大模型對算力需求指數級增長，集群成必然選擇

電子發燒友網報道（文/李彎彎）近年來，AIGC技術的火爆，代表著AI正在從感知理解世界向生成創造世界躍遷。在近日舉辦的全球人工智能算力論壇上，寶德計算信創BU副總裁鄧克武談到，AIGC產業發展創新正在加速，預計到2030年市場規模會到達萬億。然而隨著AI技術的飛速發展，算力也成為了制約AI大模型應用普及的關鍵因素。

大模型重塑產業格局

在鄧克武看來，AIGC產業發展預計將會經歷三個階段。第一個階段是2023年到2025年，屬于培育摸索期，該階段主要以遵循指令性加工和拼接式為主，例如，播報類（語音合成的電子書）、數字人（支持多種類型任務的數字人）、營銷推廣等。

第二個階段是2025年到2027年，這個時期會是AIGC的應用蓬勃期，該階段主要以人機聯合共創的模式為主，例如，各種類型的生成任務，以AI生成為基礎進行迭代；行業生態完善，底層大模型對外開發。

第三階段是2028年以后，這個時期為AIGC增長期，到這個時候，產業鏈逐漸完善，商業化場景持續拓展拓深，深入變革各行業，預計2030年市場規模超萬億。

鄧克武認為，大模型將重構人工智能生產范式。他還提到“人工智能行業的二八定律”，即進入大模型時代，未來軟件80% 的價值將由AI大模型提供，剩余20% 會由提示工程和傳統業務開發組成。

同時，他認為，MaaS將重構商業化生態，大模型“訓練基礎設施-底層技術-基礎應用-垂直應用”發展路線逐漸清晰。MaaS，即Model as a Service，模型即服務，能夠降低AI應用開發門檻，重構AI產業的商業化結構生態，激發新的產業鏈分工和商業模式不斷涌現。MaaS將可能成為未來大模型的主流商業模式。



隨著大模型的發展，其應用也會逐步拓展，從初期To C現象級應用向通用To B應用，再向場景化To B應用發展。當然，這個過程也面臨不同的挑戰，To C應用的挑戰在于用戶商業付費挑戰大：使用門檻較低，用戶量大且接受度高，落地及成長速度快，但客戶付費意愿偏低，商業閉環挑戰大。To B應用的挑戰在于和行業數據&應用的深度融合：行業數據積累、模型調測和行業應用集成均需要時間，但客戶付費能力強，未來增長及盈利空間廣闊。



算力集群化發展是必然趨勢

目前，國內已有超100+企業在戰略布局大模型機會。對于企業來說，需要準備迎接產業變革，構筑新的競爭優勢。如何做呢？其一，對內提升自身業務效率與感知，即與自身行業、業務特點和需求等深度結合；其二，面向中小企業提供AI模型服務，通過API/三方插件吸引更多應用及數據，通過提供模型開發服務，深度切入行業，掌握行業經驗和數據；其三，面向AI創業者/企業提供算力服務，滿足企業AI算力需求，構筑數字基礎設施格局。

算力方面，大算力集群是業界廠家AI模型開發的共同選擇，如騰訊數萬卡規模的星星海AI集群，阿里巴巴12EFLOPS的靈駿AI集群，百度4EFLOPS 百舸AI集群，商湯3.7EFLOPS AIDC集群，華為數萬卡規模昇騰AI集群等。

在鄧克武看來，大模型對算力的需求將指數級增長，AI算力將從單機走向集群時代。據鄧克武介紹，大模型算力需求每兩年以750倍增長，而硬件算力供給每兩年僅增長3倍。比如，從ResNet-50（2500萬參數），到GPT-1（1.7億參數），再到GPT-4（萬億級參數），計算需求需要十倍，到千倍的增長，存儲需求經歷百倍，到千倍的增長。AI算力和數據中心集群發展，可以加速產業創新。



寶德計算作為中國領先的計算產品方案提供商，構建了自強昇騰高密算力平臺，以支撐大模型系統工程建設。在上述論壇上，鄧克武詳細介紹了公司的兩款服務器：PR420KI G2訓練服務器和PR410EI 訓練服務器。

PR420KI G2訓練服務器CPU采用了4顆鯤鵬920處理器，NPU采用了8顆昇騰910，節點內互聯采用HCCS Full mesh互聯高速網絡；PR410EI 訓練服務器CPU采用2顆第四代Intel至強可拓展處理器Sapphire Rapids，NPU采用8顆昇騰910，節點內互聯采用HCCS Full mesh互聯高速網絡。

同時，他還介紹了公司的Pod集群組網，以256臺訓練服務器為例，共計2048顆Ascned910芯片。分成16組，每組16臺服務器，里面放置一個完整的模型，每組之間采用數據并行；每組16臺服務器，采用模型并行，每臺服務器放1/16的模型。



據鄧克武介紹，寶德面向多種大模型部署方式，還構建了差異化解決方案。此外，公司聯合生態伙伴不斷深化合作，成功實踐了100多個AI項目，涵蓋了電力、安平、教育、金融、互聯網、智慧城市等行業，寶德將繼續探索更多行業和細分領域智能化實踐，共同加速AI行業智能化升級和落地。

寫在最后

經過一年多時間的發展，大模型商業化應用已經成為業界探索的焦點，并且已經進展明顯。與此同時，隨著大模型訓練和部署的持續加速，這對算力的需求也會大幅增長。為了滿足大模型訓練和部署需求，集群成為廠家模型開發的共同選擇。而能夠為各種大模型部署提供算力支持的企業也必然會乘風而起。