近日，某城市人工智能（AI）計算中心建成投用，媒體在報道該中心算力時稱：“中心一期建設(shè)規(guī)模100P FLOPS人工智能算力……其算力相當于5萬臺高性能計算機?！痹搱蟮酪怀觯l(fā)高性能計算領(lǐng)域?qū)＜谊P(guān)注。相關(guān)專家對《中國科學報》表示，該報道內(nèi)容存在對“超級計算機”與“智能計算機”認識不清、概念混淆，極易引發(fā)誤導(dǎo)。

　　中國科學院計算技術(shù)研究所研究員、中國計算機學會高性能計算專業(yè)委員會秘書長張云泉告訴《中國科學報》：“智能計算機不是超級計算機，兩者的概念應(yīng)該區(qū)分清楚，否則可能會引起行業(yè)混亂。”

　　超級計算機、智能計算機，傻傻分不清楚？ 

　　目前業(yè)界用于衡量超級計算的Linpack測試，測試的是超級計算機的“雙精度浮點運算能力”，即64位浮點數(shù)字的計算（FP64）。在以二進制所表示數(shù)字精度中，還有單精度（32位，F(xiàn)P32）、半精度（16位，F(xiàn)P16）以及整數(shù)類型（如INT8、INT4）等。數(shù)字位數(shù)越高，意味著人們可以在更大范圍內(nèi)的數(shù)值內(nèi)體現(xiàn)兩個數(shù)值的變化，從而實現(xiàn)更精確計算。

　　與許多科學計算等不同，AI所需的計算力不需要太高精度。“比如一些AI應(yīng)用需要處理的對象是語音、圖片或視頻，運行低精度計算甚至整型計算即可完成推理或訓(xùn)練。”張云泉說，這種專用計算機處理AI算法速度快、能耗低，這是由其特點決定的。

　　智能計算機是一種專用算力，它們在推理或訓(xùn)練等智能計算方面的確表現(xiàn)出色，但由于AI推理或訓(xùn)練一般僅用到單精度甚至半精度計算、整型計算，多數(shù)智能計算機并不具備高精度數(shù)值計算能力，這也限制其在AI計算之外的應(yīng)用場景使用。

　　相對比而言，超級計算機是一種通用算力，其設(shè)計目標是提供完備、復(fù)雜的計算能力，在高精度計算能力更強，應(yīng)用范圍更廣，比如科學家常使用超級計算機進行行星模擬、新材料開發(fā)、分子藥物設(shè)計、基因分析等科學計算和大數(shù)據(jù)處理。

　　中國工程院院士陳左寧曾形象地將使用超級計算做AI計算是“大馬拉小車”，來說明超級計算雖然“十項全能”，但畢竟不是為AI量身打造。智能計算機由此興起。

　　此前曾一度熱炒AI與超算融合，其實正是將改良的計算機“AI專用化”，嚴格意義上來說，它們已經(jīng)不再屬于傳統(tǒng)超算范疇。

　　近年來，隨著AI產(chǎn)業(yè)化的深入，不少地方希望建設(shè)AI算力平臺，以滿足日益增長的AI計算需要。但是，一些地方在建設(shè)之時，并非都能區(qū)分智能計算機與超級計算機之間的區(qū)別。

　　“現(xiàn)在不論超級計算中心落成還是智能計算中心，都宣稱算力是多少‘FLOPS’，其實這個單位是‘每秒浮點運算能力’，而一些智能計算機的單位其實是‘OPS’——每秒操作次數(shù)。如果不加區(qū)別地報道，大家很容易誤認為是同一種計算精度、同一種計算能力?！睆堅迫f，這也導(dǎo)致一些地方以為花了小錢建了世界頂級的“大超級計算”，好像占了便宜；等項目上了馬，將項目介紹給超算業(yè)內(nèi)人士時，才恍然大悟。

　　用新指標引導(dǎo)行業(yè)健康發(fā)展 

　　張云泉告訴記者，除了混淆智能計算機和超級計算機之外，業(yè)內(nèi)還存在另外一種誤導(dǎo)。

　　“有些廠商還會模糊智能計算機的推理性能和訓(xùn)練性能?！睆堅迫嬖V《中國科學報》：“與推理相比，訓(xùn)練性能往往需要計算精度高一些，比如32位甚至64位；而大部分性能‘耀眼’的AI芯片，往往指的是其推理性能，而且可能還只是理論值?！?/p>

　　對于AI計算而言，訓(xùn)練性能往往更重要——許多智能模型正是有賴于此。張云泉說，訓(xùn)練模型的計算量與參數(shù)量成正比，而且需要反復(fù)迭代，直到達到理想中的效果。

　　如果要畫一張AI所需算力的示意圖，“推理”位于算力矩陣的最下層，因為半精度算力（FP16）或整型算力（如INT8）即可滿足推理需要；排在其上的是“訓(xùn)練”，一般需要使用單精度算力（FP32）或半精度算力（FP16）；對算力需求最高的是類腦“模擬”，它的算力需求需要雙精度算力（FP64）和低精度算力同時支持。

　　“混淆傳統(tǒng)超級計算與智能計算、混淆智能計算的訓(xùn)練性能和推理性能，這兩種情況可能會導(dǎo)致用戶或地方政府錯誤決策——如果他們本意是希望建設(shè)強大的計算集群，最后卻有可能花了不少錢只建成了一臺只有推理性能的機器?！睆堅迫f。 

