人工智能热潮背后：如何应对算力压力？

7月6日，2023世界人工智能大会在上海举办。以ChatGPT为代表的新兴AI应用带动了算力需求“爆发式”增长，算力短缺的矛盾也变得越发突出。未尽研究创始人周健工，联想集团副总裁、ISG中国服务器事业部总经理陈振宽，申万宏源证券研究董事总经理、TMT部门总监及首席分析师刘洋三位嘉宾就此共同展开了讨论。

主持人：这个世界跟人工智能的关系越来越深刻，尤其身处世界人工智能大会的现场，你会明显感受到人工智能世界何等丰富，发展有多发展。今天我们要找一个专门切入点叫“算力”。

我们都知道，数据、算法、算力是敲开AI大门的三把钥匙，如果说数据是其中生产资料的话，生产力就是算力，生产关系就是其中一些算法。我们今天具体要来说一下跟算力有关，我们演播室请来三位嘉宾，分别是未尽研究创始人周健工，申万宏源证券研究董事总经理、TMT部门总监及首席分析师刘洋，还有联想集团副总裁、ISG中国服务器事业部总经理陈振宽。我们和三位嘉宾一起，围绕算力深入探讨。

AI有惊喜，算力引焦虑

主持人：算力是推进AI往前发展的重要动能之一。大家都知道各大平台现在都在出各种各样大模型，大模型需要训练，到应用阶段对算力的要求更是无穷无尽的，所以，算力发展的现状怎样、未来趋势如何，算力的缺口有多大、有什么样的解决方案，就是我们今天要和各位嘉宾一起聊到的。

先想和各位嘉宾聊一聊，您觉得据您观察现在人工智能世界到底发展到什么样的程度，给你的惊喜是什么？

周健工：我觉得AI最大惊喜就是在一些完成任务上，比如说对话，我们一直在说图灵测试，这是我第一个感受。第二个感受大家都在谈通用人工智能，以前觉得是相当科幻的概念，现在我记得GPT4出来之后，微软科学家做了一个测试，那篇论文业内大家看得很多了，标题是通用人工智能的火花。我觉得这个比喻比较贴切，我们看到一个火花但是还是处于通用人工智能比较早期阶段。

陈振宽：ChatGPT现在用的是ChatGPT3.5的技术，大概是1750亿的参数，大家可能有一些相关资料显示，人的大脑神经元大概是在800亿到1000亿之间，大脑皮层神经元在100亿级别。在800亿到1000亿这样一个参数实际上跟人的神经元数量是非常相似的，所以也是大参数、大模型。到了1750亿级别的时候，人工智能不止是我们训练它，它根据我们训练去学习、去成长，更重要是它会自己学习、自己进化。所以，在今天深层次AI技术爆发的时候，大家发现一下子大门打开了。

刘洋：AI的整个复杂度大了很多。小模型精度很高，通用性、智能性弱一些；大模型有可能精度不用那么高，但是智能性高很多。所以对我们来讲，最大的痛苦不光是横向扩的很多，关键是可能性多了，究竟是用大模型还是小模型，用以前的还是组合的，或是垂类的。这些问题都会让我们焦虑，需要用的东西太多了。所以我觉得人工智能2C、2B的应用，带来今天算力焦虑这个话题，其实都会变得比较复杂，这是我们目前已经看到的情况。

主持人：如果应用到了让每一个人都便捷的程度，现有算力背后能不能支持，这中间还有什么缺口？在过去一段时间大模型发展过程当中，如何突破算力落差的瓶颈？

周健工：其实大模型是每18个月是它的规模是增长35倍，但是摩尔定律是每18个月增长2倍，这是一个速度上的落差。第二，我们也看到国外有些大型企业不同业务部门之间，也在争抢算力，从这一点上说中国也存在。

主持人：算力落差就是因为芯片落差吗？今年英伟达生意很好供不应求，买不到芯片是不是意味着差距就特别明显？

陈振宽：这一定是其中一个影响因素，但我看到另外一个因素。刚才讲到，我们的大参数里面跟人的神经元数量一样，但这个算力所消耗的功耗跟人的大脑所消耗的功耗，完全不是一个数量级。要支撑这么大的算力，功耗的要求是非常高的。我们需要研究，当我们的算力不断增长的时候怎么解决功耗的问题，如何实现碳达峰要求。所以在技术上，我们可能要考虑是否能够从现在风冷的散热变成液冷散热，是不是能够有一些更好条件来支撑我们算力不断增长，但是功耗仍然控制在我们的星球所能承受范围之内。这是我们未来要考虑的另外一个因素，即除了做算力竞赛以外，可能还要考虑如何在节能减排方面有更好更优方案。这个方面做得好了，我相信即便有落差，我们总有一天也能迎头赶上。

算力发展仍在“热身阶段”

主持人：我们目前算力市场整体发展到什么程度，够用吗？

周健工：我只能大面讲，陈总是专家。我自己觉得总量上，中国和国外国家不相上下，在普通算力、智能算力、超算总量上不相上下。甚至有一些中国还占优势，比如说智能算力。但是在这一轮跟大模型和人工智能相关算力上，中国是存在比较大的落差。另外一块当然从企业做数据中心、云计算这一块，中国企业跟国际头部有比较明显的差距。第三方面，我们现在处在一个模型训练算力比较紧缺，但是将来如果是生成人工智能发展普及比较快，将来会更多是应用更广，对推理需求是更高的，其实对算力时延要求更高。所以我们希望到那时候，整个算力发展能满足这些需求。

