跟老美比，咱们前两个都不差，现在唯一影响我们AI发展的，就是算力。
所以为什么你会觉得国内的大模型不是很好用，或者天天听到有声音说，中国的AI要在应用层上发力，而不要去卷大模型。
原因就在于我们目前在算力上严重不足，尤其是HPC，也就是高性能计算方面。
大家好，欢迎来到创异文化社，我是社长Alan.
对于不是很了解的朋友，我先跟大家简单解释下，到底算力在AI中有多大的作用。
你可以把人工智能大模型想象成一个人，它一开始什么都不会，我们需要去教它。
让它先理解了人类的语言和知识，然后它才能帮我们去做一些工作，而这就是所谓的对大模型进行训练。
那么训练所需的知识就是数据，光有数据还不行，你还要告诉它用什么方法去学，而这就是算法。
那么有了数据和算法后，如何让大模型学习的速度更快、学习的范围更广呢？
这就需要算力来起作用了，它就像人类的智商一样，直接决定了大模型是学霸还是学渣。
原理也很简单，因为算力越强，AI能进行的计算就越多，因此能理解和解决的问题也就越复杂。
所以说算力是现有人工智能技术发展的基础。
至少ChatGPT的成功，让我们看到了堆算力是能出奇迹的。
而OpenAI跑出来的ScalingLaw，也就是规模法则路线，是目前所有大模型公司都在采用的方法，包括我们国内的公司也是。
那么问题来了，ScalingLaw依靠的是强大的高性能算力做基础，才可能出奇迹。
而高性能算力依靠的是高性能运算硬件的集群，才能实现。
因此我们国家要想在算力上实现突破，归根结底还是要在运算硬件的核心，也就是CPU和GPU等这样的芯片上，杀出一条血路。
我们都知道，老美现在正对我们实行各种高科技禁令。GPU、光刻机等所有跟AI发展有关的技术、产品，都不让出口到中国。
英伟达为了能符合要求把产品卖给中国，专门推出了H20、L20等GPU，来绕过老美的监管。
但其算力可想而知，跟现有主流在用的A100和H100差距很大。
H20的算力大概只有A100的50%，H100的15%，更别提英伟达今年刚发布的B200了。
B200的运算性能至少是H100的2.5倍，那H20跟B200的差距有多大，你知道了，并且B200在今年下半年就会投入商用。
所以说实话，大国间的AI竞争，下半年将会更激烈！
我们国内现在做大模型的公司确实挺不容易的，真的都是勇士。
咱们用完觉得不好用，也要理解。
毕竟由于算力有限，咱们国内大多数的模型都是百亿参数级的，千亿的都很少。
就在前几天，咱们国内首个开源的千亿大模型，才刚刚问世。
而你知道GPT4的模型参数有多少吗？是1.8万亿。
而且越往后，也就是说到GPT5、GPT6等，模型训练的参数可能就越大。
黄仁勋也表示，英伟达的新产品是为十万亿参数级的大模型而准备的。
看到这你应该就明白了，不是我们不想赶超GPT4，而是算力的鸿沟，必然会带来AI发展的瓶颈。
好，刚才说的这些，都是咱们当下现实面对的困难。
那么你一定会想：我们就没有其他办法了吗？
答案是：还真有！
接下来我就再说一说，咱们破局的机会在哪？
事物永远都有两面性，有危必有机。
虽然我们目前在算力的硬件上被卡脖子，但这也意味着我们国产的算力设备正进入快速发展期。
以前呢，人工智能技术还不够普及，场内的玩家也不多，所以对高性能算力设备的需求没那么强。
但现在不一样，英伟达2万亿美金的市值，证明了算力基础设施的“钱途无量”。
有数据显示，我们GPU的国产化率不足10%，但中国AI算力芯片的市场规模预计2024-2025年将超过2600亿元，这也就说明其中巨大的空间正等着被填补。
现在只要有高端设备出现，就是供不应求的状态。
那些早先就布局算力芯片研发的中国公司，已经开始收获订单了，像华为海思、寒武纪、海光信息等。
其中，华为的昇腾910B已经基本做到在能力上可以对标英伟达的A100了。
百度和科大讯飞等公司在2023年的时候，就从华为那买了不少。
而且可以确定的是：咱们国家算力芯片的能力，接下来也能做到成倍的增长。
为什么这样说呢？
因为芯片中还有一个叫做Chiplet的技术，这两年有了突破。
简单来说，就是它可以把两个或更多的芯片集成到一起，把它们变成一个芯片，来实现更强大的算力。
之前提到的英伟达最新推出的B200，用的就是Chiplet技术。
所以看到没，受摩尔定律的限制，老美那边也没办法，只能通过Chiplet把芯片做大这样的方式，来解决算力问题。
Chiplet技术的底层是芯片互联协议，这是英特尔等10家巨头联合，在2022年推出的统一芯片标准。
而我们国家也在2023年1月，由中国计算机互连技术联盟（CCITA）发布了《小芯片接口总线技术要求》，构建了属于我们中国自己的芯片互联标准。
这对我们规避国际上的技术封锁，和通过Chiplet来实现高性能算力，有了完善的基础。
另外就是：模型参数上是不是万亿的一定比千亿好？
目前还不能下此定论。
虽然chatGPT的成功经验是如此，但它并不能说明，这是AI通往成功的唯一道路。
有时候受于一些条件的限制，反而我们可能创造出更高效的技术。
老美那以OpenAI为代表的公司，走的是“从大到小”的路线，也就是先创造出一个无所不能的全才，然后让它再去当医生、律师、工程师等各种角色。
那咱们能不能反过来，走“从小到大”的路线？
先创造出医生、律师、工程师等精通单一能力的“小模型”，然后再把它们的能力组合起来，最终实现强大的AGI（通用人工智能）？这也不是不可能的。
人工智能时代的序幕才刚刚开始，未来会有无数种可能性出现。
算力作为最重要的基础之一，我们国家给予了高度重视。
在2023年的10月份，发布了《算力基础设施高质量发展行动计划》，对计算力、运载力、存储力、应用赋能这四个方面提出了建设目标。
每一条其实都在关乎着你我，不管是是生活上，还是工作上。