豐色 發自 凹非寺

量子位 | 公眾號 QbitAI

ChatGPT爆火之後，算力問題也被推到了風口浪尖。

根據OpenAI CEO的說法，每調用一次ChatGPT就會消耗幾美分。那麼如果全球每人都搜索一下，為什麼OpenAI不會破產？

全國的A100顯卡就那麼幾萬卡，如果大家都去煉大模型，算力不夠用怎麼辦？

……

CCF CTO Club發起的最新一期CCF C³活動就來到並行科技，話題聚焦於「算力網絡賦能人工智慧」，以ChatGPT這一熱門話題為引子，展開了一場多維度的主題分享和討論。

據統計，線上約有9500人圍觀了此次活動。

所以，具體都講了些什麼？

訓練千億大模型，至少面臨三大挑戰

活動最先開始的主題分享環節，北京大學人工智慧研究院助理教授（博導）楊耀東講了一個非常有趣的東西，即微軟最新公布的一個研究項目。

該項目直接將ChatGPT的輸出接到一個機械臂以及一個微機上。然後通過人與ChatGPT交互，來控制機械臂完成特定任務，比如用一堆方塊拼成一個微軟的logo。

楊耀東告訴大家，這項研究非常有意義。

如下圖所示，以往我們要完成類似任務，需要人去編程。

現在有了ChatGPT之後，我們要做的就不再是設計程序，而是設計一個prompt或者是一個instruct，讓ChatGPT通過這個prompt或instruct去編程，進而完成對機械臂的控制。

ChatGPT還有這種妙處？著實讓人感到驚喜。

那麼問題來了：

這麼一個好東西，為什麼沒有先在中國誕生？是我們完全沒有關注這件事情嗎？

北京智譜華章科技有限公司的CEO張鵬，在ChatGPT爆火後經常被問到這個問題。

對此，他想說，並非沒有關注，國內如華為、達摩院、清華大學等機構一直在做類似的事情。

比如清華大學知識工程實驗室（KEG）與智譜AI共同研發的大規模中英文預訓練語言模型GLM-130B。

它可與GPT-3基座模型對標，在同等運算速度與精度的要求下，GLM-130B對顯存資源的消耗可節省75%，自2022年8月發布以來，已收到41個國家266個研究機構的使用需求。

在Stanford報告的世界主流大模型評測中，它更是中國唯一入選的模型，其準確性、惡意性與GPT-3持平，魯棒性和校準誤差在所有模型中表現最佳。

但，不得不承認，ChatGPT的實力確實非常強大。

而我們要想訓練類似一個千億大模型，至少要面臨三大挑戰：

一、高昂的訓練成本。比如ChatGPT的算力需求就是「A100x1000塊x30天」。

二、人力投入極大。比如谷歌PaLM 530B團隊，前期準備29人，訓練過程11人，整個作者列表68人，而目前國內可用做大模型的高精尖人才不超過百人。

三、訓練過程不穩定，且調試困難，容易出現訓練不收斂現象。

張鵬指出，在這些問題之中，算力絕對是非常重要的因素。

他曾經估算過，從GPT3開始到ChatGPT的誕生，中間用來訓練模型用的算力，達到了億美金以上的規模。

更別說這還只是對「成功部分」的估計，如果算上訓練失敗和試錯的成本，這個數字肯定又要翻幾番。

因此，我們要想搞千億大模型，算力問題一定不可忽視。

算力網絡實現算力全國共享

根據IDC發布的報告，中國AI算力規模增長飛速，2022年為268EFLOPS，到2026年則可達1271.4EFLOPS。

但在並行科技董事長陳健看來，ChatGPT爆火之後，這個增長速度根本不夠：大家要麼仍然缺算力，要麼缺合適的算力。

因此，他提出了「可用、好用以及降本」這三個概念。

他介紹道，並行科技從超算起家，一直專注於算力行業，目前公司在做的全國一體化算力網絡，就是要將國內優質的超算、智算與通用算力全部聚合起來，形成一個算力資源、應用資源、數據資源可以共享和交易的算力網絡。

這個網絡可以確保當我們需要用算力的時候，只要中國還有可用的空閒算力，我們就能用到。

當然，它的價格一定要合理。

據悉，並行科技目前與廣州超算、北京超算、濟南超算、中科院超算、浙江超算、寧夏超算等國產算力資源在內的大批優質算力資源結合，共計接入超80000台伺服器，總計算力超1000PFlops，存儲資源超800PB。

