3月29日，中國電子首席科學家、中國電子雲總工程師朱國平在2024北京AI（人工智慧）原生產業創新大會暨北京數據基礎制度先行區成果釋出會後接受了新京報貝殼財經專訪。他對貝殼財經表示，為AI服務的算力基礎設施，不是在傳統基礎上增加GPU（圖形處理器），讓GPU「跑起來」那麽簡單。GPU技術叠代速度非常快，現在仍以GPU+CPU（中央處理器）形式為主，未來還將加快發展。
「人工智慧發展是一個配套的過程。模型數據愈發變得海量，如果算力能夠支撐復雜模型的計算需求，模型套用也將得到深入發展。」朱國平說。
華金證券研報顯示，人工智慧從訓練走向推理，對於算力的需求將會巨大，而且這種需求僅僅剛開始。據IDC預測，全球AI計算市場規模到2026年將達到346.6億美元。
中國電子首席科學家、中國電子雲總工程師朱國平。圖/受訪者供圖
國產GPU芯片需要在實際套用中叠代
AI給算力提出哪些新需求？朱國平表示，傳統計算以CPU為主，AI出現後計算以GPU為主，這導致算力基礎設施在網路頻寬、組網、儲存、算力排程模式等方面都發生了變化。
以儲存為例，朱國平解釋稱，儲存以前是CPU存取儲存，現在變成GPU直接存取儲存。他將原因解釋為：AI訓練要求更快的計算速度，從而降低訓練時間，這要求數據存取加速儲存和輸入。他表示，算力排程與數據關系變得密切也是為了滿足AI訓練效率要求。
他提出，AI還帶來更多的安全領域的變化，「以往更多集中在平台安全以及數據安全層面，如今也要關註大模型本身的安全及其內容的合規性。」他認為，基於雲原生和AI原生打造的新質算力基礎設施相對安全，審查數據存取也能給內容安全提供一定保證。
「國產算力歸根結底還是芯片生產和制造能力問題。」朱國平說。他認為，芯片制造產業鏈得到發展，大部份問題都將迎刃而解。
他表示，GPU芯片並非剛生產出來就是成熟穩定的，需要在實際使用過程中發現和解決問題，例如套用到國產大模型中去發現需要最佳化的指標，不斷叠代，才能夠繼續大批次生產和使用。「輝達的成熟芯片也是一代代發展過來的，國產芯片也需要經歷這樣的過程。」
此外，他認為，國產GPU的軟體生態對國產算力發展也有所限制。
「國產GPU芯片還處於初期階段，大多數機構芯片的實際使用規模有限。」朱國平說。同時他表示，國內芯片生產制造能力總體來看仍有所突破，例如華為的手機、GPU芯片，「生產突破也需要時間積累」。
算力 解決 能耗 問題 將降 低成本
3月29日，北京亦莊宣布點亮3000P規模的人工智慧公共算力平台，中國電子雲是該計畫總整合方。據【北京市促進通用人工智慧創新發展的若幹措施】，北京還將加快推動海澱區、朝陽區建設北京人工智慧公共算力中心、北京數位經濟算力中心。
「算力設施3分靠建設，7分靠營運」，如何更好營運上述算力設施？朱國平認為，首先需要找到本地算力需求方。其次需要算力設施提供良好的軟體生態，讓套用很快「跑起來」，模型能夠快速投入工作。
「第三需要提升算力內部利用率。」朱國平表示，不同套用使用同一GPU時，會進行統一分割，剩下部份一旦沒有利用起來就會出現浪費，「例如按照每個套用1/10來分割，最後可能剩下1/10，此時出現另一個需要1/5的新套用，這1/10就無法使用。」
此外，他認為提高算力基礎設施營運效率還需要降低算力能源消耗。如何促進算力能源消耗問題解決？朱國平表示，首先需要更多清潔能源，其次是透過技術途徑提升能源利用率，例如液冷這一冷卻技術。
「解決算力能源消耗問題，同時也能降低AI或算力成本。」朱國平說。他認為，發展京津冀等區域算力集群的原因之一也是解決算力能源消耗問題。
2023年5月，北京市釋出【促進通用人工智慧創新發展的若幹措施】，從組織商業算力、新增算力基礎設施建設、建設統一的多雲算力排程平台三個方面對北京算力資源統籌供給能力提出要求。
同年10月，北京經信局印發【人工智慧算力券實施方案（2023—2025年）】，為北京大模型企業提供算力補貼支持。2024年3月29日，北京亦莊釋出【北京經濟技術開發區關於加快打造AI原生產業創新高地的若幹政策】，表示每年發放1億元算力券，為人工智慧企業大模型套用研發提供充足算力支持。另外還將每年發放1億元模型券，對購買技術自主可控基座大模型的企業予以補貼。
對於政策支持，朱國平表示，它們讓AI創業公司能夠以相對普惠的方式獲得算力資源，促進AI企業研發出促進行業發展的殺手級套用。「不是每個AI創業公司，都有能力維護算力這一復雜的基礎設施。」
他認為，AI的套用價值更多在於改造傳統行業，提升傳統行業效率，促進傳統行業整體發展，「就像互聯網一樣，只是生成圖片或視訊的技術沒有完全解放人的生產力」。
據朱國平觀察，AI與醫療、教育、軍事等垂直領域的結合剛起步，成熟發展仍需要一個過程。「智慧算力產業最終還是需要先把產業發展起來。」
新京報貝殼財經記者 韋英姿
編輯 韋博雅
校對 盧茜
