chatGPT出圈，大模型算力需求攀升

　　2月份，社交媒體上熱度最高的話題莫過于chatGPT。幾乎所有新聞媒體，社交平臺都在討論這個AI聊天機器人。

　　2022年底，最新版本chatGPT就已經受到IT技術界的關注。春節過后，一夜爆火，突然出圈，上億網友嘗試著使用了chatGPT，其頗有“智慧”的聊天模式，讓人震驚。但很快，大家發現除了一些有標準答案的科學技術內容還算相對可靠外;很多內容更像是“一本正經的胡說八道”。

　　有分析文章指出，在馬斯克投資openAI后，將原來chatGPT的“人工智障”模式調整為了現在“一本正經胡說八道”模式，用來吸引更多的人玩。這同時為chatGPT提供了一個非常龐大的天然的免費訓練模型庫，以此獲得一個更加智能的AI聊天機器人。

　　chatGPT-3訓練成本超百萬美元

　　據2月12日國盛證券公布的最新數據顯示，最新版本的chatGPT-3訓練一次的成本約為140萬美元，對于一些更大的LLM模型，訓練成本介于200萬美元至1200萬美元之間。雖然成本高昂，但對于大型科技公司，訓練費用尚在可接受范圍內。

　　人工智能產品應用的訓練非常燒錢，而算力更是人工智能發展的關鍵因素之一。值得一提的是，對于人工智能應用而言，訓練和推理所需要的算力是不同的。通常意義上，訓練要比推理高一個數量級的算力，至少是10倍的算力。

　　用戶對chatGPT提問時，幾秒鐘時間就會給出反饋，這屬于實時或者半實時推理的過程;而后臺可能已經花了幾周甚至幾個月時間對這個問題完成了訓練。

　　雖然如此， ChatGPT在應用時仍然需要大算力的服務器支持，這也為算力服務商們帶來更多市場空間和發展機會。帶著相關問題，《中國信息化周報》記者采訪到了寧暢副總裁兼CTO趙雷。

　　“早在幾年前，寧暢就已經在人工智能賽道布局了，我們著力發展人工智能服務器，并從產品技術、市場等多個維度取得突破。”趙雷向記者介紹說。

　　據了解，寧暢針對ChatGPT對于大數據和算力的超高要求，可以提供單機和集群的硬件產品解決方案，如人工智能序列服務器X620、X640、X660，分別可以提供基礎的推理算力、平衡型的推理和訓練的算力以及頂級性能的訓練算力。

　　“要實現一個理想的人工智能狀態，至少需要現在100-1000倍的算力。”趙雷坦言，短期內，利用ChatGPT處理一些基礎科學方面的內容、寫寫代碼、文章是可以的;但真正要變成一個智能助手，去替代人類的職業，比如工程師、記者、律師等是不太可能的。

　　算力不均、成本高是癥結

　　得益于深度學習算法的普及和應用，具有海量數據并行計算能力、能加速計算處理的AI芯片被越來越多的采用，伴隨而來的是AI服務器市場持續增長。截至2021年底，全球 AI 服務器市場規模已達到 145 億美元，并預計 2025 年將超過 260 億美元。

　　聚焦我國算力產業發展情況，主要存在算力分布不均和算力成本高兩大問題，丞需解決。

　　第一，總體算力分布不均。比如算力不協調，A時間算力過剩，B時間算力不足。一方面需要云技術去平衡算力，另一方面需要深度定制等手段去提高算力的生產效率。

　　第二，算力成本高。雖然目前算力單價在下降，但過去三年服務器成本一直是上漲的狀態。單一算力類型，不足以支撐高速增長的算力需求。應用類型越窄，算力效率越高;反之，通用化模型，算力效率會比較低。在復雜算力場景中，如何組合不同的算力類型，是降低成本的關鍵。

　　借大模型東風 布未來發展大局

　　在數字經濟時代，算力作為經濟發展重要底座支撐，作為一種全新的生產力，其作用日益凸顯，已經成為國家和地區競爭力的體現。

　　雖然業內早有共識，但ChatGPT的出圈，開始讓更多產業界人士意識到大模型正在敲開通用人工智能大門。

　　事實上，不僅僅是ChatGPT，這只不過是人工智能賽道中偶然爆火的一個產品應用，眾多的應用，比如自然語言合成、自動駕駛、圖形圖像處理等，都依賴大模型的訓練，而這背后離不開各大服務商們對人工智能算力市場的保障和支持。

　　人工智能產品的訓練精度越高，或者訓練模型越大，給用戶的反饋越準確，客戶的體驗越好，這些都為算力市場帶來了更多機會。

　　當前，服務器的研發測試、生產制造都是以年為周期的，趙雷表示：“未來，預計兩三年內，寧暢都將會堅定不移的深耕定制化市場，以用戶為核心，持續在人工智能領域持續發力。”

 

轉載：感謝您對網站平臺的認可，以及對我們原創作品以及文章的青睞，非常歡迎各位朋友分享到個人站長或者朋友圈，但轉載請說明文章出處。