AI大模型时代：多元算力如何打破碎片化困局？

21世纪经济报道记者白杨 北京报道

2024年，当大模型迈入新的发展阶段，AI全领域迎来更为迅猛的量变积累。

一方面，模型已突破模态的隔离，文本、语音、视觉等多种形式得以丰富结合，极大地增强了模态的多样性；另一方面，大模型的应用落地领域得到广泛拓展，企业对算力的需求持续增加，对算力的依赖性显著提升。

目前，业内的共识是，大模型的Scaling Law依旧有效，因此产业界对大模型能力的追求必将导致对大算力需求的持续增加。更重要的是，随着AI大模型在企业应用中的深度嵌入，算力不仅仅是技术基础设施，更成为影响企业竞争力的重要因素。

从算力层面看，行业目前仍呈现出“需求大、能耗高、效率低”的发展态势。以2020年发布的GPT-3与最新发布的LLaMA3-405B进行对比为例，尽管模型规模仅增大2.3倍，但所需算力却增长了116倍。

这种指数级的算力消耗增长，使得传统的单一算力架构已经难以为继，行业亟需更加高效、多元的算力解决方案。

因此，算法的创新将驱动算力需求的持续高增长，同时，算法结构的创新也带来了MoE（混合专家模型）、模型量化、定制算子等更加复杂的计算需求。这不仅对企业的技术积累提出了更高的要求，也对整个算力生态的协同发展形成了巨大挑战。

在此背景下，构建一个多元化的算力系统生态显得尤为重要。

12月25日下午，浪潮信息与智源研究院达成战略合作协议，双方将共建大模型多元算力开源创新生态，提升大模型创新研发的算力效率，降低大模型应用开发的算力门槛。

这次合作不仅是技术层面的互补，更是产业生态的一次重要整合。目前，智源的开源大模型通用算子库FlagGems已接入浪潮信息的元脑企智EPAI企业大模型开发平台，可帮助企业实现多元算力的适配与使用。

事实上，许多企业都已意识到多元多模的重要性，但是，由于不同硬件架构、指令集的差异以及算子库的独立实现，整个生态系统往往处于碎片化状态，难以形成合力，这种割裂的生态现状不仅抬高了大模型应用的技术门槛，也让企业在实际部署中面临重重困难。

尤其对于那些技术力量薄弱的传统企业用户来说，不仅在多元的芯片、模型中难以选择，而且即使部署成功，也存在软件框架多、易用性差等问题。这种局面导致企业在后期开发和使用中举步维艰。

而此次合作，通过将智源的开源大模型通用算子库FlagGems与浪潮信息的元脑企智EPAI企业大模型开发平台进行深度融合，让大模型应用开发能够使用跨硬件、多框架兼容的算子集合，进而满足了企业多种开发框架的需求，真正实现了大模型在跨算力平台上的无缝开发与迁移。

资料显示，FlagGems于今年6月推出，截至12月，已提供超过130个大模型算子，是目前提供算子数量最多、覆盖广度最大的开源算子库。现在，借助元脑企智EPAI大模型开发平台，企业不仅能够在多种算力平台上进行高效的AI算法开发，还能够灵活应对不同硬件架构带来的技术差异。

浪潮信息高级副总裁刘军向21世纪经济报道记者表示，“在多元多模的产业格局下，AI的产业化落地本质上就是推动人工智能与百行千业的深度融合。过去，硬件架构、指令集的差异及算子库的独立实现，让算力产业形成了生态藩篱，这次合作的目的就是要化解这些高门槛问题，为AI应用创新注入更强大、多元的算力支持”。

此外，开源开放是创新活力的源泉。未来，随着更多企业与开发者的加入，大模型多元算力生态有望逐渐成熟，并成为推动AI技术全面落地的关键引擎。