ChatGPT爆火之后，算力問題也被推到了風(fēng)口浪尖,。
根據(jù)OpenAI CEO的說法，每調(diào)用一次ChatGPT就會消耗幾美分,。那么如果全球每人都搜索一下,，為什么OpenAI不會破產(chǎn)？
全國的A100顯卡就那么幾萬卡,，如果大家都去煉大模型,，算力不夠用怎么辦？……
CCF CTO Club發(fā)起的最新一期CCF C³活動就來到并行科技,，話題聚焦于“算力網(wǎng)絡(luò)賦能人工智能”,，以ChatGPT這一熱門話題為引子，展開了一場多維度的主題分享和討論,。
據(jù)統(tǒng)計，線上約有9500人圍觀了此次活動,。
所以,，具體都講了些什么,？
訓(xùn)練千億大模型，至少面臨三大挑戰(zhàn)
活動最先開始的主題分享環(huán)節(jié),，北京大學(xué)人工智能研究院助理教授（博導(dǎo)）楊耀東講了一個非常有趣的東西,，即微軟最新公布的一個研究項目。
該項目直接將ChatGPT的輸出接到一個機(jī)械臂以及一個微機(jī)上,。然后通過人與ChatGPT交互，來控制機(jī)械臂完成特定任務(wù),，比如用一堆方塊拼成一個微軟的logo,。
楊耀東告訴大家,，這項研究非常有意義,。
如下圖所示，以往我們要完成類似任務(wù),，需要人去編程,。
現(xiàn)在有了ChatGPT之后，我們要做的就不再是設(shè)計程序,，而是設(shè)計一個prompt或者是一個instruct,，讓ChatGPT通過這個prompt或instruct去編程，進(jìn)而完成對機(jī)械臂的控制,。
ChatGPT還有這種妙處,？著實讓人感到驚喜,。
那么問題來了：
這么一個好東西，為什么沒有先在中國誕生,？是我們完全沒有關(guān)注這件事情嗎,？
北京智譜華章科技有限公司的CEO張鵬，在ChatGPT爆火后經(jīng)常被問到這個問題,。
對此，他想說,，并非沒有關(guān)注,，國內(nèi)如華為、達(dá)摩院,、清華大學(xué)等機(jī)構(gòu)一直在做類似的事情,。
比如清華大學(xué)知識工程實驗室（KEG）與智譜AI共同研發(fā)的大規(guī)模中英文預(yù)訓(xùn)練語言模型GLM-130B。
它可與GPT-3基座模型對標(biāo),，在同等運(yùn)算速度與精度的要求下,，GLM-130B對顯存資源的消耗可節(jié)省75%,，自2022年8月發(fā)布以來，已收到41個國家266個研究機(jī)構(gòu)的使用需求,。
在Stanford報告的世界主流大模型評測中,，它更是中國唯一入選的模型，其準(zhǔn)確性,、惡意性與GPT-3持平,，魯棒性和校準(zhǔn)誤差在所有模型中表現(xiàn)最佳。
但,，不得不承認(rèn),，ChatGPT的實力確實非常強(qiáng)大。
而我們要想訓(xùn)練類似一個千億大模型,，至少要面臨三大挑戰(zhàn)：
一,、高昂的訓(xùn)練成本。比如ChatGPT的算力需求就是“A100x1000塊x30天”,。
二,、人力投入極大。比如谷歌PaLM 530B團(tuán)隊,，前期準(zhǔn)備29人,，訓(xùn)練過程11人，整個作者列表68人,，而目前國內(nèi)可用做大模型的高精尖人才不超過百人,。
三、訓(xùn)練過程不穩(wěn)定,，且調(diào)試?yán)щy,，容易出現(xiàn)訓(xùn)練不收斂現(xiàn)象。
張鵬指出,，在這些問題之中,，算力絕對是非常重要的因素。
他曾經(jīng)估算過,，從GPT3開始到ChatGPT的誕生,，中間用來訓(xùn)練模型用的算力，達(dá)到了億美金以上的規(guī)模,。
更別說這還只是對“成功部分”的估計,，如果算上訓(xùn)練失敗和試錯的成本，這個數(shù)字肯定又要翻幾番,。
因此,，我們要想搞千億大模型，算力問題一定不可忽視,。
算力網(wǎng)絡(luò)實現(xiàn)算力全國共享
根據(jù)IDC發(fā)布的報告,，中國AI算力規(guī)模增長飛速,，2022年為268EFLOPS，到2026年則可達(dá)1271.4EFLOPS,。
但在并行科技董事長陳健看來，ChatGPT爆火之后,，這個增長速度根本不夠：大家要么仍然缺算力,，要么缺合適的算力。
因此,，他提出了“可用,、好用以及降本”這三個概念。
他介紹道,，并行科技從超算起家,，一直專注于算力行業(yè)，目前公司在做的全國一體化算力網(wǎng)絡(luò),，就是要將國內(nèi)優(yōu)質(zhì)的超算,、智算與通用算力全部聚合起來，形成一個算力資源,、應(yīng)用資源,、數(shù)據(jù)資源可以共享和交易的算力網(wǎng)絡(luò)。
這個網(wǎng)絡(luò)可以確保當(dāng)我們需要用算力的時候,，只要中國還有可用的空閑算力,，我們就能用到。
當(dāng)然,，它的價格一定要合理,。
