随着大模型的兴起,对算力的需求急剧增加,导致算力资源变得紧张。在此背景下,专家们呼吁国产AI芯片系统应加强内功修炼,以应对这一挑战。
中国工程院院士、清华大学计算机科学与技术系教授郑纬民指出,大模型训练需要大量的数据,因此对算力的要求非常高。然而,自去年12月份以来,用于大模型训练的AI芯片价格已经翻倍,且国外芯片供应紧张。尽管国内已有数十家公司在AI芯片研制和生产方面取得显著进展,但国产芯片尚未得到市场的广泛认可。
为解决这一问题,专家们建议重塑大模型算力生态,助力国产AI芯片系统提升竞争力。首先,应加强底层研发,提高国产AI芯片的兼容性。郑纬民强调,如果基于国外芯片编写的软件能够轻松地移植到国产芯片系统上,用户将更愿意选择国产芯片。然而,由于生态建设尚不完善,目前国产芯片在大模型训练相关软件移植方面仍存在一定困难。因此,需要进一步投入资源,完善包括编程框架、并行加速、通信库在内的软件研发工作。
其次,应推动现有算力融合创新,提升整体算力效率。艾瑞咨询产业数字化研究院负责人徐樊磊表示,为提升整体算力效率和满足差异化需求,应建立支撑大模型万亿量级参数计算的“智算中心”。这些中心可以利用现有高质量数据中心,通过提升组网能力、协同能力、软硬件适配能力等实现部署。
重塑大模型算力生态,助力国产AI芯片系统
应共建基础生态,降低大模型算力使用门槛。通过共享、共融集结现有算力,万卡平台及配备高效网络交互机制的大模型训练与推理平台,可以开放给大企业、小微企业共用。此外,通过搭载数据迁徙、训练数据库等工具,云平台等基础生态的搭建有望让算力像水和电一样随取随用。
面对大模型带来的算力挑战,国产AI芯片系统应加强内功修炼,重塑大模型算力生态,以提升自身竞争力。
本文主题词:ai芯片算力排行榜,ai芯片量产,国内ai芯片,国产计算芯片,ai算法芯片,asic算力芯片,芯片算力评估,芯片算力计算,芯片算力dmips,国内ai芯片龙头