大模型对算力需求指数级增长，集群成必然选择

电子发烧友网报道（文/李弯弯）近年来，AIGC技术的火爆，代表着AI正在从感知理解世界向生成创造世界跃迁。在近日举办的全球人工智能算力论坛上，宝德计算信创BU副总裁邓克武谈到，AIGC产业发展创新正在加速，预计到2030年市场规模会到达万亿。然而随着AI技术的飞速发展，算力也成为了制约AI大模型应用普及的关键因素。

大模型重塑产业格局

在邓克武看来，AIGC产业发展预计将会经历三个阶段。第一个阶段是2023年到2025年，属于培育摸索期，该阶段主要以遵循指令性加工和拼接式为主，例如，播报类（语音合成的电子书）、数字人（支持多种类型任务的数字人）、营销推广等。

第二个阶段是2025年到2027年，这个时期会是AIGC的应用蓬勃期，该阶段主要以人机联合共创的模式为主，例如，各种类型的生成任务，以AI生成为基础进行迭代；行业生态完善，底层大模型对外开发。

第三阶段是2028年以后，这个时期为AIGC增长期，到这个时候，产业链逐渐完善，商业化场景持续拓展拓深，深入变革各行业，预计2030年市场规模超万亿。

邓克武认为，大模型将重构人工智能生产范式。他还提到“人工智能行业的二八定律”，即进入大模型时代，未来软件80% 的价值将由AI大模型提供，剩余20% 会由提示工程和传统业务开发组成。

同时，他认为，MaaS将重构商业化生态，大模型“训练基础设施-底层技术-基础应用-垂直应用”发展路线逐渐清晰。MaaS，即Model as a Service，模型即服务，能够降低AI应用开发门槛，重构AI产业的商业化结构生态，激发新的产业链分工和商业模式不断涌现。MaaS将可能成为未来大模型的主流商业模式。



随着大模型的发展，其应用也会逐步拓展，从初期To C现象级应用向通用To B应用，再向场景化To B应用发展。当然，这个过程也面临不同的挑战，To C应用的挑战在于用户商业付费挑战大：使用门槛较低，用户量大且接受度高，落地及成长速度快，但客户付费意愿偏低，商业闭环挑战大。To B应用的挑战在于和行业数据&应用的深度融合：行业数据积累、模型调测和行业应用集成均需要时间，但客户付费能力强，未来增长及盈利空间广阔。



算力集群化发展是必然趋势

目前，国内已有超100+企业在战略布局大模型机会。对于企业来说，需要准备迎接产业变革，构筑新的竞争优势。如何做呢？其一，对内提升自身业务效率与感知，即与自身行业、业务特点和需求等深度结合；其二，面向中小企业提供AI模型服务，通过API/三方插件吸引更多应用及数据，通过提供模型开发服务，深度切入行业，掌握行业经验和数据；其三，面向AI创业者/企业提供算力服务，满足企业AI算力需求，构筑数字基础设施格局。

算力方面，大算力集群是业界厂家AI模型开发的共同选择，如腾讯数万卡规模的星星海AI集群，阿里巴巴12EFLOPS的灵骏AI集群，百度4EFLOPS 百舸AI集群，商汤3.7EFLOPS AIDC集群，华为数万卡规模昇腾AI集群等。

在邓克武看来，大模型对算力的需求将指数级增长，AI算力将从单机走向集群时代。据邓克武介绍，大模型算力需求每两年以750倍增长，而硬件算力供给每两年仅增长3倍。比如，从ResNet-50（2500万参数），到GPT-1（1.7亿参数），再到GPT-4（万亿级参数），计算需求需要十倍，到千倍的增长，存储需求经历百倍，到千倍的增长。AI算力和数据中心集群发展，可以加速产业创新。



宝德计算作为中国领先的计算产品方案提供商，构建了自强昇腾高密算力平台，以支撑大模型系统工程建设。在上述论坛上，邓克武详细介绍了公司的两款服务器：PR420KI G2训练服务器和PR410EI 训练服务器。

PR420KI G2训练服务器CPU采用了4颗鲲鹏920处理器，NPU采用了8颗昇腾910，节点内互联采用HCCS Full mesh互联高速网络；PR410EI 训练服务器CPU采用2颗第四代Intel至强可拓展处理器Sapphire Rapids，NPU采用8颗昇腾910，节点内互联采用HCCS Full mesh互联高速网络。

同时，他还介绍了公司的Pod集群组网，以256台训练服务器为例，共计2048颗Ascned910芯片。分成16组，每组16台服务器，里面放置一个完整的模型，每组之间采用数据并行；每组16台服务器，采用模型并行，每台服务器放1/16的模型。



据邓克武介绍，宝德面向多种大模型部署方式，还构建了差异化解决方案。此外，公司联合生态伙伴不断深化合作，成功实践了100多个AI项目，涵盖了电力、安平、教育、金融、互联网、智慧城市等行业，宝德将继续探索更多行业和细分领域智能化实践，共同加速AI行业智能化升级和落地。

写在最后

经过一年多时间的发展，大模型商业化应用已经成为业界探索的焦点，并且已经进展明显。与此同时，随着大模型训练和部署的持续加速，这对算力的需求也会大幅增长。为了满足大模型训练和部署需求，集群成为厂家模型开发的共同选择。而能够为各种大模型部署提供算力支持的企业也必然会乘风而起。