浪潮首席科学家王恩东阐释计算系统创新在计算到智算下的重大意义

【环球网科技记者王楠】“人工智能带来算力指数级增长。一方面，多样化的智能场景需要多样化的算力，庞大的量化模型、数据和应用规模需要巨大的算力，算力已经成为人工智能持续发展的重中之重；另一方面，从芯片到算力的转变还有巨大的差距，多重算力的价值还没有完全释放出来，如何快速完成创新多芯片到计算系统已经成为推动人工智能产业发展的关键环节。” 在日前召开的2021人工智能计算大会（AICC2021））上，王恩东，

随着人工智能在算法领域的不断突破，不同的数值精度带来了更广泛的计算类型，对计算芯片指令集和架构的要求也更加细分。图灵奖获得者 John Hennessy 和 David Patterson 联合发表的《计算机架构的新黄金时代》提出：当摩尔定律不再适用时，针对特定问题领域 DSA 定制设计计算机架构的更加以硬件为中心的方法将占主导地位，而这种设计的核心是为特定问题或特定领域定义计算架构。基于DSA理念设计的AI芯片在特定AI工作负载上表现出远超通用芯片的处理能力，

王恩东认为，芯片的多元化为加速工业AI提供了重要的产业基础和更丰富的选择。但是，从芯片的创造到芯片的大规模使用，还存在着巨大的产业差距。“因此，如何将百花齐放的AI芯片转变为多功能、绿色、高效、安全、可靠的计算系统，就变得非常重要。”

然而，由于人工智能芯片往往高密度集成在单个计算系统中，带来系统功耗、总线速度和电流密度的不断提升，人工智能计算系统的设计面临着巨大的挑战。例如，一台浪潮AI服务器需要集成10000多个组件，包括50多种专用芯片、30多个技术方向、100多个传输协议，涉及一系列材料、热力学、电池技术、流体力学、化学等学科；需要经过30多道工序，150多道加工制造工序，280多道关键工序控制点。如何保证整个系统的可靠性是一个非常微妙和复杂的工程。

“从火箭发动机到运载火箭r软件中多元线性回归r软件中多元线性回归，在流通、控制、结构等诸多领域都需要做大量的工作。芯片到计算系统也是如此，架构、信号等很多系统性的设计工作。完整性、散热、可靠性需要完成。”王恩东用一个形象的比喻来形容计算系统创新的难度。

值得注意的是，计算系统创新的根本目的是让计算能力、算法和数据服务于数字经济，支持科研创新，促进智能化转型。智能基础设施建设，推动人工智能产业化、产业人工智能化和智慧政府治理。

对此，王恩东强调：“一方面，要注重智能计算系统创新，加大人工智能新基础设施建设，从技术到应用，从架构、芯片设计、系统设计、系统软件、系统软件等开发环境等领域已形成分工明确、协同创新的局面，同时要加快开放标准建设，通过统一、标准化的标准，将多样化的算力转化为可调度的资源，让算力好用、好用。”