作者｜周雅

如果不是在今年這屆WAIC2023(世界人工智能大會)的現(xiàn)場，你很難一次性看到這么多大模型扎堆。據(jù)悉此次參展的大模型多達30余個，僅被拿來對標“ChatGPT”的國產(chǎn)大語言模型，就包括：

清華大學計算機系知識工程實驗室的千億參數(shù)中英文對話模型ChatGLM-130B、復旦大學自然語言處理實驗室的MOSS、百度“文心一言”、阿里巴巴“通義千問”、科大訊飛星火認知大模型、商湯商量中文語言大模型、云知聲山海大模型等之多。當然，這些也還只是冰山一角，據(jù)不完全統(tǒng)計來看，國內(nèi)大模型用“群模大戰(zhàn)”來形容也毫不夸張。

國產(chǎn)大模型的頃刻爆發(fā)，也導致算力的需求前所未有，增長曲線陡峭。有數(shù)據(jù)專門統(tǒng)計過，深度學習出現(xiàn)之前，用于AI訓練的算力增長大約每20個月翻一番；之后，用于AI訓練的算力大約每6個月翻一番；2012年后，全球頭部AI模型訓練算力需求更是加速到每3個月至4個月翻一番，即平均每年算力增長幅度達到驚人的10倍；目前大模型發(fā)展如火如荼，訓練算力需求有望擴張到原來的10到100倍。

“過去兩年內(nèi)，大模型帶來了750倍的算力需求增長，而硬件的算力供給增長僅有3倍。”華為昇騰計算業(yè)務總裁張迪煊在采訪中，道出大模型增長與算力供給之間的不平衡現(xiàn)狀。換言之，其中存在超過兩百倍的算力缺口。

甚至，中國工程院院士、鵬城實驗室主任高文在WAIC2023期間指出，“算力也是數(shù)字經(jīng)濟發(fā)展的一個指數(shù)，算力夠，數(shù)字經(jīng)濟就能發(fā)展好；反之，就發(fā)展不好。”他還援引清華大學的一份2022年咨詢報告佐證觀點，“算力指數(shù)和GDP成正比，算力越強，GDP就越強。”

這意味著，如果按照先前機構(gòu)預測的“AIGC到2030年將創(chuàng)造一個萬億級的市場規(guī)模”，那么對于國產(chǎn)大模型來說，眼下最關(guān)鍵是找到高可靠性、高性價比的算力。

一個龐大的萬卡“算力工廠”

眾所周知，訓練AI算法需要用到大量GPU算力資源，那么大模型時代下，如何才能把可用的算力資源，變成好用的算力資源？

業(yè)內(nèi)一個行之有效的方案是，既然單個服務器難以滿足計算需求，那么為何不集中火力辦大事，可以將多個服務器連接成一臺“超級計算機”，而這臺超級計算機，就是算力集群。

以華為舉例。2018年，華為對外發(fā)布AI戰(zhàn)略，開始打造昇騰AI技術(shù)軟件平臺。時至今日，華為把昇騰AI打造成了一個算力集群，它集結(jié)了華為云、計算、存儲、網(wǎng)絡(luò)、能源的綜合優(yōu)勢。華為的理念是“DC as a Computer”，相當于把AI算力中心當成一臺超級計算機來設(shè)計。

2019年，華為發(fā)布Atlas 900 AI訓練集群，由數(shù)千顆華為自研的昇騰910 AI芯片構(gòu)成，從今年6月可支持4000張卡，到目前已經(jīng)可支持8000張卡。而華為在WAIC期間宣布計劃，到今年底或明年初做到16000張卡，成為業(yè)界首個萬卡的AI集群。

華為昇騰計算業(yè)務總裁張迪煊

為何打造算力集群？

張迪煊在采訪中解釋說，過去的小模型，每個場景是定制化的，導致開發(fā)成本高、變現(xiàn)能力差；大模型出現(xiàn)后，模型的泛化性越來越好、能力越來越強、可以很好去賦能各行業(yè)。“我們在那時候判斷，AI若要發(fā)展，必然要走向大模型+大算力+大數(shù)據(jù)的計算方式。”所以，昇騰AI迭代到萬卡集群，目的是讓大模型訓練越來越快。

