二個(gè)感受大家都在談通用人工智能，以前覺得是相當(dāng)科幻的概念，現(xiàn)在我記得GPT4出來之后，微軟科學(xué)家做了一個(gè)測試，那篇論文業(yè)內(nèi)大家看得很多了，標(biāo)題是通用人工智能的火花。我覺得這個(gè)比喻比較貼切，我們看到一個(gè)火花但是還是處于通用人工智能比較早期階段。

陳振寬：ChatGPT現(xiàn)在用的是ChatGPT3.5的技術(shù)，大概是1750億的參數(shù)，大家可能有一些相關(guān)資料顯示，人的大腦神經(jīng)元大概是在800億到1000億之間，大腦皮層神經(jīng)元在100億級別。在800億到1000億這樣一個(gè)參數(shù)實(shí)際上跟人的神經(jīng)元數(shù)量是非常相似的，所以也是大參數(shù)、大模型。到了1750億級別的時(shí)候，人工智能不止是我們訓(xùn)練它，它根據(jù)我們訓(xùn)練去學(xué)習(xí)、去成長，更重要是它會(huì)自己學(xué)習(xí)、自己進(jìn)化。所以，在今天深層次AI技術(shù)爆發(fā)的時(shí)候，大家發(fā)現(xiàn)一下子大門打開了。

劉洋：AI的整個(gè)復(fù)雜度大了很多。小模型精度很高，通用性、智能性弱一些；大模型有可能精度不用那么高，但是智能性高很多。所以對我們來講，最大的痛苦不光是橫向擴(kuò)的很多，關(guān)鍵是可能性多了，究竟是用大模型還是小模型，用以前的還是組合的，或是垂類的。這些問題都會(huì)讓我們焦慮，需要用的東西太多了。所以我覺得人工智能2C、2B的應(yīng)用，帶來今天算力焦慮這個(gè)話題，其實(shí)都會(huì)變得比較復(fù)雜，這是我們目前已經(jīng)看到的情況。

主持人：如果應(yīng)用到了讓每一個(gè)人都便捷的程度，現(xiàn)有算力背后能不能支持，這中間還有什么缺口？在過去一段時(shí)間大模型發(fā)展過程當(dāng)中，如何突破算力落差的瓶頸？

周健工：其實(shí)大模型是每18個(gè)月是它的規(guī)模是增長35倍，但是摩爾定律是每18個(gè)月增長2倍，這是一個(gè)速度上的落差。第二，我們也看到國外有些大型企業(yè)不同業(yè)務(wù)部門之間，也在爭搶算力，從這一點(diǎn)上說中國也存在。

主持人：算力落差就是因?yàn)樾酒洳顔?？今年英偉達(dá)生意很好供不應(yīng)求，買不到芯片是不是意味著差距就特別明顯？

陳振寬：這一定是其中一個(gè)影響因素，但我看到另外一個(gè)因素。剛才講到，我們的大參數(shù)里面跟人的神經(jīng)元數(shù)量一樣，但這個(gè)算力所消耗的功耗跟人的大腦所消耗的功耗，完全不是一個(gè)數(shù)量級。要支撐這么大的算力，功耗的要求是非常高的。我們需要研究，當(dāng)我們的算力不斷增長的時(shí)候怎么解決功耗的問題，如何實(shí)現(xiàn)碳達(dá)峰要求。所以在技術(shù)上，我們可能要考慮是否能夠從現(xiàn)在風(fēng)冷的散熱變成液冷散熱，是不是能夠有一些更好條件來支撐我們算力不斷增長，但是功耗仍然控制在我們的星球所能承受范圍之內(nèi)。這是我們未來要考慮的另外一個(gè)因素，即除了做算力競賽以外，可能還要考慮如何在節(jié)能減排方面有更好更優(yōu)方案。這個(gè)方面做得好了，我相信即便有落差，我們總有一天也能迎頭趕上。

算力發(fā)展仍在“熱身階段”

