近期，北京超級云計算中心運營實體北京北龍超級云計算有限責(zé)任公司CTO甄亞楠在接受紅星資本局等媒體專訪時談到了超算中心與智算中心轉(zhuǎn)換、大模型使用國產(chǎn)芯片的情況、大模型算力供給等問題。

他告訴紅星資本局，目前幫國產(chǎn)大模型“嫁接”國產(chǎn)芯片，只需15天左右就可以跑通。他認(rèn)為算力共享會是行業(yè)大趨勢，高端GPU算力資源需要各方努力。

超算轉(zhuǎn)智算會是趨勢嗎？

一般來說，算力分為通用算力（基礎(chǔ)算力）、智能算力和超算算力三大板塊。

其中，基礎(chǔ)算力主要由基于CPU芯片的服務(wù)器提供，用于支持如云計算和邊緣計算等基礎(chǔ)通用計算。智能算力則由基于GPU、FPGA、ASIC等AI芯片的加速計算平臺提供，主要用于人工智能的訓(xùn)練和推理計算。而超算算力則由超級計算機(jī)等高性能計算集群提供，主要用于尖端科學(xué)領(lǐng)域的計算。

各類算力中心在計算方式和擅長領(lǐng)域等方面各異，近幾年各地也在加快智算中心的建設(shè)。

“其實海外并未區(qū)分‘超算’‘智算’的概念，他們專門用來做計算的這類機(jī)器都叫做super computer（超級計算機(jī)）。”甄亞楠認(rèn)為，智算中心在國內(nèi)看起來利用率比較高，主要還是供需關(guān)系決定的。

“現(xiàn)在做大模型的企業(yè)比較多，大家都在‘搶時間’研發(fā)，迫切需要有更大量的算力資源，短時間之內(nèi)高端GPU算力資源大家都是按月或者按年的方式去租賃。所以這個機(jī)器只要一上線，就有大量的客戶把這些資源拿走去用，這就看起來智算中心的利用率更高一些。”

甄亞楠表示，超算和智算解決的都是同一類問題，即計算密集型問題。“如何給用戶提供足夠量的資源池，如何提供穩(wěn)定長時間的計算，如何能夠在計算過程中性能是高效的，不管對于超算還是智算，都屬于共性問題。”

甄亞楠認(rèn)為，算力中心的建設(shè)就需要具有一定的“適度超前性”，因為要承載未來3~5年的使用訴求。為了應(yīng)對空閑，北京超算采取的是“分批次”的按需建設(shè)模式。“比如需求旺盛的時候，增加建設(shè)幾百臺甚至幾千臺，當(dāng)利用率飽和的時候，再進(jìn)行有效的擴(kuò)容。”此外，關(guān)于超算智算之間的轉(zhuǎn)換，他表示超算架構(gòu)加上GPU卡就可以服務(wù)AI智算。

數(shù)據(jù)顯示，截至去年我國就有十余家超算中心，超30個城市提出或正在建設(shè)智算中心。

甄亞楠告訴紅星資本局，各個地方建設(shè)算力中心，北京超算也在積極關(guān)注，“如果地方建設(shè)了大型的算力中心，是不是能找到客戶、服務(wù)好客戶？是不是能把平臺高效運營起來實現(xiàn)經(jīng)濟(jì)效益的轉(zhuǎn)化？這些是我們持續(xù)關(guān)注的點。”

甄亞楠還提到了另一個關(guān)注點，即未來算力產(chǎn)業(yè)。“本質(zhì)上它受限于算法和算力芯片技術(shù)的快速迭代和更新。以英偉達(dá)來講，都會有非常明確的算力芯片發(fā)展規(guī)劃。未來高端芯片出來后，是不是低端芯片會逐步被替代掉，這也是一個值得探討的問題。”

國產(chǎn)芯片跑通大模型有障礙嗎？

近年來，我國人工智能算力芯片的市場格局主要由英偉達(dá)主導(dǎo)，其占據(jù)了80%以上的市場份額，一直保持著無可匹敵的競爭優(yōu)勢。然而，隨著美國對高性能芯片出口限制措施不斷加強(qiáng)，國產(chǎn)AI芯片肩負(fù)起填補(bǔ)市場空缺的重要使命。

