在12月13日召開的第二屆數據安全治理年會上，中國工程院院士鄭緯民表示，我國人工智能基礎設施亟待優(yōu)化，應從軟硬件兩方面突破瓶頸。

我國人工智能產業(yè)面臨軟硬件兩方面瓶頸

在會上，鄭緯民提出了算力“三大定律”：人類已經進入以算力為核心生產力的數字經濟時代，算力就是生產力，這是“時代定律”；當下，算力每12個月就增長一倍，算力資源增速顯著，已經打破摩爾定律，這是“增長定律”；算力每投入1元，就帶動3~4元GDP經濟增長，這是“經濟定律”。

近年來，我國人工智能產業(yè)發(fā)展呈指數級增長。鄭緯民表示，預計到2025年，中國人工智能產業(yè)規(guī)模將超過4500億元，帶動產生間接經濟效益超1.6萬億元。

鄭緯民直言，我國人工智能產業(yè)正面臨著軟件、硬件兩方面的瓶頸。

從硬件角度看，一方面，我國國產芯片產量不足。鄭緯民表示，2021年，我國人工智能服務器芯片總用量100萬片，其中，美國英偉達市場份額高達95%左右。

從軟件角度看，我國在算法等技術方面發(fā)展仍然有所欠缺，當前，谷歌和Meta的人工智能算法開發(fā)框架占中國人工智能市場份額的90%以上。

鄭緯民坦言，要解決當下面臨的問題，一是營造完善的人工智能服務器硬件生態(tài)，二是優(yōu)化人工智能大模型基礎設施架構。

“4個平衡”優(yōu)化大模型基礎設施

鄭緯民強調，在設計大模型基礎設施時，要思考“4個平衡”的優(yōu)化問題。

一是半精度運算性能與雙精度運算性能的平衡設計。在計算機系統(tǒng)的內存中，半精度、單精度和雙精度是決定數據計算精確度的度量標準，雙精度比半精度更精密，但同時要占據更多存儲空間。鄭緯民提出，大模型設計中不僅要考慮16位的半精度運算性能，還要考慮支持64位的雙精度運算。他表示，最優(yōu)的雙精度與半精度運算性能比為1:100。

二是網絡平衡設計。鄭緯民指出，在網絡設計方面，高帶寬、低延遲的網絡是極大規(guī)模預訓練模型運行的必要條件?！霸谟柧氝^程中，我們采用數據并行、模型并行和專家并行三種不同的并行方式，但這三種方式對互聯(lián)有不同的要求?！编嵕暶癖硎?，“只有把通信做好，大模型才能順暢跑通?！?/span>

三是體系結構感知的內存平衡設計。通俗而言，大模型在訓練過程中使用的大量數據會產生大量的內存訪問請求；對內存平衡的優(yōu)化，目的是提升模型訪存性能，從而提高模型訓練效率。

四是輸入輸出子系統(tǒng)平衡設計。鄭緯民指出，機器在執(zhí)行大規(guī)模訓練任務時，發(fā)生硬件、軟件錯誤在所難免。針對這樣的情況，容錯檢查點成為了大模型訓練中的一道“保險閘”。容錯檢查點設置不足，會導致模型訓練效率降低；檢查設置過于頻繁，則會浪費大量時間和存儲空間。因此，優(yōu)化檢查點存儲在大模型訓練中的重要性不言而喻。

“以上四點平衡的問題得到解決，AI大模型將實現快速發(fā)展。”鄭緯民總結道。

（來源：中國電子報）