算法、数据和算力被视为推动人工智能发展的三大要素，个中算力更是被形容为支撑人工智能走向运用的“发动机”。
人工智能研究组织OpenAI最近指出，“高等人工智能所需的打算能力每三个半月就会翻一番”。

近日，脸谱（Facebook）人工智能副总裁杰罗姆·佩森蒂在接管《连线》杂志采访时认为，AI科研本钱的持续上涨，或导致我们在该领域的研究碰钉子，现在已经到了一个须要从本钱效益等方面考虑的地步，我们须要清楚如何从现有的打算力中得到最大的收益。

那么，为何人工智能须要如此强大的打算能力？打算能力是否会限定人工智能的发展？我们能否不断知足人工智能持续扩大的打算需求？

人工智能“动脑” 背后算力花费惊人

“2016年3月，谷歌人工智能阿尔法围棋（AlphaGo）降服韩国棋手李世石时，人们慨叹人工智能的强大，而其背后巨大的‘付出’却鲜为人知——数千台做事器、上千块CPU、高性能显卡以及对弈一场棋所花费的惊人电量。
”了望智库人工智能奇迹部部长、图灵机器人首席计策官谭茗洲在接管科技日报采访时表示。

“比较云打算和大数据等运用，人工智能对打算力的需求险些无止境。
”中国工程院院士、浪潮集团首席科学家王恩东指出。

据先容，人工智能最大的寻衅之一是识别度不高、准确度不高，提高准确度就要提高模型的规模和风雅度，提高线下演习的频次，这须要更强的打算力。
准确度也是算出来的，比如大型互联网公司或者有名人工智能创业公司，有能力支配规模比较大的人工智能打算平台，算法的模型已经达到千亿参数、万亿的演习数据集规模。

“现在人工智能利用的深度学习框架，多数依赖大数据进行科研演习，形成有效模型，这些都须要较高的打算力。
”谭茗洲指出，当前随着人工智能算法模型的繁芜度和精度愈来愈高，互联网和物联网产生的数据呈几何倍数增长，在数据量和算法模型的双层叠加下，人工智能对打算的需求越来越大。
无疑，人工智能走向深度学习，打算力已成为评价人工智能研究本钱的主要指标。
可以说，打算力即是生产力。

数据搬运频繁 “内存墙”问题凸显

人工智能为何如此耗费算力？详细而言，在经典的冯·诺伊曼打算机架构中，存储单元和打算单元泾渭分明。
运算时，须要将数据从存储单元读取到打算单元，运算后会把结果写回存储单元。
在大数据驱动的人工智能时期，AI运算中数据搬运更加频繁，须要存储和处理的数据量远远大于之前常见的运用。
当运算能力达到一定程度，由于访问存储器的速率无法跟上运算部件花费数据的速率，因此再增加运算部件也无法得到充分利用，就形成了所谓的冯·诺伊曼“瓶颈”或“内存墙”问题。
这就如同一台马力强劲的发动机，却由于输油管的狭小而无法产生应有的动力。

显然，频繁的数据搬运导致的算力瓶颈，已经成为对更为前辈算法探索的限定成分。
而算力瓶颈对更前辈、繁芜度更高的AI模型的研究将产生更大影响。

王恩东曾指出：“打算力的提升对体系构造提出寻衅。
在半导体技能逐步靠近极限的情形下，打算机发展迎来体系构造创新的黄金期，打算力的提升将更多通过体系构造创新来知足。
”

据理解，最前辈的自然措辞处理模型XLNet约有4亿模型参数。
据估算，人脑中细胞间互联轴突个数在百万亿到千万亿数量级。
显然AI在认知问题上离我们追求的所谓通用人工智能还有巨大差距，而要达到通用人工智能的水平，估量研究所须要的打算能力和打算系统的能源效率将好比今至少提高几个数量级。
因此人工智能要进一步打破，必须采取新的打算架构，办理存储单元和打算单元分离带来的算力瓶颈。