主持人：我們目前算力市場整體發(fā)展到什么程度，夠用嗎？

周健工：我只能大面講，陳總是專家。我自己覺得總量上，中國和國外國家不相上下，在普通算力、智能算力、超算總量上不相上下。甚至有一些中國還占優(yōu)勢，比如說智能算力。但是在這一輪跟大模型和人工智能相關(guān)算力上，中國是存在比較大的落差。另外一塊當(dāng)然從企業(yè)做數(shù)據(jù)中心、云計(jì)算這一塊，中國企業(yè)跟國際頭部有比較明顯的差距。第三方面，我們現(xiàn)在處在一個(gè)模型訓(xùn)練算力比較緊缺，但是將來如果是生成人工智能發(fā)展普及比較快，將來會(huì)更多是應(yīng)用更廣，對推理需求是更高的，其實(shí)對算力時(shí)延要求更高。所以我們希望到那時(shí)候，整個(gè)算力發(fā)展能滿足這些需求。

主持人：陳總作為專業(yè)人士作為聯(lián)想專業(yè)人士，您是如何來解讀算力目前缺口大還是未來缺口大？

陳振寬：我們把人工智能的算力當(dāng)成一種賽事的話，這個(gè)比賽才剛開始。今天很多企業(yè)在這場賽事里面參賽，實(shí)際上都是早期階段做了基礎(chǔ)準(zhǔn)備。現(xiàn)在在熱身或者是剛進(jìn)入熱身階段的企業(yè)，它們在大模型的投入上已經(jīng)是按照百億人民幣投入的。但是要真正去訓(xùn)練好大模型，這還有很多工作要做，我相信這是要持續(xù)進(jìn)行投入的地方。

以聯(lián)想來說，我們自己不會(huì)參與到大模型賽道，不會(huì)去做去訓(xùn)練大模型，但是我們?yōu)樗写罱ê陀?xùn)練大模型的企業(yè)去提供基礎(chǔ)設(shè)施和服務(wù)，比如說提供GPU服務(wù)器，人工智能服務(wù)器。以前，如果不是人工智能服務(wù)器，一個(gè)通用服務(wù)器的研發(fā)投入大概是兩千萬人民幣，但是做GPU、人工智能服務(wù)器投入是需要通用計(jì)算五倍，是按億作為計(jì)算的。除了更加復(fù)雜以外，里面還要考慮剛才提到的散熱、更快聯(lián)接速度等很多要素。所以在技術(shù)上的投入是非常龐大的。另外，在未來訓(xùn)練完以后要開始做推理，推理用于各種場景無處不在，邊緣甚至個(gè)人，這個(gè)對算力要求仍然會(huì)持續(xù)增加。所以，如何在這樣的場景中持續(xù)進(jìn)行優(yōu)化，以更加普慧的能力去提供未來整體人工智能相關(guān)的產(chǎn)業(yè)理論服務(wù)，這是我們持續(xù)要考慮的地方。

所以，路還很長。

主持人：我剛才咨詢了微軟投OpenAI開發(fā)出的ChatGPT，其實(shí)背后微軟數(shù)據(jù)中心建設(shè)就跟聯(lián)想有很大關(guān)系。具體情況是怎樣的？

陳振寬：聯(lián)想是一家全球化走得比較早、做得也比較成功的一家中國企業(yè)，我們海外業(yè)務(wù)占了差不多3/4左右。微軟是我們海外客戶的一個(gè)代表。我們還有很多微軟這樣非常優(yōu)秀的客戶。我們在全球大概有7個(gè)生產(chǎn)制造基地，有10個(gè)研發(fā)中心。我們也希望，能夠在未來積極參與到國內(nèi)人工智能的服務(wù)當(dāng)中，服務(wù)好我們的客戶。