據(jù)悉,，并行科技目前與廣州超算、北京超算,、濟(jì)南超算,、中科院超算、浙江超算,、寧夏超算等國產(chǎn)算力資源在內(nèi)的大批優(yōu)質(zhì)算力資源結(jié)合,，共計接入超80000臺服務(wù)器，總計算力超1000PFlops,，存儲資源超800PB,。
算法優(yōu)化也是一條途徑
在主題討論環(huán)節(jié)，大家一齊分享了自己對如何解決算力需求這個問題的看法,。
在智譜AI CEO張鵬看來,，算力是由市場驅(qū)動的,，只要符合市場需求，創(chuàng)造出真正的社會價值,，就有辦法解決,。
而且，這個辦法一定是多元化的,。
比如在硬件層面,，我們可以打造更先進(jìn)的芯片；在宏觀資源調(diào)度方面,，如并行科技陳健所說,，算力網(wǎng)絡(luò)是一個好思路。
而最終,，可能將形成宏觀層有算力網(wǎng)絡(luò),，硬件層有強(qiáng)大芯片，中間層有軟件做算法優(yōu)化與加速這種“多向奔赴”的方式,。
此外,，他也認(rèn)為，特異化也可能會成為解決AI算力的一種趨勢,。因為就拿芯片來說,，通用芯片的成本一定會比專用的高。
對此,，中科院計算機(jī)網(wǎng)絡(luò)信息中心AI技術(shù)與應(yīng)用發(fā)展部負(fù)責(zé)人王彥棡補(bǔ)充道,，在人工智能領(lǐng)域，軟件的確是需要大家關(guān)注的重點,，它是構(gòu)成行業(yè)生態(tài)的關(guān)鍵,，容易出現(xiàn)“卡脖子”問題，做好未雨綢繆,，才能應(yīng)對不斷變化的發(fā)展時局,。
陳健則在這個環(huán)節(jié)分享了當(dāng)天刷到的一條朋友圈：
已經(jīng)摸到一定高度的情況下，再去比參數(shù)誰多是不明智的,。要比誰用更少的參數(shù),，更少的算力，也能達(dá)到同樣的效果,，包括性能和體驗,。
這條朋友圈來自某位行業(yè)專家。
陳健對此頗為贊同,，他表示：我們做優(yōu)化的都知道,，最好的優(yōu)化不是在硬件上去調(diào)整性能，而是用一個更好的算法,，讓總計算量降下去,，從而提高更好的體驗,。
因此，陳健認(rèn)為,，這也是解決算力問題一個非常非常好的路徑,，如果這一點上能突破，可能對算力公司來說不是好消息,，但是對于我們整個社會來說是非常巨大的進(jìn)步,。
接下來,，大家還就本期的主題算力網(wǎng)絡(luò)進(jìn)行了更深一步的討論,。
并行科技AI云事業(yè)部總經(jīng)理趙鴻冰表示，算力網(wǎng)絡(luò)接下來的發(fā)展重點是算力接入標(biāo)準(zhǔn)化,。有了標(biāo)準(zhǔn),，更多算力資源才能被有效的接入到算力網(wǎng)絡(luò)中，滿足需求端的靈活使用,。
歷史上,，電力網(wǎng)絡(luò)的構(gòu)建曾為人類帶來福祉。現(xiàn)在我們也可以暢想一下,，未來是否可以基于算力網(wǎng)絡(luò)來實現(xiàn)大模型訓(xùn)練,。
當(dāng)然，這需要我們在算力網(wǎng)絡(luò)分布式計算技術(shù)等相關(guān)領(lǐng)域做進(jìn)一步研究,。
現(xiàn)場提問
本場活動的最后環(huán)節(jié),，是留給線上線下觀眾的現(xiàn)場提問，不少人將目光聚集到了ChatGPT本身,。
有人關(guān)心ChatGPT是否需要做算法方面的創(chuàng)新,。
對此，楊耀東表示,，對它來說,，可能不需要。
他引用了ChatGPT項目負(fù)責(zé)人的一句話：
人們通常會低估一個簡單的想法實現(xiàn)好后對效能的增長,；而過于高估一個全新想法能帶來的效能增長。
因此他認(rèn)為,，即便ChatGPT看似簡單,，如果能在工程化方面做到極致，也會有非常好的應(yīng)用效果,。
前些日子，有研究發(fā)現(xiàn)ChatGPT背后的大模型具有9歲兒童心智,。
現(xiàn)在,，也有人將類似問題拋給了現(xiàn)場嘉賓：
基于ChatGPT目前在應(yīng)用中的表現(xiàn)，是否可以判定它已經(jīng)產(chǎn)生了智能,？
對于這個問題,，楊耀東也發(fā)表了看法,。他認(rèn)為從某種角度上來看，我們可以說ChatGPT已經(jīng)產(chǎn)生了“智能”,。就比如面對雞兔同籠問題,，換個數(shù)它依然能解,，不會出現(xiàn)突然到某個層級不能泛化的問題,。
但是它底層的模型,，說到底就是一些Encode和Decoder,，基于Attentio架構(gòu)的東西。它為什么能涌現(xiàn)出這么復(fù)雜的pattern,？
這還是數(shù)據(jù)帶來的歸納偏置非常多以后,，涌現(xiàn)出來一定意義上的智能所帶來的。
但是這個智能是不是我們科學(xué)意義上定義的智能,，或者我們怎么去定義智能——這個問題本身還很難說清楚,。
文章出處：量子位
