【小哈划重点：人工智能从5、6年前的 “黑科技”，变成今天的“热科技”，背后离不开算力支撑能力的巨大飞跃。2020年以GPU为代表的AI加速芯片所交付的计算力总和，已经超过了通用CPU，预计到2025年，加速芯片所提供的计算力可能超过80%。】
10月26日下午消息，在2021人工智能计算大会(AICC 2021)上，中国工程院院士王恩东表示，生态离散化已成为制约人工智能技术上水平、应用上规模、产业上台阶的瓶颈所在。他建议，一方面要重视智算系统的创新，另一方面要加快推动开放标准建设，让算力好用、易用。
在王恩东看来，人工智能从5、6年前的 “黑科技”，变成今天的“热科技”，背后离不开算力支撑能力的巨大飞跃。2020年以GPU为代表的AI加速芯片所交付的计算力总和，已经超过了通用CPU，预计到2025年，加速芯片所提供的计算力可能超过80%。
在他看来，人工智能的规模化发展，算力已经成为决定性的力量，智慧计算已成为智慧时代的核心生产力。
“人工智能带来了指数级增长的算力需求，计算产业正面临多元化、巨量化、生态离散化交织的趋势与挑战。一方面，多样化的智能场景需要多元化的算力，巨量化的模型、数据和应用规模需要巨量的算力，算力已经成为人工智能继续发展的重中之重；另一方面，从芯片到算力的转化依然存在巨大鸿沟，多元算力价值并未得到充分释放。”如何快速完成多元芯片到计算系统的创新，已经成为推动人工智能产业发展的关键环节。
在王恩东看来，我们能造出性能强大的火箭发动机，但要想造出安全、高性能的运载火箭，还要在循环、控制、结构等很多领域做大量的工作。“芯片到计算系统同样如此，需要完成体系结构、信号完整性、散热、可靠性等大量系统性设计工作。”王恩东用生动形象的比喻，诠释了芯片到算力转化过程中计算系统创新的价值所在。
未来，人工智能如何发展出像人类具备逻辑、意识和推理的认知能力，是人工智能研究一直在探索的方向。但目前，通过大规模数据训练超大参数量的巨量模型，则被认为是非常有希望实现通用人工智能的一个重要方向。王恩东认为，随着巨量模型的兴起，巨量化已成为未来人工智能发展非常重要的一个趋势。
“人工智能的技术链条、产业链条是脱节的，生态离散化已成为制约人工智能技术上水平、应用上规模、产业上台阶的瓶颈所在。多元化、巨量化、生态化给整个计算产业带来的挑战是空前的。”王恩东表示。
在他看来，要想释放多元算力价值、促进人工智能创新，首先要重视智算系统的创新，加大人工智能新型基础设施建设，把从技术到应用的链条设计好，从体系结构、芯片设计、系统设计、系统软件、开发环境等各个领域形成既分工明确又协同创新的局面；此外，还需要加快推动开放标准的建设。
（文章收录经过“商业软植入信息”删节）
