作者｜周雅

如果不是在今年這屆WAIC2023(世界人工智能大會(huì))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(dá)30余個(gè)，僅被拿來對標(biāo)“ChatGPT”的國產(chǎn)大語言模型，就包括：

清華大學(xué)計(jì)算機(jī)系知識(shí)工程實(shí)驗(yàn)室的千億參數(shù)中英文對話模型ChatGLM-130B、復(fù)旦大學(xué)自然語言處理實(shí)驗(yàn)室的MOSS、百度“文心一言”、阿里巴巴“通義千問”、科大訊飛星火認(rèn)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(dāng)然，這些也還只是冰山一角，據(jù)不完全統(tǒng)計(jì)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(dǎo)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(jì)過，深度學(xué)習(xí)出現(xiàn)之前，用于AI訓(xùn)練的算力增長大約每20個(gè)月翻一番；之后，用于AI訓(xùn)練的算力大約每6個(gè)月翻一番；2012年后，全球頭部AI模型訓(xùn)練算力需求更是加速到每3個(gè)月至4個(gè)月翻一番，即平均每年算力增長幅度達(dá)到驚人的10倍；目前大模型發(fā)展如火如荼，訓(xùn)練算力需求有望擴(kuò)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(jì)算業(yè)務(wù)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(shí)驗(yàn)室主任高文在WAIC2023期間指出，“算力也是數(shù)字經(jīng)濟(jì)發(fā)展的一個(gè)指數(shù)，算力夠，數(shù)字經(jīng)濟(jì)就能發(fā)展好；反之，就發(fā)展不好。”他還援引清華大學(xué)的一份2022年咨詢報(bào)告佐證觀點(diǎn)，“算力指數(shù)和GDP成正比，算力越強(qiáng)，GDP就越強(qiáng)。”

這意味著，如果按照先前機(jī)構(gòu)預(yù)測的“AIGC到2030年將創(chuàng)造一個(gè)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(jià)比的算力。

一個(gè)龐大的萬卡“算力工廠”

眾所周知，訓(xùn)練AI算法需要用到大量GPU算力資源，那么大模型時(shí)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(gè)行之有效的方案是，既然單個(gè)服務(wù)器難以滿足計(jì)算需求，那么為何不集中火力辦大事，可以將多個(gè)服務(wù)器連接成一臺(tái)“超級計(jì)算機(jī)”，而這臺(tái)超級計(jì)算機(jī)，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(tái)。時(shí)至今日，華為把昇騰AI打造成了一個(gè)算力集群，它集結(jié)了華為云、計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)、能源的綜合優(yōu)勢。華為的理念是“DC as a Computer”，相當(dāng)于把AI算力中心當(dāng)成一臺(tái)超級計(jì)算機(jī)來設(shè)計(jì)。

2019年，華為發(fā)布Atlas 900 AI訓(xùn)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(jì)劃，到今年底或明年初做到16000張卡，成為業(yè)界首個(gè)萬卡的AI集群。

華為昇騰計(jì)算業(yè)務(wù)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(gè)場景是定制化的，導(dǎo)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(qiáng)、可以很好去賦能各行業(yè)。“我們在那時(shí)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(jì)算方式。”所以，昇騰AI迭代到萬卡集群，目的是讓大模型訓(xùn)練越來越快。

萬卡集群相當(dāng)于什么概念？以1750億參數(shù)量的GPT-3模型訓(xùn)練為例，使用單張英偉達(dá)V100顯卡，訓(xùn)練時(shí)長預(yù)計(jì)要288年；8張V100顯卡的訓(xùn)練時(shí)長預(yù)計(jì)要36年；512張V100的訓(xùn)練時(shí)長接近7個(gè)月；而1024張A100的訓(xùn)練時(shí)長，可以減少到1個(gè)月。

