12月13日，鄭緯在第二屆數(shù)據(jù)安全治理年會上，民院中國工程院院士鄭緯民表示，士諫我國人工智能企業(yè)正面臨“國外一卡（GPU）難求，言國國產卡使用意愿低”的發(fā)展現(xiàn)狀，應從軟硬件兩方面突破瓶頸，關鍵完善國產GPU硬件生態(tài)，問題優(yōu)化大模型基礎設施。鄭緯

我國人工智能產業(yè)面臨軟硬件兩方面瓶頸

鄭緯民提出了算力“三大定律”：人類已經進入以算力為核心生產力的民院數(shù)字經濟時代，算力就是士諫生產力，這是言國“時代定律”；當下，算力每12個月就增長一倍，發(fā)展算力資源增速顯著，關鍵已經打破摩爾定律，問題這是鄭緯“增長定律”；算力每投入1元，就帶動3-4元GDP經濟增長，這是“經濟定律”。

近年來，我國人工智能產業(yè)呈指數(shù)級增長。鄭緯民表示，預計到2025年，中國人工智能產業(yè)規(guī)模將超過4500億元，帶動產業(yè)規(guī)模超1.6萬億元。

鄭緯民直言，我國人工智能產業(yè)正面臨著軟件、硬件兩方面的瓶頸。

從硬件角度看，一方面，我國國產芯片產量不足。鄭緯民表示，2021年，我國人工智能服務器芯片總用量100萬片，其中，美國英偉達占95%左右，國產芯片出貨量不到5萬片；另一方面，國產GPU硬件競爭力不足，并未真正受到市場認可。

從軟件角度看，我國在算法等技術方面仍然有所欠缺，當前，谷歌和Meta的人工智能算法開發(fā)框架占中國人工智能市場份額的90%以上。

鄭緯民坦言，目前我國人工智能企業(yè)正處于“國外一卡難求，國產卡使用意愿低”的現(xiàn)狀。要解決當下面臨的問題，一是營造完善的國產GPU硬件生態(tài)，二是優(yōu)化大模型基礎設施架構。

完善硬件生態(tài)要做好10個關鍵軟件

鄭緯民認為，要完善國產GPU硬件生態(tài)系統(tǒng)，需要做好10個關鍵軟件：能夠降低編寫人工智能模型復雜度的編程框架；為多機多卡提供人工智能模型并行訓練能力的并行加速；能夠提供跨機跨卡的通信能力、支持人工智能模型訓練所需各種通信模式的通信庫；提供人工智能模型所需基本操作高性能實現(xiàn)的算子庫；能夠在異構處理器上對人工智能程序自動生成高效目標代碼的AI編譯器；提供異構處理器上編寫并行程序支持的編程語言；提供在大規(guī)模系統(tǒng)上高效調度人工智能任務能力的調度器；針對人工智能應用特點提供高效內存分配策略的內存分配系統(tǒng)；提供在硬件發(fā)生故障后快速恢復模型訓練能力的容錯系統(tǒng)；以及支持訓練過程所需數(shù)據(jù)讀寫的存儲系統(tǒng)。

鄭緯民表示，相比芯片的“硬實力”，其生態(tài)才是更加影響使用體驗的因素。“只要生態(tài)做得好，國產芯片只需要達到國外芯片性能的60%，客戶就會滿意。”鄭緯民說。

“4個平衡”優(yōu)化大模型基礎設施

鄭緯民強調，在設計大模型基礎設施時，要思考“4個平衡”的優(yōu)化問題。

一是半精度運算性能與雙精度運算性能的平衡設計。在計算機系統(tǒng)的內存中，半精度、單精度和雙精度是決定數(shù)據(jù)計算精確度的度量標準，雙精度比半精度更精密，但同時要占據(jù)更多存儲空間。鄭緯民提出，大模型設計中不僅要考慮16位的半精度運算性能，還要考慮支持64位的雙精度運算。他表示，最優(yōu)的雙精度與半精度運算性能比為1:100。

二是網絡平衡設計。鄭緯民指出，在網絡設計方面，高帶寬、低延遲的網絡是極大規(guī)模預訓練模型運行的必要條件。“在訓練過程中，我們采用數(shù)據(jù)并行、模型并行和專家并行三種不同的并行方式，但這三種方式對互聯(lián)有不同的要求。”鄭緯民表示，“只有把通信做好，大模型才能順暢跑通。”

三是體系結構感知的內存平衡設計。通俗而言，大模型在訓練過程中使用的大量數(shù)據(jù)會產生大量的內存訪問請求；對內存平衡的優(yōu)化，目的是提升模型訪存性能，從而提高模型訓練效率。

四是輸入輸出子系統(tǒng)平衡設計。鄭緯民指出，機器在執(zhí)行大規(guī)模訓練任務時，發(fā)生硬件、軟件錯誤在所難免。針對這樣的情況，容錯檢查點成為了大模型訓練中的一道“保險閘”。容錯檢查點設置不足，會導致模型訓練效率降低；檢查設置過于頻繁，則會浪費大量時間和存儲空間。因此，優(yōu)化檢查點存儲在大模型訓練中的重要性不言而喻。

“只要以上四點平衡的問題得到解決，一塊GPU就能發(fā)揮兩塊的作用。”鄭緯民總結道。

責任編輯：趙強