迎接AIGC浪潮 算力变革“在路上”

集微网报道（文/李映）伴随着ChatGPT的爆红，大算力时代正呼啸而来，一场真正的划时代性技术变革也急行在路上。

(资料图)

数字经济学者刘兴亮在近日举办的“时代的增量——AIGC浪潮与算力变革”主题沙龙演讲中认为，大算力时代表明在当前的社会和技术发展阶段，大规模的计算资源和高级别的计算能力变得可用和普遍。大算力时代的特点在于：一是数据被广泛用于决策、优化和预测。二是AI和机器学习成为日常生活和各行各业的一部分。三是高性能计算资源变得更加可达和实用。四是新兴技术潜力开始展现，生成式Al、大数据的处理与分析、量子计算、虚拟现实和增强现实技术等，都会是大算力时代的关键创新。

毋庸置疑，“算力+AIGC”可谓数字经济未来10年发展的新引擎，当下国内诸多科技、互联网和创业公司争先恐后陷入“百团大战”。但从长远出发，一方面要考虑大模型的落地之路，另一方面需着力克服算力、算法和数据的多重挑战。一场由技术组合带来的超预期变革——美第奇效应也将在ChatGPT引发的一连串技术革新中，催生智能时代的勃兴。

大模型走向分野 落地要与垂直行业结合

目前令人眼花缭乱的大模型之争，也将在未来走向分野。

清华大学新闻学院教授、博士生导师沈阳分析，国内大模型将形成三个方向：一是以百度、阿里等为代表的巨型互联网平台公司，打造开源、平台基座型的模型持续长期巨额的投入，这是一种巨无霸式的战争。二是国产安全可控的路线，侧重于政务等领域，类似于信创。三是走向整合，未来大模型随着时间演化可能也就剩三五家，参考移动互联网时代全球操作系统只剩三家——IOS、安卓、鸿蒙，到目前为止，ChatGPT类似于IOS，Meta的LLaMA模型可看作安卓，谁将是中国的鸿蒙？

而从规模上来看，也呈现出两大相反而并行不悖的趋势。

“一是巨大模式即全模态（Bigger and Smarter)，这要求训练海量参数，提供涌现能力。未来单一模型到跨模态模型，包括视觉、音频、文本、温度等，未来还将加入触觉、嗅觉和大脑功能磁共振信号，进阶到元宇宙模型。二是小微模式即模型压缩和优化（Free and Smaller)，力争在保持较高预测准确性的同时，大幅减小模型的大小和计算成本，优化计算效率。众多行业可在开源模型基础上微调，增加垂直领域的知识，这样投入将大幅减少，开源微调也将实现大发展。”沈阳表示。

不论走向何方，落地是必然要接受的考验。中兴通讯副总裁、通讯服务器存储产品线总经理郭树波提到，AIGC可产生实际应用，且慢慢从虚向实，目前来看各行各业均在着力建设大模型。而且，大模型真要落地的投资巨大，如能结合垂直行业落地将化解这一难题。参照互联网起源于美国、繁荣于中国，如今在搜索、社交、购物等细分行业全面开花，相信大模型镜鉴这一路线不断结合垂直行业落地，将逐渐做大做强。

对此沈阳建议，从大模型产业格局走向来看，在竞争中要考量产业融合效率，即融合速度和成本与产业的关联，达到算力与数据平衡，实现多元共生。

刘兴亮也强调说，通用生成式AI更大的应用在于垂直领域，可与医疗、教育等各行各业有机结合，这是一大机遇也是创业公司的新机会，但在这一过程中不要太急功近利。

围绕内容生成，百度内容生态平台总经理宋健分享道，AI不是可选，而是创作必选，AIGC正成为内容行业新蓝海，推动内容生产的代际飞跃，这也需要硬件技术发展、生产力创新和分发技术变革的支撑，百度也将围绕这些方面持续深入布局。

数据挑战巨大 算力走向多元化

透视AI大模型的风起云涌，仍离不开数据、算力等基石，同时绿色低碳也至关重要。

郭树波认为，在数据层面，数据训练量的问题值得重视，因大模型的AI训练数量越多会越准确，相比之下国内仍有一定差距。

针对数据的演变，沈阳的看法是以往大部分数据都是人类创作出来的，可称为“碳基生命数据基本百分之百饱和度状态”。但从业界大量采用人工智能来输出内容之后，未来绝大部分数据和内容都是由AI和硅基生命产生的，这是历史的重要转折点。

