beat365中国在线体育改变了生产力三要素，使得劳动者不仅仅是人，而是变成了‘人+人工智能’，生产资料从传统意义上的有形要素变成无形，也就是数据。劳动工具则从过去人的肢体延伸，成为大脑的延伸，也会产生智慧。”
根据权威机构的预测，AI在2023年到2030年间累计对GDP产生的影响将是蒸汽机在1830年至1910年间对整个经济影响的4.5倍。
“今天我们感觉AI没有那么大的颠覆性，是因为人工智能还在快速向人类学习。当某一天人工智能的智慧超越了人类，我们就会发现AI将以迅雷不及掩耳之势改变世界，而且这种改变是不可逆的。”彭震表示。
谈及如何发展人工智能，彭震在接受21世纪经济报道记者采访时称，人工智能由算力、算法和数据三要素构成，是系统发展的结果。所以，人工智能的突破要从这三个方向一起来发力，而不是只揪住某一方面。
如今，千亿参数成为大模型智能涌现的临界点，而且随着参数规模越大，涌现的能力就越大。但同时，参数规模越大，也意味着计算复杂度越高，因此需要的算力规模也变得越来越大。
过去几年，整个算力市场发生了巨大的变化，尤其是以英伟达为代表的算力芯片公司，成为社会关注的焦点。
但彭震向记者表示，人工智能的算力设计起点已经到了万卡级别，这个时候单卡的性能虽然重要，但已不具有决定性，因为人工智能是一个庞大的系统。
可以佐证的数据是，如果从2017年Transformer模型诞生算起，按照摩尔定律（每18个月芯片性能翻一番）推算，芯片性能只提升了8倍，但同样的时间里，人工智能计算的性能提升了超过1000倍。
彭震以的源2.0大模型为例称，“我们在某个芯片上面跑得很糟糕，但在把数据并行、流水线并行等重新优化后，效率直接提升33%。而如果要把一个芯片性能提升33%，至少要制程迭代一次才行。”
这足以说明，算力的驱动不仅仅源于芯片，而是整个系统的全面提升。比如在算法层面，大模型的精度从过去的FP32开始，逐步发展到今年的FP8，未来会走向FP4，这种训练算法的创新，使算法对算力需求不断变小，进而大幅提升了算力效率。
另外在计算架构层面，从简单的CUDA核心到Transformer引擎，张量计算变成多维矩阵计算，整个计算体系针对矩阵计算进行了优化，让整体性能提升了1000倍。
彭震表示，随着模型参数量越来越大，大规模人工智能计算可能需要十几万卡，那个时候，单颗芯片的性能在其中扮演的角色越来越不重要，集群的效率则变得越来越重要。
而集群的效率，受互联、散热、整体优化效率等影响。比如传统的计算机体系限制了异构加速器的扩展性，所以需要发展基于新一代开放总线技术的融合架构体系结构；集群节点间的并行产生大量的通信需求，对网络性能要求很高，这则需要发展超级AI以太网。
除了算力，数据在人工智能发展中扮演的角色也越来越重要。甚至有人发明了一个词汇，叫“数据霸权”，是指谁掌握了数据，就掌握了人工智能智慧涌现的话语权。
但是现在，人类所产生的已知数据对大模型来讲是远远不够的。对此，彭震向记者表示，未来通过AI技术合成数据会成为一个主要趋势。
“AI合成数据更多是基于现实，通过算法很严谨产生的数据。比如算法工程师把二维图片做成三维，然后从不同角度去产生新的图片，这样就生成了大量合成数据。”彭震说道。
有预测数据显示，到2030年，人工智能使用的合成数据将超过真实数据。届时，数据的使用成本也将大幅降低，比如目前，人工标注一张图片需要6美元，而使用合成数据只用6美分。
正因如此，彭震提出，要发展人工智能，应该以系统为核心，在算力、算法、数据三个方面协同发展。
他还特别提到算法的重要性，“算法是智慧涌现的关键，所以算法的领先是具有决定性的。今天大模型的Transformer架构、Diffusion架构，都是颠覆性的，所以在算法层面要不断投入，激发创新力量。”
对于目前很多人工智能生态倾向于闭源，彭震认为，这种封闭不利于产业创新，开源开放才是产业生存之道。
在互联网时代，IT技术的快速发展，开源开放起到了巨大的作用。在人工智能领域，开源也同样起到了积极促进作用，比如很多人工智能芯片都是采用OAM结构，Meta发布的LLaMA2开源平台也被众多大模型所引用。
彭震表示，开源开放使人工智能领域迸发出大量创新企业。从历史来看，很多技术、文明诞生的初期，都是百舸争流、百家争鸣，这些企业在竞争中不断完善自己，也推动整个产业进步，最终通过市场之手自然淘汰，让用户选择最后留下的技术和企业。
官方微信
官方微博
