♩封面新闻记સ者 ü欧阳宏宇
人工智能算力是当前人工智能领域发展的关键，围绕AI与算力基础设施搭建应该如何实现突Ċb;⌊破？近日，中国工程院院士郑纬民在分享中表示，聚焦人工智能的Æ基础研究上，可从算力基础设施的设计、评测和优化方面入手推动技术发展。
在设计方面，郑纬民提到，传统数值超算系统（HPC）与AI算力系统（AI）之间在应用领域、运算精度等方面都有很大不同。基于此，人工智能计算机设计应遵循平衡性原则，即计算平衡设计、网络平衡计算、IO子系统设计。他§将HPC、AI和BigData（大数据处理系统）比作算力系统的“三驾马车”，指出“目前，行业整体趋势是HPC+AਠI+BigData融合在一起，预计未来两到四年，三者融合的服务器就会出现。”
在评测方面，在郑纬民看来，AIè基准设计要达到四个目标：统一的分数、可变的规模、具有ੌ实际的人工智能意义、评测程序包含必要的多机通信。由于传统的AI算力评测基准存在着只针对单个芯片、只是移动端的硬件、可扩展性不好等问题，所以，÷行业没有太多合适的大规模人工智能算力基准评测程序。
在优化方面，学界已达成一个基本共识，即模型规模和模型效果呈正相关关系。对此，郑纬民认为，由于模型规模增加了，但CPUće;的内存、计算能力是有限的，因此大模型训练一定是多机的，分布并行的。“融合了数据并行、模型并行、专家并行三种训练⇑模型后，百万亿参数超大规模训练模型的加速方法已得到了工业界的认可。ⓐ”
中国在大数据领域的算力处于领先，但是在另两种算力领域还和世界顶尖存在差距，特别是“智能算力严重Æ制约我国AI领域的创新能力”。对此，郑纬民表示，我国算力发展面临三大问题，即国产超算平台架构多样，应用移植和调优工作难度大；国产算力平台支持复杂应用全流程计算的能力亟待改善દ；和人工智能企业所可能面临的风险。
<!–
–>
ö