算法優化也是一條途徑

在主題討論環節，大家一齊分享了自己對如何解決算力需求這個問題的看法。

在智譜AI CEO張鵬看來，算力是由市場驅動的，只要符合市場需求，創造出真正的社會價值，就有辦法解決。

而且，這個辦法一定是多元化的。

比如在硬體層面，我們可以打造更先進的晶片；在宏觀資源調度方面，如並行科技陳健所說，算力網絡是一個好思路。

而最終，可能將形成宏觀層有算力網絡，硬體層有強大晶片，中間層有軟體做算法優化與加速這種「多向奔赴」的方式。

此外，他也認為，特異化也可能會成為解決AI算力的一種趨勢。因為就拿晶片來說，通用晶片的成本一定會比專用的高。

對此，中科院計算機網絡信息中心AI技術與應用發展部負責人王彥棡補充道，在人工智慧領域，軟體的確是需要大家關注的重點，它是構成行業生態的關鍵，容易出現「卡脖子」問題，做好未雨綢繆，才能應對不斷變化的發展時局。

陳健則在這個環節分享了當天刷到的一條朋友圈：

已經摸到一定高度的情況下，再去比參數誰多是不明智的。要比誰用更少的參數，更少的算力，也能達到同樣的效果，包括性能和體驗。

這條朋友圈來自某位行業專家。

陳健對此頗為贊同，他表示：我們做優化的都知道，最好的優化不是在硬體上去調整性能，而是用一個更好的算法，讓總計算量降下去，從而提高更好的體驗。

因此，陳健認為，這也是解決算力問題一個非常非常好的路徑，如果這一點上能突破，可能對算力公司來說不是好消息，但是對於我們整個社會來說是非常巨大的進步。

接下來，大家還就本期的主題算力網絡進行了更深一步的討論。

並行科技AI雲事業部總經理趙鴻冰表示，算力網絡接下來的發展重點是算力接入標準化。有了標準，更多算力資源才能被有效的接入到算力網絡中，滿足需求端的靈活使用。

歷史上，電力網絡的構建曾為人類帶來福祉。現在我們也可以暢想一下，未來是否可以基於算力網絡來實現大模型訓練。

當然，這需要我們在算力網絡分布式計算技術等相關領域做進一步研究。

現場提問

本場活動的最後環節，是留給線上線下觀眾的現場提問，不少人將目光聚集到了ChatGPT本身。

有人關心ChatGPT是否需要做算法方面的創新。

對此，楊耀東表示，對它來說，可能不需要。

他引用了ChatGPT項目負責人的一句話：

人們通常會低估一個簡單的想法實現好後對效能的增長；而過於高估一個全新想法能帶來的效能增長。

因此他認為，即便ChatGPT看似簡單，如果能在工程化方面做到極致，也會有非常好的應用效果。

前些日子，有研究發現ChatGPT背後的大模型具有9歲兒童心智。

現在，也有人將類似問題拋給了現場嘉賓：

基於ChatGPT目前在應用中的表現，是否可以判定它已經產生了智能？

對於這個問題，楊耀東也發表了看法。他認為從某種角度上來看，我們可以說ChatGPT已經產生了「智能」。就比如面對雞兔同籠問題，換個數它依然能解，不會出現突然到某個層級不能泛化的問題。

但是它底層的模型，說到底就是一些Encode和Decoder，基於Attentio架構的東西。它為什麼能湧現出這麼複雜的pattern？

這還是數據帶來的歸納偏置非常多以後，湧現出來一定意義上的智能所帶來的。

但是這個智能是不是我們科學意義上定義的智能，或者我們怎麼去定義智能——這個問題本身還很難說清楚。

關於CCF C³

CCF C³活動是由中國計算機學會CCF CTO Club發起的，旨在聯結企業CTO及高級技術人才和資深學者，每次以一個技術話題為核心，走進一家技術領先企業。

往期活動承辦單位與主題如下表所示：

下一期，C³將移步上海，由小紅書承辦，時間為3月30日。

— 完 —

量子位 QbitAI · 頭條號簽約

關注我們，第一時間獲知前沿科技動態