萬卡集群相當于什么概念？以1750億參數(shù)量的GPT-3模型訓練為例，使用單張英偉達V100顯卡，訓練時長預計要288年；8張V100顯卡的訓練時長預計要36年；512張V100的訓練時長接近7個月；而1024張A100的訓練時長，可以減少到1個月。

按照華為的評估，訓練一個1750億參數(shù)、100B數(shù)據(jù)的GPT-3模型，在8000張卡的Atlas 900 AI集群下需要耗時1天，在16000張卡的集群下可以縮短到半天完成訓練。“就像寫代碼一樣，敲一個鍵盤，這些文件就出來了。”張迪煊形容道。

“中國有一半左右的大模型創(chuàng)新，目前都是由昇騰AI來支持的。”華為輪值董事長胡厚崑在WAIC2023期間強調(diào)，“昇騰AI集群目前可以提升10%以上的大模型訓練效率，提高10倍以上的系統(tǒng)穩(wěn)定性，支持30天不中斷的長期穩(wěn)定訓練。”

胡厚崑還公布了昇騰AI過去一年來的成績單：開發(fā)者數(shù)量從90萬到180多萬，實現(xiàn)了翻倍；原生孵化和適配30多個10億以上的大模型，占國產(chǎn)大模型的一半；目前已發(fā)展30多家硬件伙伴、1200多家ISV（獨立軟件開發(fā)商）、聯(lián)合推出2500多個行業(yè)AI解決方案；此外，昇騰AI集群已支撐全國25個城市的人工智能計算中心建設(shè)，其中7個城市公共算力平臺入選首批國家“新一代人工智能公共算力開放創(chuàng)新平臺”，算力規(guī)模占比90%；同時，已有23家企業(yè)推出昇騰AI系列新品，覆蓋云、邊、端智能硬件，一同提升大模型開發(fā)、訓練、微調(diào)、部署的效率。

這里我們梳理一下，面向AI這片前景廣闊的機遇之海，華為主要走了三條路徑：

其一，算力領(lǐng)域，從單點算力到集群算力，打造強有力的算力底座。這部分主要基于昇騰AI。
其二，產(chǎn)業(yè)領(lǐng)域，堅持開源開放，來做強昇騰人工智能產(chǎn)業(yè)生態(tài)。這部分主打的就是政、產(chǎn)、學、研、用的合作。
其三，生態(tài)領(lǐng)域，推動昇騰AI服務從通用大模型到行業(yè)大模型，推動AI“走深向?qū)?rdquo;。這部分目標是千行百業(yè)。

大模型落到實處

與華為的三條AI發(fā)展路徑相對應的，是公眾圍繞“大模型”的關(guān)注度變化，從早期的“是什么”“為什么”轉(zhuǎn)而開始關(guān)心“怎么用”，換句話說，此刻更多人開始關(guān)心“大模型真正能發(fā)揮作用的場景在哪里”。

這時候，一個相對細分的行業(yè)大模型就被注意到了。

“東方·翼風”，是由中國商飛上海飛機設(shè)計研究院開發(fā)的三維超臨界機翼流體仿真大模型，能高精度模擬大飛機全場景飛行狀況，而且用時僅為原來的千分之一，相當于將大飛機三維翼型設(shè)計速度提升1000倍，縮短了商用大飛機的研發(fā)周期。

要知道，一架飛機在飛行過程中50%的阻力來自于翅膀，所以如何造出一個滿足飛機飛行要求的機翼，是非常重要的。根據(jù)中國商用飛機有限責任公司科技委常委、遠程寬體客機總設(shè)計師陳迎春的介紹，目前大型客機的設(shè)計主要采用三種手段：數(shù)值仿真模擬、風洞實驗和飛行實驗，這三種互為補充。

