浪潮信息副总裁、浪潮AI&HPC产品线总经理刘军在近日举行的量子位“MEET2023智能未来大会”上发表了主题演讲《AI新时代，智算力就是创新力》。

在该大会公布的“2022人工智能年度评选”榜单上，浪潮信息获评为“2022年度人工智能领航企业”，刘军获评为“2022年度人工智能领军人物”。

以下为刘军在MEET2023智能未来大会的演讲实录：

为什么说智算力就是创新力？

当今在人工智能前沿领域的大模型，就是在智算算力驱动下重大创新的典型，比如GPT-3，浪潮“源1.0”等等，这些大模型发展的背后是算力的极大支撑。 

我们提出用“算力当量”来对AI任务所需算力总量进行度量，单位是PetaFlops/s-day也就是PD，即用每秒千万亿次的计算机完整运行一天消耗的算力总量（PD）作为度量单位。一个任务需要多少PD的计算量，就把它视为这个任务的“算力当量”。GPT-3的算力当量是3640个PD，源1.0是2457亿的参数的大模型，它的算力当量是4095个PD。

当前元宇宙非常关注的数字人的建模和渲染方面，如果要做一个栩栩如生的人物形象的创建和渲染，以《阿丽塔：战斗天使》来举例，它平均每一帧需要花100个小时来渲染，总共这部影片的渲染计算使用了4.32亿小时的算力。

在自动驾驶领域，特斯拉创建了DOJO的智算系统，用于感知模型的训练和仿真。它的FSD全自动驾驶系统的融合感知模型，训练消耗的算力当量是500个PD。

在备受关注的AI+Science领域、蛋白质的结构预测、分子动力学的模拟、流体力学的仿真，它不仅融合了传统的HPC计算也融合了当今的AI计算。比如说，经常被提及的AlphaFold2，它的训练消耗的算力当量是300个PD。与此同时，为AlphaFold2训练所做的数据准备，需要花费200M CPU-hours HPC算力。

我们可以确切地认识到，今天在AI领域的众多创新背后离不开智算力的支撑，可以说智算力就是创新力。

接下来和大家来分享当前智算发展的三个重要的趋势：算力多元化、模型巨量化以及元宇宙。

算力多元化需要软硬一体的支撑平台

第一，算力多元化。Henessy和Patterson在几年前的《计算机架构的新黄金时代》中提出了特定领域的体系架构Domain Specific Architectures(DSAs)的概念，这也可以用来解释为什么今天我们会看到这么多的多元算力芯片。

在中国，市场上有十几种的CPU芯片，有将近一百种AI算力的芯片。为什么会有这样的需求？今天算力的应用场景是多元化的，不同的场景需要不同的计算精度类型和计算特征。比如说，高性能计算里面可能会需要FP64双精度计算，AI训练需要使用数字范围更大、精度低的16位浮点计算，AI推理可以使用INT8或者INT4格式。而为适应这些计算的特点，需要我们引入多元的芯片来进行支撑。如何从软件和硬件上来应对这样的挑战？浪潮信息认为，重点是从系统的硬件平台和软件角度来进行相应的创新支撑。

首先是在硬件方面的系统支持，当今AI计算用的非常多的还是采用英伟达GPU的AI服务器。但是对于其他品牌的AIPU来说，要用什么样的一个AI服务器系统来支撑呢？浪潮信息打造了全球首款开放加速的AI服务器，在一个系统里能够支持8颗国内最高性能的AI芯片进行高速互联，从而能够完成大规模的模型训练所需要的算力。芯片之间使用了开放加速的接口标准，芯片间可以进行高速通信。今天，这个系统已经可以支持多个品牌的国内最高端的GPU和AIPU，并且已经在众多的客户场景里面实现了落地。同时，它还支持先进的液冷技术，使得我们构建的AI算力集群的PUE会低于1.1。

作为智算中心的核心，如何来调度多元的算力？这是一个平台软件方面的挑战，浪潮为此推出了业界首款智算中心算力调度软件AIStation，实现了对异构AI芯片进行标准化与流程化管理，不仅能够充分发挥多元异构芯片的性能潜力，并且能够提升智算中心的整体效能。从基本的接入适配到业务应用在异构算力的使用优化，AIStation提供了完备的工具与解决方案，与传统开源方案相比，芯片接入稳定性方面提升30%，减少接入工作量90%以上。标准化、流程化也使得AIStation在芯片管理种类上达到了业界前列，已经支持了30多款国内外最顶尖的AI芯片，包括X86和ARM等CPU芯片、FPGA芯片，也包括今天应用非常广泛的GPU和AIPU，例如像英伟达的GPU系列，以及各类国产AIPU等等。

我们做了众多的实践落地，位于宿州的淮海智算中心采用全球领先的“E级AI元脑”智算架构，通过开放多元的系统架构，在底层基础设施层支持通用处理器、通用加速处理器、专用芯片、可编程芯片等，通过AIStation实现了异构算力的调度，提供FP64、FP32、FP16、INT8等多种精度的计算类型支持，并支持国内外主流的深度学习的框架、数据库、数据集以降低用户的学习成本。

