(资料图)

近日，中国计算机学会（CCF）人工智能会议在新疆乌鲁木齐举行。在分论坛“见疆见昆仑·AI大模型算力前沿”上，专家学者们一致表示，大模型时代，智能算力成为“稀缺资产”，如何善用算力资源，发挥其最大效益，已经成为每个参与者必须面对的挑战。

CCF人工智能与模式识别专委会主任于剑指出，ChatGPT出现后，人们逐渐意识到，人工智能已发展成为一种新型“重工业”，其重资产特性体现在算力、数据等方面，“这种变化对人工智能领域的发展将产生深远影响。”

“与传统云计算不同，这是一个典型的超级计算场景。”CCF常务理事陈健认为，当前大模型的蓬勃发展实际上是大数据、人工智能和超级计算三种技术相互合作、共同演变的结果。

北京超级云计算中心首席技术官甄亚楠介绍，由于超级计算和大模型训练在存储技术、系统环境等方面有许多相似之处，北京超级云计算中心正在实践利用超级计算技术来处理大模型训练。他们计划在2023年底前陆续新增上线大量GPU卡，并开始引入国产芯片。

“今年上半年，英伟达相关服务器的价格基本上翻了一番。”陈健表示，大模型热潮带来旺盛的算力需求，同时硬件供应困难加剧，双重因素导致了当前的“算力荒”。

算力如此紧缺，如何才能使资源利用最大化？多位来自高校的专家学者直言，这也是当前摆在高校面前的一道难题。

“对高校而言，算力存在非常大的约束。”在西安电子科技大学教授苗启广看来，面对算力不足的现状，如何充分利用好外界提供的算力，是高校需要思考的问题。烟台大学计算机与控制学院教授王莹洁也表示，对高校来说，使用算力是需要“砸钱”的一件事。因此，高校如何更好地利用算力平台为科研服务，是当前亟待解决的问题。

高校自建算力也存在利用效率不高的问题。新疆大学信息科学与工程学院软件学院院长钱育蓉坦言，高校建设的部分算力设施因团队和项目需求的不均衡性，以及不同购买时期的型号差异，难以充分利用。当前，学院正在尝试建立统一管理的算力中心，不仅供本学院使用，也能服务其他学院和社会需求，寻求投入产出比的优化。“未来，自建算力使用费用将成为学院和社会化服务的收入来源。”

北京邮电大学计算机学院教授石川补充说，当前，科研算力仍主要采用国外的技术架构，如果迁移到国内的算力设施上，对很多场景的支持则存在不足，“很多时候，我们需要自己编写一些基础的算法库。”他表示，国产算力平台除满足用户硬件层面的需求之外，软件层面的支撑也是迫切需要解决的瓶颈问题。