发展中国版ChatGPT，国内生态面临哪些挑战？-电子发烧友网

电子发烧友网报道（文/李弯弯）随着ChatGPT爆火，国内地方政府、科研机构、科技企业纷纷表示，已经着手类ChatGPT大模型技术的研究和推进，这是一件具有长远战略意义的事。

然而大家都知道，这中间还面临着很多问题。比如算力，目前国内大模型的训练基本以英伟达为主。在日前某人工智能大会上，商汤科技联合创始人、大装置事业群总裁杨帆谈到，现在中国市面上A100全部加在一起，可能够支撑100个类ChatGPT大模型网络。听上去很多，然而一些大公司，可能需要把几千的卡连在一起，做内部更前瞻的测试，比如三千个卡做一个集群，要两三个这样的集群。整体来看，算力的体量是远远不够的。

发展中国版ChatGPT，国内生态面临哪些挑战？

发展中国版ChatGPT对于整个人工智能产业来说，是非常有前景的好事，然而它也反映出，在这个产业中还存在很多挑战，需要大家一起去解决。比如，现在***和软件是否能够支撑千卡以上的大规模集群，在吞吐率上是否能够与英伟达媲美。

过去这些年感觉上，中国在人工智能产业的应用上跑得很快，然而在基础技术上是落后美国的，如果要长远发展，势必要建设国产生态。这次ChatGPT的出圈，更是凸显出建设国产生态的重要性。

那么目前国产生态面临哪些问题呢，杨帆谈到了几点：第一，现在市面上确实已经出现多样化的AI芯片，去尝试挑战英伟达的统治地位，然而多样化的AI芯片，也带来它特有的挑战。就是说，国内现在有非常多的芯片，也有非常多的框架，这就形成了一个多对多的网状关系，而英伟达对PyTorch则是形成了一个强强联手的生态。

国内这种群狼乱战的状态就造成了适配工作量大，成本高的问题，包括算子的适配成本、框架的适配成本等。在杨帆看来，业界需要形成软硬件之间适配的行业标准，来降低整个生态在这个过程中的发展成本。

第二，芯片处在人工智能产业链上游，这到应用端，中间还包括板卡、服务器、操作系统、框架、数据、AI计算平台、软件开发、行业系统集成等各种厂商。现在人工智能整体来说还是一个不成熟的行业，算法几乎每天在更新，软件也每个月有更新。在这种情况下，各层很难有一个稳固的连接关系，去服务好下游厂商。

杨帆认为，AI芯片的开发周期本身就很长，要想在算力上去跟英伟达拼其实很难，因此芯片厂商最好是能够围绕需求进行下一代芯片的设计和优化，这样至少能够在细分赛道形成快速的超车。当然这就需要对应用有很好的了解，而从产业链条来看，芯片厂商距离应用端很远，如何去解决这个问题呢？

针对上述提到的生态建设面临的两个问题，商汤提出了相应的解决方案。据杨帆介绍，对于多元框架，多元芯片，公司希望跟业内的伙伴一起推动标准化的接口；对于链路长，对AI场景的理解不强的问题，商汤科技本身在算法和应用上有很深的积累，希望能够跟业内的伙伴一起，针对一些重要的、有大规模需求的场景，点对点把下游的场景打通，真正的去实现***的落地应用。

如何构建算力生态？

燧原科技创始人、COO张亚林认为，AI生态爆发的要素，包括算法、算力、数据、平台和应用。如何把生态五要素的飞轮转起来呢，他认为，需要以底层算力作为应用支撑，以数据和算法作为大模型的根基，以云服务和整个分布式框架作为平台，最后牵引出应用场景。

在当前的背景下，中国AI芯片和大算力企业，需要携手构建一个异构的算力生态。从下图来看，这个算力生态，从左边的系统角度，包括软件和硬件，软件软件有很多解决方案、云服务、工具链、系统软件；硬件有芯片、外设、主机等。右边三个圈是一个由内而外生态的扩张，国内任何一个算力联盟，想做好这件事情，必须打造好自己的核心软件栈，也就是类CUDA的一套底层软件栈；然后在上面，长出一个扩展库、框架接口，以跟开源社区和生态合作伙伴联力；再在上面牵引出的解决方案和各行各业的应用，包括高校、研究院、行业试点。

张亚林认为，从最底层的算力和软件栈，往上扩展到开源社区和合作伙伴，再往上牵引出更多应用，是现在中国算力和生态发展的必经之路。

中国的软件生态要能够逼近英伟达，需要经历四个过程，从可用，好用，合作共赢，到生态闭环。目前中国绝大部分的AI芯片和软件栈，还处在可用或者是迈向好用的阶段。企业需要不停的进行产品迭代，不停的进行应用场景的迭代，让产品从可用变成好用。等到好用之后，客户群会开始扩张，形成合作和生态联盟，然后达成生态的闭环。