大模型成为AIGC算法引擎

第二，大模型。大模型正在成为AIGC的算法引擎，今天大家看到的DALL・E或者Stable Diffusion的背后都是大模型在驱动。大模型使得AI从五年前的”能听会看”，走到今天“能思考、会创作”，下一步甚至于到“会推理、能决策”的进步。但是我们知道大模型带给我们的是在算力方面巨大的挑战。如何能够把大模型的能力交付到众多的中小企业中，帮助他们实现智能化的转型，是我们今天要去解决的重要课题，所以在这方面我们认为Model as a Service（MaaS）是比较好的一种方式。

今天，在大模型的能力加持下，AIGC，包括文本生成、文生图以及虚拟数字人等应用都会快速的进入到商业化阶段。

“源1.0”是浪潮去年推出的中文语言巨量模型，拥有2457亿参数，在众多的评测里面表现出了非常优异的成绩。团队围绕深度学习框架、训练集群IO、通信开展了深入优化，构建了面向大模型的软硬件协同体系结构，训练平台的算力效率达到45%，这遥遥领先于GPT-3、MT-NLG这样的大模型。同时，通过在AI编译器与深度学习推理框架上的优化，“源”已经实现了对多元AI芯片的支持。

下面分享几个基于“源1.0”构建的实际应用案例：

第一个案例是AI剧本杀。剧本杀是大家比较熟悉的游戏，一位开发者基于“源1.0”构建了一个AI角色来和人类玩剧本杀，玩到最后其他人类玩家都很难察觉到自己是在和AI一起玩剧本杀，因为AI在这里面所表现出来的场景理解能力、目的性对话能力是我们在传统的AI算法上面很难见到的。目前项目已经在GitHub上开源，大家感兴趣可以尝试。

第二个案例，上海一个开发者群体基于“源1.0”构建了数字社区助理，类似于给我们的居委会打造了一个教练员，通过让AI模拟来居委会咨询的居民，提升社区工作者应对居民突发状况服务的能力，这种将大模型反向应用于教培领域的案例给AI发展带来了更多想象空间。

最近，大家都在讨论ChatGPT，简单来说它就是基于大模型的面向长文本、多轮对话的AIGC应用。其实我们基于“源1.0”也开发了公文写作助手。现在大家希望有个助手来协助写总结报告、学习体会，所以我们希望打造一个写作助手来帮助大家进行长本文创作。其中，我们突破了可控文本内容生成技术，解决了长文本内容偏移问题，生成文本的语义一致性高达96%。这样的优化使得我们的中文写作助手能够带来非常惊艳的效果，目前我们的产品处于内测阶段，欢迎大家来申请使用。

我们把“源”大模型应用在浪潮自己的业务上，赋能自身业务智能化转型。浪潮信息是中国最大、全球第二的服务器厂商。我们拥有一个覆盖非常广泛的客户服务系统，传统的智能客服更多是基于规则和提炼的知识来构建的问答系统，这样的问答系统大部分情况下是不能帮客户满意地解决问题的。今天基于“源1.0”构建的浪潮信息智能客服可以进行长文本的内容生成，能够持续地多轮对话，同时非常重要的是它不仅仅是基于知识规则而构建的问答系统，它可以自己去阅读和服务器相关的产品技术文档，我们说它可谓是服务器的“服务大脑”，在它的支撑下，浪潮信息的客户服务效率得到了大幅的提升，这个项目荣获了《哈佛商业评论》鼎革奖，即年度新技术突破奖。

元宇宙需要强大的算力基础设施

第三，元宇宙。大家可能会惊奇元宇宙需要算力吗？我们告诉大家，元宇宙非常需要算力。元宇宙的构建有四个大的作业环节，协同创建、高精仿真、实时渲染、智能交互，每一个环节上面都需要大量算力做支撑。比如说，在高精仿真的阶段，要实现元宇宙场景中逼真的、符合物理定律的仿真，不仅需要AI计算，同时还需要HPC算力。在图形渲染环节，不仅传统的光线追踪、路径追踪等图像渲染算法需要大量算力，当今基于AI的DLSS等算法也需算力支撑。到了最后的智能交互环节，今天所看到的数字人、多轮的语言交互等等，它背后都是基于算力才得以实现，这就是为什么说元宇宙需要强大的算力支持。

今年浪潮信息推出的MetaEngine元宇宙服务器就是为了应对这样的算力挑战，有兴趣的可以看下我们如何基于MetaEngine来创建虚拟数字人和数字孪生的全过程。

为了推动了元宇宙的快速落地，上个月青田人民政府和浪潮信息和我们合作伙伴谷梵科技一起，签约建设国内首个元宇宙算力中心，用于支撑在青田、浙江乃至于长三角在元宇宙的数字空间创建、数字产业发展，支撑数字经济、数实融合的发展。

我的演讲到此结束。谢谢大家！

稿源：美通社