“隨著(zhù)AI從1.0進(jìn)入2.0大模型技術(shù)階段，我們迎來(lái)了有史以來(lái)最重要的科技革命和平臺革命?！绷阋蝗f(wàn)物CEO、創(chuàng )新工場(chǎng)董事長(cháng)李開(kāi)復日前在接受記者采訪(fǎng)時(shí)表示，算力作為AI 2.0發(fā)展的關(guān)鍵環(huán)節，需要采用更務(wù)實(shí)、更統籌優(yōu)化的方法來(lái)應對當前的挑戰。未來(lái)，期待著(zhù)人工智能尖端企業(yè)能夠更廣泛、深入參與到國家AI算力建設中來(lái)，各方優(yōu)勢資源充分融合，更好賦能AI大模型產(chǎn)業(yè)發(fā)展。

　　“多地正在積極建設超算中心，打造國家級的算力底座，促進(jìn)超算算力一體化運營(yíng)，是非常好的探索和嘗試?！崩铋_(kāi)復認為，超算中心匯聚云計算、大數據和人工智能研發(fā)等多重功能及要素，聚集了豐富的AI發(fā)展資源和動(dòng)能，未來(lái)可期。如何更好發(fā)揮各方優(yōu)勢構建超強AI算力，或可從以下四個(gè)方面入手：

　　首先，遵循規模定律（Scaling Law），提升計算效率。大模型規模定律的重要性在這個(gè)時(shí)代得以凸顯——人類(lèi)能夠用更多計算和數據不斷增加大模型的智慧，這條被多方驗證的路徑還在推進(jìn)中，還遠沒(méi)有觸達天花板。

　　同時(shí)，大模型的智慧來(lái)自于接近無(wú)損的壓縮，這點(diǎn)也非常重要。因為規模定律過(guò)程中不能盲目堆更多的GPU，所以需要有一個(gè)方法評估大模型企業(yè)有沒(méi)有越做越好或者哪個(gè)方法做得更好。遵循規模定律也成為當前諸多大模型企業(yè)規?；瘧么竽Ｐ蜁r(shí)嘗試突破算力限制，將計算效率最優(yōu)化的有效途徑之一。

　　零一萬(wàn)物內部有嚴謹的相關(guān)方法論，且用壓縮的理念去評估，讓以往漫無(wú)目的訓模過(guò)程變得更系統、更科學(xué)并有數學(xué)根據，較大提升了自身大模型的計算效率。

　　第二，加強“?；步ā?，尋找算力最優(yōu)解。目前，發(fā)達國家AI領(lǐng)域GPU的數量和規模是我國的數倍左右，面對這樣的差距，我們需要采取更務(wù)實(shí)有效的舉措——自研AI Infra（AI Infrastructure人工智能基礎架構技術(shù)）。AI Infra主要涵蓋大模型訓練和部署提供各種底層技術(shù)設施。在國外一線(xiàn)大廠(chǎng)，最高效訓練模型的方式是算法與Infra共建，不僅關(guān)注模型架構，而是從優(yōu)化底層訓練方法出發(fā)。零一萬(wàn)物自成立起便將自研AI Infra設立為重要方向，選擇跟國際一線(xiàn)梯隊齊平的“?；步ā睉鹇?，模型團隊和AI Infra團隊高度共建，人數比為1：1。零一萬(wàn)物在此基礎上自研了人工智能基礎架構技術(shù)，從底層優(yōu)化訓練方法，較大節省成本，找到了當前條件下算力運用的優(yōu)質(zhì)路徑。從零一萬(wàn)物國際領(lǐng)先的千億參數大模型“Yi-Large”訓練過(guò)程來(lái)看，經(jīng)優(yōu)化后，Yi-Large千億參數模型的訓練成本同比大幅下降。

　　第三，打造“模應一體”，探尋TC-PMF（Product-Market-Technology-Cost Fit，技術(shù)成本×產(chǎn)品市場(chǎng)契合度）。在大模型時(shí)代，模型訓練和推理成本構成了幾乎每個(gè)創(chuàng )業(yè)公司都必須要面對的增長(cháng)陷阱。用戶(hù)增長(cháng)需要優(yōu)質(zhì)的應用，而優(yōu)質(zhì)應用離不開(kāi)強大的基座模型，強大基座模型的背后往往是高昂的訓練成本，接著(zhù)還需要考慮隨用戶(hù)規模增長(cháng)的推理成本。能夠率先察覺(jué)、并達到 TC-PMF這一普惠點(diǎn)的企業(yè)無(wú)疑會(huì )占盡先機。要做到這一點(diǎn)，模型、AI Infra、應用這“三位一體”的優(yōu)異能力缺一不可?；诖?，零一萬(wàn)物將“模應一體”與“?；步ā币煌袨楣镜捻攲雍诵膽鹇?，在人才密度和協(xié)作方式上，也快速打磨出一整套能夠融合不同專(zhuān)業(yè)的優(yōu)秀人才跨界共創(chuàng )的組織體系?；Ｐ?、AI Infra、API、C端應用AI助手“萬(wàn)知”，這些全棧式業(yè)務(wù)部署，使得零一萬(wàn)物能夠以更全面的視野來(lái)看待大模型時(shí)代的增長(cháng)陷阱，也為其在應用層的商業(yè)落地帶來(lái)了更大發(fā)揮空間。

　　第四，充分發(fā)揮尖端AI企業(yè)示范優(yōu)勢。李開(kāi)復認為，我國在發(fā)展AI算力等領(lǐng)域具有一定優(yōu)勢。除了豐富的大數據資源外，我國的社會(huì )資源動(dòng)員力、融合度較高，在科研、應用領(lǐng)域的研發(fā)效率、落地效果較好。同時(shí)，我國有非常多卓越的互聯(lián)網(wǎng)企業(yè)和現象級App應用，比如抖音、美團等等，這些企業(yè)在A(yíng)I算力、算法領(lǐng)域的探索有用戶(hù)支持作為基礎，企業(yè)更易研發(fā)出更具有前瞻性、應用性的應用，是AI大模型產(chǎn)業(yè)發(fā)展的重要推力?！拔磥?lái)，希望國家級超算中心、國內可靠尖端AI企業(yè)、多領(lǐng)域企業(yè)間能夠增強資源的整合利用，充分發(fā)揮各方優(yōu)勢，更好融合發(fā)展，為AI更好賦能千行百業(yè)發(fā)展再添新動(dòng)能?！?/p>