　　對此，張云泉認為，需要一個簡單有效的指標來幫助判斷系統(tǒng)的AI算力和整個高性能AI領(lǐng)域的發(fā)展狀況，從而防止行業(yè)亂象。

　　2020年11月，張云泉聯(lián)合清華大學教授陳文光、美國阿貢國家實驗室研究員Pavan Balaji和瑞士蘇黎世聯(lián)邦理工學院教授Torsten Hoefler，與ACM SIGHPC China委員會共同發(fā)起了基于AIPerf大規(guī)模AI算力基準評測程序的“國際人工智能性能算力500排行榜”（即AIPerf500）。記者注意到，這一榜單的算力單位是OPS。

　　“超級計算與AI計算，一碼歸一碼，需要一個新的標尺來引導(dǎo)AI計算行業(yè)走上健康發(fā)展的道路?！睆堅迫f。

　　國產(chǎn)AI芯片正待奮蹄直追 

　　算力始于芯片。在AI芯片賽道上，我國擁有華為（昇騰）、百度昆侖、燧原等芯片設(shè)計企業(yè)，但即便如此，國內(nèi)的智能計算機仍很少能繞過美國GPU巨頭英偉達。

　　這是一個無奈的現(xiàn)實：國內(nèi)上馬的諸多智能計算中心，英偉達是切切實實的受益者。

　　“專門做智能計算的AI芯片，只要核數(shù)足夠多、主頻足夠高，就可以實現(xiàn)速度更快、在低精度計算中高出幾個量級的性能。但如果某個計算集群既需要高精度計算又需要低精度計算，那這對AI芯片的要求就高了?！睆堅迫f，英偉達的GPU各種精度的計算能力都很突出、比較均衡。這也是大部分國產(chǎn)AI芯片難以與英偉達GPU硬碰硬的原因之一。

　　不過，國產(chǎn)AI芯片并非完全沒有機會。

　　首先，當下我國的算力基礎(chǔ)設(shè)施，都有強烈的國產(chǎn)化意愿。即便英偉達、英特爾等巨頭虎踞龍盤，但綜合成本、生態(tài)等各類因素，國產(chǎn)化的大潮仍不可阻擋。

　　其次，就AI當前發(fā)展而言，場景、數(shù)據(jù)、模型、算力缺一不可，這也就意味著，中國將是未來全球AI算力富集地。AI芯片作為核心需要，不可能被一種形態(tài)、一種生態(tài)所壟斷，寒武紀、昇騰等國產(chǎn)AI芯片的佼佼者仍坐擁巨大發(fā)展空間。

　　一位不愿透露姓名的超算專家向《中國科學報》提醒道，雖然芯片是算力的主要來源和最根本的物質(zhì)基礎(chǔ)，但是算力的生產(chǎn)、聚合、調(diào)度和釋放是一個完整過程，需要復(fù)雜系統(tǒng)的軟硬件生態(tài)共同配合，才能實現(xiàn)“有效算力”。因此，不能只關(guān)注芯片的單一性能指標，更要注重上層軟件應(yīng)用生態(tài)。

　　沒有巨大算力無法發(fā)展AI？ 

　　在算力概念被混淆的背后，是AI計算有如脫韁野馬一般瘋漲的算力需求。

　　由多位硅谷“大亨”聯(lián)合建立的人工智能非營利組織OpenAI，在2020年5月推出了其新一代無監(jiān)督的轉(zhuǎn)化語言模型GPT-3，目前已有1750億參數(shù)，訓(xùn)練數(shù)據(jù)量達到45TB（約1萬億單詞量）。

　　GPT-3模型目前已經(jīng)在語義搜索、文本生成、內(nèi)容理解、機器翻譯等方面取得重大突破。其最大價值是證實了機器在無監(jiān)督下的自我學習能力，驗證了純粹通過擴大規(guī)模即可以實現(xiàn)性能提升。

　　更壯觀的是，萬億參數(shù)模型已經(jīng)在路上。6月初，北京智源人工智能研究院發(fā)布了“悟道2.0”，宣稱達到1.75萬億參數(shù)，超過之前由谷歌發(fā)布的Switch Transformer，成為全球最大的預(yù)訓(xùn)練模型。

　　迅猛增長的參數(shù)體量，也意味著更高的計算需求——有的可能需要數(shù)千塊GPU來提供必要的算力。張云泉說，類似GPT這樣的巨模型，對算力的需求“不是鬧著玩的”。

　　難道，沒有巨大算力就無法發(fā)展AI嗎？

　　張云泉認為，在目前AI的發(fā)展階段（感知智能和認知智能）中，算力仍然是第一位的。

　　他的理由是，發(fā)展AI可以通過算力提升、算法革命等途徑提升，但在“資本導(dǎo)向”的現(xiàn)階段，相比不確定性的算法模型突破，算力提升是個容易的選擇。

　　但是必須要指出的是，運用巨大算力并不是人工智能發(fā)展的唯一方向，GPT-3這樣的巨模型同樣存在缺陷，如缺乏常識等；而探索人腦奧妙機理，實現(xiàn)小數(shù)據(jù)學習、遷移學習也是重要手段。

　　畢竟，大腦的功耗只有20W左右，實現(xiàn)低能耗的智能系統(tǒng)或許是更重要的努力方向。