除对数据要加以重视之外，还可看到算力这一底座基石的重要性。正如郭树波所言，从生产力经历的四个阶段来看，从农业时代的生产力主要是人力、到驯服了牲畜之后以后生产力进入了畜力时代，再到工业时代动力为生产力，到如今智能时代算力则成为重要的生产力，未来算力就像用水和电一样自由。

算力对经济增长的重要性从数字上也可见一斑。据悉，在算力上每投入1%能带来的价值，数字经济可以提升千分之3.3，GDP增长千分之1.8。此外，大算力时代也在催生算力基础设施建设更高的要求，尤其是服务器和存储的规模持续提升。根据IDC预测，中国服务器规模将持续增长，2022年约276亿美元到2025年将达到357亿美元。

庞大算力需求将对算力基础设施提出更高要求，“智算”需求走高，将迎来蓬勃发展。有分析说，未来发展到一定阶段，通算或被智算替代。

从目前来看，算力发展存在一些瓶颈。郭树波指出，一是算力发展不均衡，包括全球和国内分布不均衡；二是单一通用算力无法满足算力增长的快速要求。三是针对算力摩尔定律逐渐失效，过去说18个月晶体管翻一倍，但目前每12个月算力的需求就已翻番。

为应对上述挑战，郭树波分析，一方面这需要超高性能异构算力以及更多元化的算力如NPU、DPU等，GPU不会一卡通吃天下；另一方面，为了降低时延和提高带宽，超高带宽网络和存储技术将衍生出很多新技术。此外，随着低碳成为必然趋势，传统的散热方式已无法支撑，要采用新的液冷技术。

目前液冷有浸没式、冷板式、喷淋式等方向，郭树波介绍，中兴通讯的选择是冷板式液冷，因可简便实现服务器与机柜的解耦，只需将冷板替换原来的散热片，且冷板维护不影响原有的设计，PUE还可做到1.13。而浸没式液冷技术尚不成熟，存在占地面积较大且运维复杂等难题。

夯实底座 持续助力算力产业大发展

针对数字经济大算力的强劲增长，中兴通讯作为“数字经济筑路者”，凭借自身38年来深耕ICT领域的技术积累和创新成果，持续着力打造新型算力基础设施，助力算力产业高质量发展。

据介绍，中兴通讯已拥有全系列服务器及存储产品，包括通用服务器、GPU服务器、液冷服务器以，实现了同构和异构的多元化算力，同时也支持国产化CPU和GPU平台；全闪、混闪存储产品则可满足众多场景的存储需求。这些设备拥有高速交换、智能加速、高压直流、配置灵活、大存储等特性，可为5G、虚拟化、人工智能、大数据、边缘计算等提供有效支撑。

为支撑服务器运维和节省用户投资，郭树波还提到，中兴通讯在产品设计时禀承两大理念：一是“硬件模块化”，同一个2U2路机箱或者4U4路机箱可在不同的平台之间共享，差别是主板不同。二是“软件平台化”，处理器平台或BIOS尽量一致，不同的处理器平台可共享BMC，实现通用化。

在这些利器的加持下，中兴通讯的服务器和存储产品自2018年以来需求量持续增长，出货量从2.3万台攀升至2022年的24.7万台。并且，已规模化进入互联网、金融、能源、政务等行业助力数字化转型，跻身通信行业领军品牌。

特别值得一提的是，在存储领域，中兴通讯是国内真正实现自主研发的三家厂家之一。最近中兴通讯和百度还联合宣布，中兴通讯服务器将支持百度“文心一言”，为AI产品应用提供更加强劲的算力支撑。

面向未来，中兴通讯也志存高远。郭树波强调，中兴通讯将紧抓算力时代新机遇，紧跟行业趋势，持续加大投入，助力智算百花齐放，并着力降低成本，解决“智算高投入”的问题。在高密度、模块化、精细化的服务器及存储产品在内的系列算力基础设施持续进阶，致力于成为“绿色算力主力军”，助力数字经济大发展。

关键词：