8月16日，英特爾公司高級副總裁、英特爾中國區(qū)董事長王銳在英特爾2023中國學術峰會上表示，中國10億級參數(shù)規(guī)模以上的大模型已經(jīng)有近80個。大模型及其參數(shù)指數(shù)級的疊加，大大增加了對算力的巨大需求，如何有效提升算力成為大家關注的焦點。

　　如何有效提升算力

　　在芯片制造層面上，算力的提升不僅僅是制程數(shù)字持續(xù)縮小，還是材料、設備、芯片架構、制造工藝、供電技術、封裝技術的全面升級。

　　英特爾研究院副總裁、英特爾中國研究院院長宋繼強介紹，先進制程是為了實現(xiàn)在單一計算設備中集成更多的晶體管，單一計算設備指的不僅是單芯片，而是單個封裝中所有芯片的總和。目前在單一計算設備中能集成1000億個晶體管，但是英特爾的愿景是到2030年在單一計算設備中集成10000億個晶體管，將來會通過高數(shù)值孔徑的EUV光刻、GAA晶體管架構、背面供電等技術實現(xiàn)。

　　此外，推動先進封裝技術，是保障芯片在有限的面積內(nèi)，依舊能持續(xù)性地提升芯片性能。未來，2.5D以及3D封裝技術能夠大幅度減少芯片封裝的尺寸。

　　探索創(chuàng)新類腦計算、量子計算等高能效算力技術，也為算力提升帶來了新思路。宋繼強表示，比如神經(jīng)擬態(tài)計算等類腦計算芯片不僅通過模仿神經(jīng)元的結構構建硬件，還能采用脈沖式神經(jīng)網(wǎng)絡等新技術，實現(xiàn)實時在線學習，甚至可以對多種不同的模態(tài)進行整合。高密度量子比特芯片技術同樣具有可觀的增長潛力。

　　據(jù)了解，量子比特是計算機比特的量子版本，是計算機中最小的數(shù)據(jù)單元。和傳統(tǒng)的比特一樣，量子比特的編碼信息可以是1或0。但與傳統(tǒng)比特不同的是，量子比特能夠利用量子力學的概念，完成傳統(tǒng)比特無法完成的任務。宋繼強表示，在高密度量子比特芯片中，硅自旋量子位很受業(yè)內(nèi)關注，其性能方面與超導量子位旗鼓相當，但是面積縮小了100萬倍。

　　此外，高能效數(shù)據(jù)傳輸也能夠進一步提升算力。例如，集成硅光子技術能夠替代金屬材料為各服務器節(jié)點提供高帶寬傳輸技術。該項技術適用于大規(guī)模圖計算等連接節(jié)點較多的大型計算領域，能夠有效提升數(shù)據(jù)傳輸效率。

集成硅光子技術未來愿景

　　軟件定義芯片另辟蹊徑

　　很多專家強調(diào)了軟件對于AI芯片設計的重要性，并表示軟件是滿足芯片定制化功能的關鍵，讓芯片變得更加“智能”，這也是提升算力的關鍵。

　　“如果把AI比喻成工具，那么軟件就是駕馭工具的能力。通過軟件編程主要可以從四個方面更好地駕馭AI功能。第一，分而治之，通過軟件編程把大問題化成小問題。第二，循序漸進，即用編程解決小問題后，在逐步提升能力解決大問題。第三，試錯迭代，用軟件編程的方式對技術進行迭代，并不斷修復程序錯誤。第四，異常處理，通過編程語言來處理各種異常情況，并掌握正確的發(fā)展方向。”華東師范大學副校長周傲英表示。

　　宋繼強也表示，若想讓AI芯片在AI生態(tài)中蓬勃發(fā)展，需要軟件的加持。芯片要與上層操作系統(tǒng)進行搭接，并適配不同的垂直軟件棧，才能揮出最大的作用。

　　盡管如今高性能計算機的計算能力已經(jīng)進入到了“E級”時代(“E級”是指每秒可進行百億億次數(shù)學運算的超級計算)，但人們對于更高算力的追求從未停滯，這也使得軟件定義芯片的概念愈發(fā)深入人心。

　　“軟件定義芯片才是創(chuàng)新的關鍵。”清華大學教授魏少軍表示，“通用”仍然是人工智能芯片的主流架構，然而此通用非彼通用，未來的通用人工智能芯片，需要在通用的基礎上，變得更加“智能”，以滿足各種各樣終端應用的定制化需求。而若想讓芯片變得更通用、更智能，可以以應用定義軟件，再用軟件定義芯片，保證芯片在具備靈活性的同時大幅提升效率。這不僅可以滿足各種人工智能應用的定制化需求，也能有效增強算力供給。

　　合理分配算力也是關鍵

　　盡管算力提升的方式多種多樣，但算力分配不均的現(xiàn)象仍存在，如何合理分配算力，成為了產(chǎn)業(yè)關注的焦點。

　　魏少軍提出，由于ChatGPT需要大量算力的堆積，一定程度上帶來了高校算力緊張。據(jù)了解，ChatGPT的爆火引發(fā)算力需求劇烈擴張，本屬于其他AI領域的算力資源被大模型分走，使得研發(fā)能力受到掣肘，加劇了算力的“貧富分化”。

　　有數(shù)據(jù)顯示，ChatGPT的用戶基數(shù)在今年7月驟降，下降了12%，從17億下跌至15億。可見，AI技術已經(jīng)從第一階段過渡到了第二階段，從盲目的算力堆積，到廣大從業(yè)者逐漸趨于理性，并思考如何合理化分配有限的算力資源，使得AI技術能夠更廣泛地賦能千行百業(yè)。

　　“算力作為AI技術的動能，在采集之前，要更加具有目的性并明確技術需求，這有助于讓算力流向真正所需要的地方，讓更多真正所需的AI技術得到發(fā)展。”周傲英說。

　　周傲英表示，科技發(fā)展已經(jīng)進入了一個嶄新的階段，即科學與技術融合發(fā)展的時代。此前，是科學引領著技術的發(fā)展，而現(xiàn)在是技術在倒逼著科學的進步。因此，未來AI技術的發(fā)展需要產(chǎn)業(yè)發(fā)展、應用場景、科技創(chuàng)新三者緊密相連，并且要以產(chǎn)業(yè)、應用的需求帶動科技創(chuàng)新的發(fā)展，有效保障算力的合理分配，避免“算力荒”的出現(xiàn)。

　　作者：沈叢　　來源：中國電子報、電子信息產(chǎn)業(yè)網(wǎng)