中国工程院院士，清华大学计算机科学与技术系教授 郑纬民
7月7日信息化百人会（ChinaInfo100，信百会）2024年度研讨会上，中国工程院院士、清华大学计算机科学与技术系教授郑纬民发表演讲。
郑纬民表示，AI 大模型正在从单模态向多模态发展，同时应用也很多，这使得算力爆发性增长，算力一直供不应求。但同时，相比英伟达，国产 AI 芯片系统生态不够好。
整体来看，大模型算力主要分为四个层次：模型研发、模型训练、模型精调、模型推理，因此，算力存在于大模型生命周期的每一环。
郑纬民提到，算力很贵，成本居高不下，如GPT-4用了800块英伟达A100，每月模型研发成本200万美元，其中，1万块A100的算力训练开销达2亿美元，ChatGPT每天推理开销达70万美元。而在大模型企业模型训练成本中，算力占70%，而在模型推理成本中，95%都是算力。
其中，大模型训练层面，郑纬民指出，目前有三种支持系统：
第一个是基于英伟达芯片的GPU系统。硬件性能好，编程生态好，但是不卖给中国，一卡难求，价格也贵了很多倍。
第二个是基于国产AI芯片的系统。
“这些年国产芯片无论是软件硬件都有很大的进展，但是用户不太喜欢用，原因是国产卡的生态系统不太好。”
郑纬民早前在2024世界人工智能大会一场分论坛上详细阐述称，尽管国内包括上海天数智芯、沐曦MetaX等国内20多家公司在生产AI芯片，芯片做的还是很不错的，进步也很大。但问题在于，国内 AI 系统时间短，特别是软件系统方面还不够成熟。
什么是生态系统好呢？郑纬民给出的定义是，如果原来用英伟达写了一个AI CUDA软件，现在很容易移植到国产系统上，写起来的方法跟原来差不多，就叫生态好。如果移植起来，没有一年两年移不过来，那就是不好。
“现在我们的状况就是生态不太好，所以大家不喜欢用。”郑纬民认为，这需要做好系统设计和相关软件优化，具体包括十个方面：编程框架、并行加速、通信库、算子库、AI编译器、编程语音、调度器、内存分配系统、容错系统、存储系统等。
他表示，生产AI芯片的厂家，一定要把这个十个方面做好，做好了大家就喜欢用。在郑纬民看来，在国产算力支撑大模型训练时，国产AI芯片只要达到国外芯片60%的性能，但如果把前述十个方面的软件生态新做好了，客户也会满意会用。
“大多数任务不会因为芯片性能只有60%而有明显感知，大家感觉到的不好用还是生态不行。即使你做的硬件性能是人家的120%，但如果这十个软件没做好，还是不会用。”郑纬民说。
第三种是基于超级计算机的系统。目前国内14个国家级超算中心，但机器空置率较高，用得不是非常满。
那么，用超级计算来做大模型训练行不行？郑纬民认为可以，但需要进行软硬件协同设计，并有望节省训练成本。现场以Llama-7B和百川大模型的演示显示，使用国产超级计算训练，相较英伟达集群可节省成本82%左右。
除了算力，存储也存在于大模型的生命周期的每一环，包括数据获取、数据预处理、模型训练、模型推理等。郑纬民强调，内存对 AI 推理特别重要，如果改进存储系统，性能能有好几倍的提高，这意味着可以少买很多卡。
郑纬民指出，国产芯片在设计层面不能一味追寻提升大模型训练多用的半精度（FP16）浮点计算性能，而应注重半精度和双精度（FP64）浮点计算性能的平衡，两者算力之比应为100：1，这样才能适应更广泛的AI算法。此外，大模型任务训练量大、往往需要多卡互联，芯片层的网络参数、体系结构、存储性能愈发成为关键。
他认为，国产 AI 芯片亟待解决网络平衡设计、I/O子系统平衡设计、做好内存设计等技术能力。
近年来，包括了天数智芯、沐曦、摩尔线程、百度昆仑芯等一众GPU创业公司发布新产品并投入量产，但由于软件生态等原因，采购仍未起量，生态构建亟待加强。而同时，据第一财经报道，尽管性能大幅下降，英伟达有望未来几个月内在中国交付超过100万颗“中国特供版”H20芯片，今年整体在中国销售 AI 芯片总额达到约120亿美元，而这些芯片不受美国对华 AI 芯片出口管制，每颗H20芯片价格则为1.2万-1.3万美金之间。
“如果把大模型基础设施平衡设计这些方面做好，别人用1万张卡，我们用9000张卡就可以了。如果这个事情不考虑，乱做一通，人家1万块卡，你可能得3万块卡才能达到（类似）效果。”郑纬民在演讲结尾表示。
（本文首发于钛媒体App，作者｜林志佳，编辑｜胡润峰）