“我們也非常關(guān)注國產(chǎn)芯片的發(fā)展，據(jù)了解，國內(nèi)自研的大模型，甚至一些開源的大模型都在不斷往國產(chǎn)芯片上去做移植。”

甄亞楠指出，現(xiàn)在從芯片使用角度來講，有些模型已經(jīng)可以跑通運行了，需要追趕的方面主要在類似GPU這種高性能。

“整個的國產(chǎn)化是分層級的，芯片屬于硬件這一層，除此之外還有軟件的生態(tài)。對于國產(chǎn)的芯片來講，不管是框架還是生態(tài)，都需要有一定的培育周期。”甄亞楠呼吁，最終的應(yīng)用方要給到國產(chǎn)芯片足夠的信心。他透露，目前北京超算有專門的團(tuán)隊，在國產(chǎn)芯片各類指導(dǎo)文檔比較齊全的情況下，歷時15~20天，開展服務(wù)器基礎(chǔ)環(huán)境部署、性能測試到模型移植、性能優(yōu)化、加速庫替換等工作，可以幫助客戶完成國產(chǎn)算力的模型移植與部署。”

甄亞楠坦言，從整個生態(tài)角度，需要硬件、軟件、模型企業(yè)共同努力。“本質(zhì)上來講還是個非常復(fù)雜的系統(tǒng)性問題，國產(chǎn)芯片是可以‘跑起來’，解決‘可用’的問題，但剩下的性能問題，也就是達(dá)到‘好用’的程度，則需要大家共同努力。”

大模型算力供給是否存在困難？

紅星資本局注意到，從去年開始，就有專家學(xué)者指出，大模型時代，智能算力成為“稀缺資產(chǎn)”。如何善用算力資源，發(fā)揮其最大效益，已經(jīng)成為每個參與者必須面對的挑戰(zhàn)。

甄亞楠認(rèn)為，對于大模型需求多少算力，應(yīng)用上有所區(qū)分。

比如，做基座大模型的企業(yè)，對算力資源的總量要求比較高，可能動輒就是5000卡，甚至萬卡的規(guī)模，甄亞楠表示，目前能夠拿出空閑5000卡左右的算力資源的智算中心在國內(nèi)還是非常少的，所以基座大模型企業(yè)算力依然緊缺。特別是對于那些頂級的基座大模型研究企業(yè)，目前缺卡的情況依然存在。

另外一類是行業(yè)大模型或者垂類大模型，一般都是在基座大模型的基礎(chǔ)之上，利用自有數(shù)據(jù)做微調(diào)。甄亞楠指出，這種對算力總量需求相對來講比較小，國內(nèi)有很多算力服務(wù)單位都可以滿足，這里存在的就是如何去優(yōu)選服務(wù)的問題。

目前從大模型的算力供給量來講，是否還存在制約？甄亞楠認(rèn)為長遠(yuǎn)看，供需關(guān)系會發(fā)生變化，但當(dāng)下，高端算力資源供貨周期不可控，導(dǎo)致其依然“難求”。

甄亞楠提到，算力中心的建設(shè)投入是最直接的“制約”，周期長，耗資巨大。另一方面，建設(shè)多大的算力資源池，與大模型企業(yè)的長期規(guī)劃更是有直接關(guān)系。

“我們必須和企業(yè)保持及時且長期的溝通，針對他們的業(yè)務(wù)發(fā)展走向，提前做布局。才能在規(guī)劃時間內(nèi)儲備足夠的算力資源池。”

甄亞楠坦言，高端GPU算力資源需要各方努力。“一方面我們自己建，另一方面我們也和國內(nèi)的運營商、地方政府在洽談，他們在建設(shè)算力方面有資金以及政策支持。算力共享在這個行業(yè)里會是大趨勢，需要各方共同去謀求算力上的合作。”