谭茗洲说，目前人工智能的无用打算较多。
现在人工智能还像不断注水一样，处在输入数据、调度参数的阶段，是个“黑盒子”模式，特殊在图片视频方面花费很多能量，而个中真正的有效打算却不多，非常摧残浪费蹂躏能源。
今后AI有待在“可阐明性”上进行打破，搞清是什么缘故原由导致后面的结果，这样可以精准利用数据和算力，大大减少运算量。
这也是目前主要的研究课题，将大大推动深度学习的发展。

打算储存一体化 或成下一代系统入口

“虽然目前阶段打算力还谈不上限定人工智能的发展，但打算力确实提高了参与人工智能研究的门槛。
”谭茗洲指出。

除了研发资金的增长，在打算力爆发之前的很长一段韶光，产生数据的场景随着互联网的发展渗透到生活、生产的各个角落，并且随着通讯技能的进步，尤其是5G的商用，使得产生数据的根本场景覆盖面和深度达到新的层次，数据的生产也将达到一个新的数量级。

2020年伊始，阿里达摩院发布《2020十大科技趋势》报告显示，在人工智能方面，打算存储一体化，类似于人脑，将数据存储单元和打算单元融为一体，能显著减少数据搬运，极大提高打算并行度和能效。

然而，打算存储一体化的研究无法一挥而就。

这个报告提出策略，对付广义上打算存储一体化打算架构的发展，近期策略的关键在于通过芯片设计、集成、封装技能拉近存储单元与打算单元的间隔，增加带宽，降落数据搬运的代价，缓解由于数据搬运产生的瓶颈；中期方案是通过架构方面的创新，设存储器于打算单元中或者置打算单元于存储模块内，可以实现打算和存储你中有我，我中有你；远期展望是通过器件层面的创新，实现器件既是存储单元也是打算单元，不分彼此，融为一体，成为真正的打算存储一体化。
近年来，一些新型非易失落存储器，如阻变内存，显示了一定的打算存储领悟的潜力。

据先容，打算存储一体化正在助力、推动算法升级，成为下一代AI系统的入口。
存内打算供应的大规模更高效的算力，使得AI算法设计有更充分的想象力，不再受到算力约束。
从而将硬件上的前辈性，升级为系统、算法的领先上风，终极加速孵化新业务。

而除了打算存储一体化的趋势，量子打算或是办理AI所需巨额算力的另一路子。
目前量子打算机的发展已经超越传统打算机的摩尔定律，以传统打算机的打算能力为基本参考，量子打算机的算力正迅速发展。

谭茗洲表示，未来人工智能的打破，除了不断提升技能本身之外，还须要环球各国协同创新，领悟发展，探索新的互助模式，如采纳共享思维，调动天下各方面的打算资源集中发力，以降落打算的巨大本钱。

人工智能打算力展现五大发展趋势

互联网数据中央（IDC）与浪潮联合发布的《2019—2020中国人工智能打算力发展评估报告》指出，环球新创建的数据量将从2018年的33ZB增长到2025年的175ZB。
随着数据持续爆炸性增长及算法的不断演进，未来算力仍有很大的发展空间。

该报告公布的最新中国人工智能打算力城市排名显示：排在前5位的城市依次为北京、杭州、深圳、上海、广州；排名6—10位的城市是合肥、苏州、重庆、南京、西安。

报告还提出了未来人工智能打算力发展的5个主要趋势，一是到2022年，人工智能推理市场占比将超过演习市场；二是估量到2023年，中国人工智能根本架构市场未来5年复合增长率将达到33.8%，是中国整体根本架构市场增速的3倍以上；三是5G和物联网将推动边缘、端侧人工智能根本架构的快速发展；四是人工智能与云的领悟将进一步加速，未来5年AIaaS(人工智能根本举动步伐即做事)市场规模的年复合增长率估量达到66%；五是随着打算力的提升，越来越多的企业将参与到人工智能开源软件的研发和行业性能评测基准的培植中。

来源：科技日报 视觉中国供图

编辑：张爽

审核：管晶晶