但其中「數(shù)值仿真模擬」耗時長、成本高，是飛機設(shè)計的一大瓶頸；而「飛行實驗」和「風洞實驗」也很費錢，所以傳統(tǒng)的數(shù)值模擬方法算不動、算不快。要解決這個問題，唯有用到AI技術(shù)。

“東方·翼風”大模型因為有AI的加持，實現(xiàn)了效率、精度、模型、場景四個層面的突破：第一，在效率方面，用AI模型代替?zhèn)鹘y(tǒng)Navier-Stokes方程求解，大幅提升了全局仿真效率。第二，在精度方面，對流動劇烈變化區(qū)域特征進行精細捕捉，比如在飛機巡航階段的機波現(xiàn)象，提升了模型的預測精度。第三，在模型方面，建立大數(shù)據(jù)樣本下模型組件化與分布式并行能力，大幅提升了新模型研發(fā)效率。第四，在場景方面，建立了流體到AI的數(shù)據(jù)統(tǒng)一映射，適用汽車、高鐵等多種仿真場景。

如果進一步剖析商飛的“東方·翼風”大模型，它有兩個必備條件：其一，大模型的技術(shù)底座，這部分來自華為的昇騰AI；其二，流體領(lǐng)域的設(shè)計思路、專家經(jīng)驗、行業(yè)數(shù)據(jù)，這部分是商飛的范疇。

從這里可見大模型的發(fā)展邏輯：當技術(shù)的觸角深入應用到各個行業(yè)場景里，帶來整個商業(yè)系統(tǒng)的健康運轉(zhuǎn)，進而帶動產(chǎn)業(yè)高質(zhì)量發(fā)展。在這個過程中，技術(shù)廠商和行業(yè)廠商各司其職、互補共生。

“整個產(chǎn)業(yè)是有分工的，昇騰主要是做好算力，不會去碰大模型。”張迪煊在采訪中也強調(diào)。

如何打通 “最后一公里”？

談及爆發(fā)式增長的大模型，張迪煊坦言，如今雖是“百模大戰(zhàn)”，但未來重點卻應該是各有分工。

其中，L0通用大模型只有一部分大廠能“燒”得起，更多企業(yè)做的是L1行業(yè)大模型，還有一部分在做場景大模型。比如金融行業(yè)，由于L0缺乏行業(yè)屬性，因此一些企業(yè)會拿L1的模型去做金融大模型，然后結(jié)合一些細分場景需要（比如精準營銷的、風險風控的、智能客服的）再去做一個場景大模型。這是一個產(chǎn)業(yè)趨勢。

在張迪煊看來，大模型的商業(yè)競爭即將開啟，大家一方面會快速造模型，另一方面會快速搶占格局，但之后形勢會有所收斂。

當有了大算力、大模型，如何打通行業(yè)落地最后一公里？

目前，整個行業(yè)的痛點是大模型研發(fā)周期長、部署門檻高、業(yè)務安全性等。為了解決這個難題，華為與面壁智能、智譜AI、科大訊飛、云從科技四家伙伴共同發(fā)布大模型訓推一體化解決方案，通過共同設(shè)計、聯(lián)合開發(fā)、協(xié)同上市、持續(xù)迭代，為行業(yè)客戶提供“開箱即用”的大模型一體化解決方案。

“客戶只需選擇合適的大模型，輸入行業(yè)數(shù)據(jù)，即可以完成大模型的訓練、微調(diào)、推理的全流程。”張迪煊指出，“華為做到了在精度小于千分之五的范圍內(nèi)，實現(xiàn)20倍以上的模型壓縮，幫助大模型壓縮后用到場景中，降低部署難度和開發(fā)成本。”

“昇騰AI支持了中國近一半的原創(chuàng)大模型，也是目前國內(nèi)唯一完成千億參數(shù)大模型訓練并商用的系統(tǒng)。”，張迪煊最后看似輕松的給出這樣一組數(shù)字。