AI时代,算力有多重要?如果说,数据是AI大模型的“燃油”,那么算力就是AI大模型的“发动机”。
资料显示,Open AI为了训练GPT大模型,耗尽了40TB数据,每天消耗50万千瓦时电力。据测算,OpenAI训练一次1746亿参数的GPT-3模型需要的算力约为3640PFlops,耗资466万美元。
因此,当人工智能成为全球热点之后,各国开始了对算力的普遍狂热追求,中国数据中心的建设速度也非常惊人。在2024中国算力大会上,有关专家透露,目前全国在用算力中心机架总规模超过830万标准机架,算力总规模达246EFlops,位居世界前列,年均增长超过30%。
目前,国内算力依旧迅猛增长,很多机构都在投资算力基础设施。比如,中国移动宣布要在年内完成三个万卡集群智算中心的建设,成为国内算力网络的“领头羊”,争取在人工智能时代获取领先优势。
实际上,关于算力到底是短缺还是过剩的争论一直存在,而增长过于快速的算力规模更是成为了行业热议的焦点。
理论上,如果将算力作为人工智能发展的底座、经济社会的基础设施,那么进行适度超前的建设是必须的。我们看到,不仅是中国,全世界在算力投资建设方面均迅猛增长。《中国综合算力指数报告(2024)》显示,截至2023年底,全球算力基础设施总规模达到910EFlops,同比增长40%。
与此同时,我们也要看到,目前算力的应用还处在起步阶段,更多的算力增长是被以ChatGPT为代表的人工智能牵引而来的,成为了芯片概念股赚钱的工具,但人工智能浪潮在经历了过度炒作之后正在陷入新一轮的低谷期,突破乏力期也已经是事实。
由此来看,智算中心的建设确实应该放缓节奏,在居高不下的成本压力下,投资太多的算力,有可能面临运营困局,成为企业发展的巨大包袱。但面对未来发展,放弃算力的“大干快上”,也将面临在竞争中落伍的不确定性风险。
一方面,从供需两端来看,算力供给与应用存在不匹配的情况。AI算力供给紧缺的局面已有所缓解,各类计算卡价格开始贴近销售商成本线,这说明供给端的能力在增强。而在需求端,虽然智算需求呈增长态势,但需求趋于理性,不再像之前那样盲目追求高算力。于是,供需两端出现了不完全匹配的情况,AI专项算力、高性能算力等高端算力的缺口大,通用算力利用率低,落地投入使用的智算中心数量和机柜利用率等也不及预期。
另一方面,人工智能技术也确实在社会上带来了应用创新,目前全国在工业、教育、医疗、能源等多个领域的算力应用项目已经超过1.3万个,云计算、元宇宙以及智慧城市建设等对算力的依赖程度持续增加,相关需求依然旺盛。根据需求特点进行针对性的算力建设依然具有战略必要性。
综上所述,算力是否过剩并没有一个绝对的答案。在特定时期和特定领域,可能会出现算力利用率低的情况,但从长远来看,随着人工智能技术的不断发展和应用场景的不断拓展,算力需求仍然将持续增长。
因此,我们需要根据具体情况来控制算力建设的节奏,并采取相应措施来优化算力资源配置。既要避免盲目建设,又要放开战略眼光。毕竟,面对人工智能的大国博弈,谁也输不起。
精品期刊 《通信世界》
“纸电同步” 自由切换
一年只需480
ICT圈大小事尽在掌握
抓紧时间来订阅
华为李鹏:拥抱移动AI时代,开创MBB商业新范式
AI+“拿捏”全球电信运营商
”飞起来”的低空经济迈向“Next level”
作者:通信行业资深分析师 马继华
责编/版式:王禹蓉
审校:王 涛 梅雅鑫
监制:刘启诚
央视频 | 微软MSN | 视频号 | 微博 | 今日头条 | 百家号 | 网易号 | 搜狐 | 腾讯新闻
新浪看点 | 雪球号 | 抖音 | 快手 | 爱奇艺 | 知乎 | 哔哩哔哩 | 咪咕视频 | CSDN | 36氪