数智时代，中国计算产业该如何向内要算力？

原文地址：http://news.sciencenet.cn/htmlnews/2023/6/502180.shtm

数智时代，我国算力产业规模有多大？按工业和信息化部最新统计，截至2022年底，我国算力总规模达到180EFlops（百亿亿次浮点运算/秒），仅次于美国，排名全球第二。

然而，坐拥全球第二大规模的算力，我国计算产业依然面临着巨大挑战。特别是当 ChatGPT引爆了人工智能应用对算力新的需求之后。

“当前算力的发展不能满足神经网络模型增长（对计算）的需求。”日前，在天津举行的中国计算产业生态发展高峰论坛上，中国科学院软件研究所所长赵琛表示，智能物联时代，算力的实际发展与时代对算力的巨大需求之间存在着巨大差距。尤其在“后摩尔定律时代”，如何补足算力需求，是当前亟需应对的重大命题。

  ?

算力焦虑，时代挑战

最近，人工智能明星公司OpenAI根据近年来的实际数据进行拟合，发现最先进AI模型的计算量每3.4个月翻一番，约合每年增长10倍——这一数据比“每2年增长一倍”的摩尔定律快得多。

OpenAI称，按照摩尔定律，从2012年至今，芯片算力只增长了7倍；而在这7年间，人工智能应用对算力的需求增长了30万倍。

不仅如此，赵琛说，算力的内涵不仅仅指运算，还包括存储、带宽、软件等。他指出，大语言模型GPT从1.0版本到4.0版本，系统对存储量的需求是指数级的，约合每两年增长240倍，而实际存储产品的增速远不及此；网络带宽经过近20年的发展，也只有约30倍的增长。

该如何解决或缓解算力焦虑？

“我们一个观点是，在后摩尔定律时代，要把算力从软件、硬件结合起来考虑，提供整个的计算系统性能。”他说：“这需要许多学科的参与，基本上，所有软件学科都能够为算力性能提升作出贡献。”

对此，曙光信息产业股份有限公司总裁历军表示，面对日益复杂的应用场景、海量的数据处理和随之而来安全问题，如何以市场需求为导向进行软硬协同与技术突破、模式创新与资源整合，正成为产业链上下游共同面临的课题。

 打破垄断，以迎拐点

作为推开数智化大门的支撑力量，算力的基础地位不容置疑。然而，面对日益严峻的外部环境，中国算力的发展，未来恐怕要更多向自己要答案。

“目前整个计算产业，无论算力端还是存力端，这些年来国外厂商几乎形成垄断，行业集中度非常高。”中国科学院微电子研究所副所长曹立强在论坛上表示，国内市场需要国内的计算芯片企业、存储技术厂商发力，大家一道通过新型举国体制建设产业生态、完善系统布局，从而打破国外垄断的局面，迎来国内计算产业拐点。

但这件事情并不那么容易。中国科学院计算技术研究所研究员谭光明谈道，国际先进芯片不仅是“市场霸主”，更是“生态霸主”——例如英伟达依靠并行计算架构 CUDA 打造了GPU从部署到应用的护城河，依靠软硬结合垄断了应用和用户。

“国内的芯片生态还处于‘诸侯争霸’的阶段，有点各自为政，没有考虑太多生态层面的问题，比如软件、编程框架、模型编辑器等等怎么协同发展。”谭光明认为，国产芯片虽然已有长时期的发展，但还是要认识到，我们在性能上和生态上的巨大的差距和瓶颈——尤其当下硬件行业呈碎片化发展，各类芯片各自为政，若没有生态支撑，“编程墙”（或称“程序表达墙”）和“性能墙”的问题将难以逾越。

“怎么样解决这个问题？能不能大家形成利益共同体解决这个问题？我想这是要考虑的两个挑战。”谭光明说。

值得一提的是，高峰论坛上到场芯片企业均表示，愿意参与建立软硬协同的技术共享平台，以期“一起打造国内的算力、存储、网络等的IT底座，做出更适应中国市场需求的产品”。

开放通用，合作共赢

“开放协作”，是此次高峰论坛上专家学者提及最多的词汇。

谭光明把国产芯片面临的问题归结为“编程墙”和“性能墙”，认为这两大难题的真正原因，就在于国内没有统一的生态标准，导致无法以通用的框架和技术解决软硬件协同优化的问题。

“采用中立可控的开放生态，可以解决‘编程墙’的问题；而要解决‘性能墙’层面的重要工作，是要开发通用的优化技术，把原来需要一对一的定制化优化，变成可以智能化的行为。”谭光明说，现阶段，国产芯片无论设计、生产制造，与国外先进水平相比都处于追赶状态，但在突破这些之前，“唯一的解决方案就是采用软硬件协同设计的思路去解决问题”。

谭光明举例说，比如，以深度学习为框架的算力统一接口，就需要一个联盟——包括处理器厂商、终端设备、用户在一起讨论，怎么定义这样的接口。

赵琛则以开源芯片指令集RISC-V为例谈到，此前软硬件的协同发展，实际上是软件跟着硬件的技术路线走；未来随着应用场景的变化，这一趋势可能会倒过来。“大的趋势叫作计算定制——计算体系结构的定制、开源软件供应链针对不同场景的定制等等。”

开放指令集标准一直是缺失的，直到RISC-V的出现。“RISC-V可以一体考虑人工智能的智能计算需求和物联网算力的需求，并在统一架构上用扩展指令集的方式解决算力不足的问题。”赵琛说，解决算力不足，软硬协同是非常重要的事情，且软硬生态的深度融合也会反哺国内芯片产业。