具體來(lái)看，三個(gè)方面：

第一，多元化。計(jì)算的關(guān)鍵任務(wù)是支撐業(yè)務(wù)的發(fā)展，不同的業(yè)務(wù)類(lèi)型勢(shì)必要求不同的計(jì)算系統(tǒng)完成，AI應(yīng)用引入了新的計(jì)算類(lèi)型，從推理到訓(xùn)練跨度大，數(shù)據(jù)類(lèi)型從結(jié)構(gòu)化到半結(jié)構(gòu)化，復(fù)雜多樣，通用CPU無(wú)法滿足多元計(jì)算場(chǎng)景需求，此外，計(jì)算芯片代工模式越來(lái)越普及，但存在開(kāi)發(fā)者學(xué)習(xí)成本高、用戶應(yīng)用千疑難、芯片制造難上規(guī)模等問(wèn)題。

第二，巨量化。模型參數(shù)多，并且訓(xùn)練數(shù)據(jù)量大，預(yù)計(jì)2023年，訓(xùn)練模型參數(shù)量突破百萬(wàn)億，巨量模型需要巨量?jī)?nèi)存，1塊GPU板載高速內(nèi)存容量約40GB，包含百萬(wàn)億參數(shù)巨量模型，參數(shù)分配到每個(gè)GPU當(dāng)中，要1萬(wàn)塊GPU，訓(xùn)練當(dāng)中還要額外存儲(chǔ)，則需2萬(wàn)塊GPU才能啟動(dòng)百萬(wàn)億參數(shù)模型訓(xùn)練。當(dāng)前的AI芯片架構(gòu)是不足以支撐巨量模型參數(shù)存儲(chǔ)需求的。AI算法本質(zhì)上還是依賴量變的質(zhì)變，很難從一個(gè)質(zhì)變跳躍到另外一個(gè)質(zhì)變。當(dāng)前每天AI開(kāi)放平臺(tái)承載數(shù)萬(wàn)億次交用量、海量的視頻音頻圖片數(shù)據(jù)，對(duì)算力、應(yīng)用承載力而言是巨大挑戰(zhàn)。

第三，生態(tài)化，即AI技術(shù)鏈條和產(chǎn)業(yè)鏈條面臨脫節(jié)問(wèn)題。人工智能如何與應(yīng)用場(chǎng)景更好地融合，始終是關(guān)鍵所在，這需要好的AI開(kāi)發(fā)平臺(tái)，需要AI算法研發(fā)人才對(duì)傳統(tǒng)行業(yè)的需求場(chǎng)景、業(yè)務(wù)規(guī)律有更深層的理解。

總結(jié)

面對(duì)當(dāng)前智能計(jì)算新格局，走在AI前沿的浪潮，啟動(dòng)新的5年計(jì)劃，確定新的發(fā)展目標(biāo)，將在技術(shù)、產(chǎn)品、生態(tài)上斷創(chuàng)新，包括計(jì)算體系結(jié)構(gòu)、計(jì)算產(chǎn)品體系等在內(nèi)，持續(xù)推進(jìn)并引領(lǐng)國(guó)內(nèi)智慧計(jì)算的發(fā)展。

zhangnn