主持人：陈总作为专业人士作为联想专业人士，您是如何来解读算力目前缺口大还是未来缺口大？

陈振宽：我们把人工智能的算力当成一种赛事的话，这个比赛才刚开始。今天很多企业在这场赛事里面参赛，实际上都是早期阶段做了基础准备。现在在热身或者是刚进入热身阶段的企业，它们在大模型的投入上已经是按照百亿人民币投入的。但是要真正去训练好大模型，这还有很多工作要做，我相信这是要持续进行投入的地方。

以联想来说，我们自己不会参与到大模型赛道，不会去做去训练大模型，但是我们为所有搭建和训练大模型的企业去提供基础设施和服务，比如说提供GPU服务器，人工智能服务器。以前，如果不是人工智能服务器，一个通用服务器的研发投入大概是两千万人民币，但是做GPU、人工智能服务器投入是需要通用计算五倍，是按亿作为计算的。除了更加复杂以外，里面还要考虑刚才提到的散热、更快联接速度等很多要素。所以在技术上的投入是非常庞大的。另外，在未来训练完以后要开始做推理，推理用于各种场景无处不在，边缘甚至个人，这个对算力要求仍然会持续增加。所以，如何在这样的场景中持续进行优化，以更加普慧的能力去提供未来整体人工智能相关的产业理论服务，这是我们持续要考虑的地方。

所以，路还很长。

主持人：我刚才咨询了微软投OpenAI开发出的ChatGPT，其实背后微软数据中心建设就跟联想有很大关系。具体情况是怎样的？

陈振宽：联想是一家全球化走得比较早、做得也比较成功的一家中国企业，我们海外业务占了差不多3/4左右。微软是我们海外客户的一个代表。我们还有很多微软这样非常优秀的客户。我们在全球大概有7个生产制造基地，有10个研发中心。我们也希望，能够在未来积极参与到国内人工智能的服务当中，服务好我们的客户。

主持人：从资本市场来看，这个细分的行业当中再细分有哪些投资机会？。

刘洋：一方面很明显我们的机架里面包括服务器要升级，其中AI渗透率我感觉会慢慢达到50%是有可能，价格量价齐升。还有很多工程设计问题，液冷、风冷、散热等等各种各样的，以及相关的光器件、光模块。其实我们还有一些市场还没有特别注意。比如说很有可能我们现在超算数据中心里面，专门针对科学或者一些蛋白质分子生成或者是气象预测，这种东西是由于以前算力不具备，我们就没有办法衍生，但是可以大大提升科研和学术的下限，把很多很难测的东西变成可能。总之我现在觉得，至少是AI芯片、服务器，光器件、光模块，封装测试技术和芯片架构，相应的一些AI应用都会有很大机会。现在市场基本上是注意到了AI服务器、芯片和光器件，后面还有一些没有特别注意，而且周期和机会可能会反复来袭。

普慧算力建设正当时

主持人：中国算力基础设施，在全球竞赛建设当中是处于一个什么样的位置？

陈振宽：联想是一个服务提供商，是这个赛道上面帮助做大模型搭建算力提供商。从我们自身来看，联想今天在全球的服务器厂商当中现在是全球前三，前两名是两个美国企业，中国企业排在全球市场也排最前面。我们也希望，未来能够更好地投身在国内所有的人工智能算力建设过程中，能够更多赋能我们国内企业，能够给他们提供更大的助力。

主持人：提到赋能更多企业，我注意到联想提供一个普慧算力新的主张。普慧算力具体指什么？

陈振宽：普慧算力把它解读拆开来一个是普适（Inclusive），一个是智慧（Intelligent），在普适里面我们提出三个A。一个是（Affordable）人人可得，一个是（Available）人人可用，一个是（Adaptable）人人适用，这是普适的意思。另外对于智慧来说，我们对智慧的理解应该是说他能够去自己去适应（Self-adapting），自己的学习（Self-learning），自己的进化（Self-evolving），所以这是三个S，三个A，三个S，我们对普慧算力的解读。我们希望，普慧算力最要能帮助到我们国家产业升级，其次帮助我们各个企业去实现数智化转型，最终惠及到每一个人。

主持人：周总，您觉得未来对于民众来说普慧算力需求有多大？

周健工：我觉得很大，我自己有一个观点，我认为将来现在往手机端部署，消费级GPU也可以去跑一个模型了，自己手机就下载了。其实我觉得将来很可能手机上每一个APP都是一个模型。我们可以走着瞧。包括现在设备端芯片，整个架构芯片，都是围绕生命智能、人工智能的部署在发生。普慧的意义，就是每一个人都可以用。

主持人：如何实现真正的实惠？

陈振宽：我相信这是一个要持续要去做的工作。今天单位的算力成本，在五年前、十年前看是无法想像的，但是今天通过科技的发展确实达到了。我们对未来的展望，一定会跟随技术的进化，技术的迭代，技术的创新。我们相信，最终到每一个人看算力就好像你在使用电力一样时，你不会感觉到他的存在，甚至也不会为支付这个电的成本感觉到你有巨大支出存在，以后算力也一样。