chatGPT出圈，大模型算力需求攀升

　　2月份，社交媒体上热度最高的话题莫过于chatGPT。几乎所有新闻媒体，社交平台都在讨论这个AI聊天机器人。

　　2022年底，最新版本chatGPT就已经受到IT技术界的关注。春节过后，一夜爆火，突然出圈，上亿网友尝试着使用了chatGPT，其颇有“智慧”的聊天模式，让人震惊。但很快，大家发现除了一些有标准答案的科学技术内容还算相对可靠外;很多内容更像是“一本正经的胡说八道”。

　　有分析文章指出，在马斯克投资openAI后，将原来chatGPT的“人工智障”模式调整为了现在“一本正经胡说八道”模式，用来吸引更多的人玩。这同时为chatGPT提供了一个非常庞大的天然的免费训练模型库，以此获得一个更加智能的AI聊天机器人。

　　chatGPT-3训练成本超百万美元

　　据2月12日国盛证券公布的最新数据显示，最新版本的chatGPT-3训练一次的成本约为140万美元，对于一些更大的LLM模型，训练成本介于200万美元至1200万美元之间。虽然成本高昂，但对于大型科技公司，训练费用尚在可接受范围内。

　　人工智能产品应用的训练非常烧钱，而算力更是人工智能发展的关键因素之一。值得一提的是，对于人工智能应用而言，训练和推理所需要的算力是不同的。通常意义上，训练要比推理高一个数量级的算力，至少是10倍的算力。

　　用户对chatGPT提问时，几秒钟时间就会给出反馈，这属于实时或者半实时推理的过程;而后台可能已经花了几周甚至几个月时间对这个问题完成了训练。

　　虽然如此， ChatGPT在应用时仍然需要大算力的服务器支持，这也为算力服务商们带来更多市场空间和发展机会。带着相关问题，《中国信息化周报》记者采访到了宁畅副总裁兼CTO赵雷。

　　“早在几年前，宁畅就已经在人工智能赛道布局了，我们着力发展人工智能服务器，并从产品技术、市场等多个维度取得突破。”赵雷向记者介绍说。

　　据了解，宁畅针对ChatGPT对于大数据和算力的超高要求，可以提供单机和集群的硬件产品解决方案，如人工智能序列服务器X620、X640、X660，分别可以提供基础的推理算力、平衡型的推理和训练的算力以及顶级性能的训练算力。

　　“要实现一个理想的人工智能状态，至少需要现在100-1000倍的算力。”赵雷坦言，短期内，利用ChatGPT处理一些基础科学方面的内容、写写代码、文章是可以的;但真正要变成一个智能助手，去替代人类的职业，比如工程师、记者、律师等是不太可能的。

　　算力不均、成本高是症结

　　得益于深度学习算法的普及和应用，具有海量数据并行计算能力、能加速计算处理的AI芯片被越来越多的采用，伴随而来的是AI服务器市场持续增长。截至2021年底，全球 AI 服务器市场规模已达到 145 亿美元，并预计 2025 年将超过 260 亿美元。

　　聚焦我国算力产业发展情况，主要存在算力分布不均和算力成本高两大问题，丞需解决。

　　第一，总体算力分布不均。比如算力不协调，A时间算力过剩，B时间算力不足。一方面需要云技术去平衡算力，另一方面需要深度定制等手段去提高算力的生产效率。

　　第二，算力成本高。虽然目前算力单价在下降，但过去三年服务器成本一直是上涨的状态。单一算力类型，不足以支撑高速增长的算力需求。应用类型越窄，算力效率越高;反之，通用化模型，算力效率会比较低。在复杂算力场景中，如何组合不同的算力类型，是降低成本的关键。

　　借大模型东风 布未来发展大局

　　在数字经济时代，算力作为经济发展重要底座支撑，作为一种全新的生产力，其作用日益凸显，已经成为国家和地区竞争力的体现。

　　虽然业内早有共识，但ChatGPT的出圈，开始让更多产业界人士意识到大模型正在敲开通用人工智能大门。

　　事实上，不仅仅是ChatGPT，这只不过是人工智能赛道中偶然爆火的一个产品应用，众多的应用，比如自然语言合成、自动驾驶、图形图像处理等，都依赖大模型的训练，而这背后离不开各大服务商们对人工智能算力市场的保障和支持。

　　人工智能产品的训练精度越高，或者训练模型越大，给用户的反馈越准确，客户的体验越好，这些都为算力市场带来了更多机会。

　　当前，服务器的研发测试、生产制造都是以年为周期的，赵雷表示：“未来，预计两三年内，宁畅都将会坚定不移的深耕定制化市场，以用户为核心，持续在人工智能领域持续发力。”

 

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。