陈健在当天以“背后的算力需求”为引导，为大家带来《人工智能算力网络从“可用”到“好用”》的主题分享chatgpt ai 算力，介绍了并行科技是由超算入手探索行业发展，提前着手布局“算力网络”建设，并积极响应国家近年来的“东数西算”发展政策，旨在聚合国内优质超算算力，实现超算算力资源、应用资源、数据资源的共享与交易，面向终端用户提供多样化的算力服务。

图片

陈健做主题报告

并行科技目前已上线包括天翼云、广东联通、福建移动在内的“三大运营商”算力资源，并与广州超算、北京超算、济南超算、中科院超算、浙江超算、宁夏超算等国产算力资源在内的大批优质算力资源结合，共计接入超80,000台服务器，总计算力超1,，存储资源超，配合并行科技先进的“云端租用”模式，可实现算力资源高效、快捷、按需分配的和合理化使用，使其真正成为一种像水、电一样的生产力资源。陈健还表示，并行科技内蒙古算力基地预计在今年年底投入使用，将为国内“算力网络”的建设填筑新的资源。王超代表CCF在陈健分享后为C³活动承办方并行科技颁发了承办单位感谢牌。

图片

王超（左）向陈健（右）颁发承办单位感谢牌

对于背后的核心技术——预训练大模型，张鹏在活动中为嘉宾们带来以《千亿大模型：AIGC时代的基座》为主题的分享，并着重介绍了由清华大学知识工程实验室（KEG）与智谱AI 共同研发的大规模中英文预训练语言模型GLM-130B 。这是一个可与GPT-3基座模型对标的开源双语模型。张鹏表示，在同等运算速度与精度的要求下，GLM-130B对显存资源的消耗可节省75%，可帮助科研机构有效降低算力运营成本。自2022年8月发布以来，GLM-130B已收到41个国家266个研究机构的使用需求。在报告的世界主流大模型评测中，它是中国唯一入选的模型，其准确性、恶意性与GPT-3持平，鲁棒性和校准误差在所有模型中表现最佳。

图片

张鹏做主题报告

杨耀东是此次主题分享环节的最后一位嘉宾。作为一名年轻有为的“学术派”，他以《序列化群体决策》为题向现场嘉宾剖析了成功的具体原因，提供了从理论研究角度看问题的视野。同时，结合自身丰富的学术研究背景，对的性能表现及未来优化给出了阐释及说明chatgpt ai 算力，尤其是如何用赋能智能决策、具身智能、多智能体决策问题。他重点介绍了决策问题如何通过序列模型建模，以及决策序列如何与大语言模型的输出对齐等问题。

图片

杨耀东做主题报告

交流 · 迎接新的机遇与挑战

在主题报告分享结束后，三位演讲者又与现场嘉宾及场外观众围绕《算力网络环境下AI发展的新机遇和新挑战》进行探讨。陈健作为该环节主持人，从“人工智能领域发展过程中，从自身以及行业感受到，在算力方面遇到哪些瓶颈和挑战？”这一问题展开了与嘉宾们的交流。

图片

高峰论坛

左起：赵鸿冰 杨耀东 张鹏 陆金谭 王彦棡 郭宇

张鹏表示，算力是由市场驱动的，随着技术的进步，各领域对算力的需求会越来越高。未来，行业中涌现的解决方案会更加多元化。不仅是要在硬件层打造更先进的芯片，在宏观资源调度层，诸如并行科技算力网络的方式也是解决算力问题的好思路。而最终，或许将形成宏观层有算力网络，硬件层有强大芯片，中间层有软件做算法优化与加速这种“多向奔赴”的方式。王彦棡对此补充道，在人工智能领域，软件的确是需要大家关注的重点，它是构成行业生态的关键，容易出现“卡脖子”问题，做好未雨绸缪，才能应对不断变化的发展时局。

在有关“算力网络环境下，各位嘉宾认为在促进AI发展方面存在哪些新机遇和新挑战”的议题中，赵鸿冰表示，算力网络接下来的发展重点是算力接入标准化的进一步建设，这会使更多算力资源被有效的接入到算力网中，满足需求端的灵活使用。而目前，在算力网络模式下，我们已经看到了优秀的应用案例，比如并行科技的应用云产品就可根据具体应用的特征、算力平台实时忙闲等情况进行动态算力调度。对此，我们在畅想chatgpt ai 算力，未来是否可以基于算力网络来实现大模型训练，这需要我们在算力网络分布式计算技术等相关领域做进一步研究。历史上，电力网络的构建曾为人类带来福祉，随着算力网络建设的日新月异，新机遇已近在眼前。

图片

免责声明：本文系转载，版权归原作者所有；旨在传递信息，不代表本站的观点和立场和对其真实性负责。如需转载，请联系原作者。如果来源标注有误或侵犯了您的合法权益或者其他问题不想在本站发布，来信即删。