主持人：從資本市場來看，這個(gè)細(xì)分的行業(yè)當(dāng)中再細(xì)分有哪些投資機(jī)會(huì)？。

劉洋：一方面很明顯我們的機(jī)架里面包括服務(wù)器要升級，其中AI滲透率我感覺會(huì)慢慢達(dá)到50%是有可能，價(jià)格量價(jià)齊升。還有很多工程設(shè)計(jì)問題，液冷、風(fēng)冷、散熱等等各種各樣的，以及相關(guān)的光器件、光模塊。其實(shí)我們還有一些市場還沒有特別注意。比如說很有可能我們現(xiàn)在超算數(shù)據(jù)中心里面，專門針對科學(xué)或者一些蛋白質(zhì)分子生成或者是氣象預(yù)測，這種東西是由于以前算力不具備，我們就沒有辦法衍生，但是可以大大提升科研和學(xué)術(shù)的下限，把很多很難測的東西變成可能?？傊椰F(xiàn)在覺得，至少是AI芯片、服務(wù)器，光器件、光模塊，封裝測試技術(shù)和芯片架構(gòu)，相應(yīng)的一些AI應(yīng)用都會(huì)有很大機(jī)會(huì)?，F(xiàn)在市場基本上是注意到了AI服務(wù)器、芯片和光器件，后面還有一些沒有特別注意，而且周期和機(jī)會(huì)可能會(huì)反復(fù)來襲。

普慧算力建設(shè)正當(dāng)時(shí)

主持人：中國算力基礎(chǔ)設(shè)施，在全球競賽建設(shè)當(dāng)中是處于一個(gè)什么樣的位置？

陳振寬：聯(lián)想是一個(gè)服務(wù)提供商，是這個(gè)賽道上面幫助做大模型搭建算力提供商。從我們自身來看，聯(lián)想今天在全球的服務(wù)器廠商當(dāng)中現(xiàn)在是全球前三，前兩名是兩個(gè)美國企業(yè)，中國企業(yè)排在全球市場也排最前面。我們也希望，未來能夠更好地投身在國內(nèi)所有的人工智能算力建設(shè)過程中，能夠更多賦能我們國內(nèi)企業(yè)，能夠給他們提供更大的助力。

主持人：提到賦能更多企業(yè)，我注意到聯(lián)想提供一個(gè)普慧算力新的主張。普慧算力具體指什么？

陳振寬：普慧算力把它解讀拆開來一個(gè)是普適（Inclusive），一個(gè)是智慧（Intelligent），在普適里面我們提出三個(gè)A。一個(gè)是（Affordable）人人可得，一個(gè)是（Available）人人可用，一個(gè)是（Adaptable）人人適用，這是普適的意思。另外對于智慧來說，我們對智慧的理解應(yīng)該是說他能夠去自己去適應(yīng)（Self-adapting），自己的學(xué)習(xí)（Self-learning），自己的進(jìn)化（Self-evolving），所以這是三個(gè)S，三個(gè)A，三個(gè)S，我們對普慧算力的解讀。我們希望，普慧算力最要能幫助到我們國家產(chǎn)業(yè)升級，其次幫助我們各個(gè)企業(yè)去實(shí)現(xiàn)數(shù)智化轉(zhuǎn)型，最終惠及到每一個(gè)人。

主持人：周總，您覺得未來對于民眾來說普慧算力需求有多大？

周健工：我覺得很大，我自己有一個(gè)觀點(diǎn)，我認(rèn)為將來現(xiàn)在往手機(jī)端部署，消費(fèi)級GPU也可以去跑一個(gè)模型了，自己手機(jī)就下載了。其實(shí)我覺得將來很可能手機(jī)上每一個(gè)APP都是一個(gè)模型。我們可以走著瞧。包括現(xiàn)在設(shè)備端芯片，整個(gè)架構(gòu)芯片，都是圍繞生命智能、人工智能的部署在發(fā)生。普慧的意義，就是每一個(gè)人都可以用。

主持人：如何實(shí)現(xiàn)真正的實(shí)惠？

陳振寬：我相信這是一個(gè)要持續(xù)要去做的工作。今天單位的算力成本，在五年前、十年前看是無法想像的，但是今天通過科技的發(fā)展確實(shí)達(dá)到了。我們對未來的展望，一定會(huì)跟隨技術(shù)的進(jìn)化，技術(shù)的迭代，技術(shù)的創(chuàng)新。我們相信，最終到每一個(gè)人看算力就好像你在使用電力一樣時(shí)，你不會(huì)感覺到他的存在，甚至也不會(huì)為支付這個(gè)電的成本感覺到你有巨大支出存在，以后算力也一樣。

標(biāo)簽：