按照華為的評估，訓(xùn)練一個(gè)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(shí)1天，在16000張卡的集群下可以縮短到半天完成訓(xùn)練。“就像寫代碼一樣，敲一個(gè)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(qiáng)調(diào)，“昇騰AI集群目前可以提升10%以上的大模型訓(xùn)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(xùn)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(shí)現(xiàn)了翻倍；原生孵化和適配30多個(gè)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(dú)立軟件開發(fā)商）、聯(lián)合推出2500多個(gè)行業(yè)AI解決方案；此外，昇騰AI集群已支撐全國25個(gè)城市的人工智能計(jì)算中心建設(shè)，其中7個(gè)城市公共算力平臺(tái)入選首批國家“新一代人工智能公共算力開放創(chuàng)新平臺(tái)”，算力規(guī)模占比90%；同時(shí)，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(xùn)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(jī)遇之海，華為主要走了三條路徑：

其一，算力領(lǐng)域，從單點(diǎn)算力到集群算力，打造強(qiáng)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(jiān)持開源開放，來做強(qiáng)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(xué)、研、用的合作。
其三，生態(tài)領(lǐng)域，推動(dòng)昇騰AI服務(wù)從通用大模型到行業(yè)大模型，推動(dòng)AI“走深向?qū)?rdquo;。這部分目標(biāo)是千行百業(yè)。

大模型落到實(shí)處

與華為的三條AI發(fā)展路徑相對應(yīng)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(shí)候，一個(gè)相對細(xì)分的行業(yè)大模型就被注意到了。

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

要知道，一架飛機(jī)在飛行過程中50%的阻力來自于翅膀，所以如何造出一個(gè)滿足飛機(jī)飛行要求的機(jī)翼，是非常重要的。根據(jù)中國商用飛機(jī)有限責(zé)任公司科技委常委、遠(yuǎn)程寬體客機(jī)總設(shè)計(jì)師陳迎春的介紹，目前大型客機(jī)的設(shè)計(jì)主要采用三種手段：數(shù)值仿真模擬、風(fēng)洞實(shí)驗(yàn)和飛行實(shí)驗(yàn)，這三種互為補(bǔ)充。

但其中「數(shù)值仿真模擬」耗時(shí)長、成本高，是飛機(jī)設(shè)計(jì)的一大瓶頸；而「飛行實(shí)驗(yàn)」和「風(fēng)洞實(shí)驗(yàn)」也很費(fèi)錢，所以傳統(tǒng)的數(shù)值模擬方法算不動(dòng)、算不快。要解決這個(gè)問題，唯有用到AI技術(shù)。

“東方·翼風(fēng)”大模型因?yàn)橛蠥I的加持，實(shí)現(xiàn)了效率、精度、模型、場景四個(gè)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(dòng)劇烈變化區(qū)域特征進(jìn)行精細(xì)捕捉，比如在飛機(jī)巡航階段的機(jī)波現(xiàn)象，提升了模型的預(yù)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(jìn)一步剖析商飛的“東方·翼風(fēng)”大模型，它有兩個(gè)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(jì)思路、專家經(jīng)驗(yàn)、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(dāng)技術(shù)的觸角深入應(yīng)用到各個(gè)行業(yè)場景里，帶來整個(gè)商業(yè)系統(tǒng)的健康運(yùn)轉(zhuǎn)，進(jìn)而帶動(dòng)產(chǎn)業(yè)高質(zhì)量發(fā)展。在這個(gè)過程中，技術(shù)廠商和行業(yè)廠商各司其職、互補(bǔ)共生。

“整個(gè)產(chǎn)業(yè)是有分工的，昇騰主要是做好算力，不會(huì)去碰大模型。”張迪煊在采訪中也強(qiáng)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(diǎn)卻應(yīng)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(huì)拿L1的模型去做金融大模型，然后結(jié)合一些細(xì)分場景需要（比如精準(zhǔn)營銷的、風(fēng)險(xiǎn)風(fēng)控的、智能客服的）再去做一個(gè)場景大模型。這是一個(gè)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(huì)快速造模型，另一方面會(huì)快速搶占格局，但之后形勢會(huì)有所收斂。

當(dāng)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(gè)行業(yè)的痛點(diǎn)是大模型研發(fā)周期長、部署門檻高、業(yè)務(wù)安全性等。為了解決這個(gè)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(xùn)推一體化解決方案，通過共同設(shè)計(jì)、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(xùn)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(shí)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(xùn)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。