大模型时代，如何构建更好的基础设施？
7月4日下午，在2024世界人工智能大会期间，无问芯穹联合创始人兼CEO夏立雪在“智启新章·算引未来”AI基础设施论坛上表示，算力是AI发展的前哨和基石，GPT-4之后，支撑算法所需要的算力遇到了瓶颈，“Scaling Law”一词被频繁讨论。在此背景下，国内外巨头都在加大对算力资源的投入。
活动现场 图片来源：每经记者 张韵 摄
所谓Scaling Law是指模型的性能与计算量、模型参数量和数据大小三者之间存在的关系。当前，谷歌、OpenAI以及国内的大厂和三大云商都在构建万卡规模的大集群。夏立雪认为，如今Scaling Law思潮的底层逻辑和能力法思想不谋而合，因此万卡集群是大模型的兵家必争之地。
“未来人工智能推演和训练的算力需求仍然是高速发展的状态，不仅推理场景会随着大模型的落地快速爆发，训练场景也会支撑模型迭代与模型与应用的结合。”夏立雪进一步表示，与国际上模型层与芯片层“相对集中”的格局相比，中国的模型层与芯片层更加“百花齐放”。
然而，大量的异构芯片也形成了“生态竖井”，不同硬件生态系统封闭且互不兼容，给算力的使用方带来一系列技术挑战。
对此，夏立雪认为，为适配中国独特的多模型、多芯片的生态格局，要找到一个好的合力方式，打破异构生态竖井，让异构芯片真正转化为大算力，帮助大模型进一步发展。
在夏立雪看来，当前人工智能的发展状态，不仅需要有将多元异构的芯片统一纳入的底层系统能力，又要在异构算力和多种算法之间做轻易使用的中间层，让用户通过统一的编程框架，把不同算力调度起来，整合算力推高了大模型生态的完整度，其核心任务是持续降低大模型应用落地成本。
