C114訊 9月19日午間消息（蔣均牧）面對(duì)一窩蜂堆算力、言必大模型的企業(yè)人工智能發(fā)展現(xiàn)狀，華為副董事長(zhǎng)、輪值董事長(zhǎng)徐直軍在華為全聯(lián)接大會(huì)2024上旗幟鮮明地指出，不是每個(gè)企業(yè)都需要建設(shè)大規(guī)模AI算力、都要訓(xùn)練自己的基礎(chǔ)大模型，也不是所有的應(yīng)用都要追求“大模型”。
首先，大規(guī)模AI算力建設(shè)存在著機(jī)房改造難、性能發(fā)揮難、運(yùn)營(yíng)維護(hù)難等難點(diǎn)。大規(guī)模AI算力集群堆供電、散熱等數(shù)據(jù)中心機(jī)房環(huán)境要求高、改造難度大，同時(shí)隨著AI算力需求的持續(xù)增加和AI服務(wù)器的升級(jí)換代，機(jī)房將面臨持續(xù)改造；AI硬件迭代速度快，平均一到兩年就有新的硬件產(chǎn)品推出，受限于每個(gè)代際的算力規(guī)模，企業(yè)需要多個(gè)代際產(chǎn)品混合使用來訓(xùn)練一個(gè)大模型，資源調(diào)度復(fù)雜，帶來性能“木桶短板”問題，新一代產(chǎn)品性能難以充分發(fā)揮；AI技術(shù)還處于成長(zhǎng)期，技術(shù)變化快，多代際產(chǎn)品共存，對(duì)技能要求高，導(dǎo)致運(yùn)營(yíng)維護(hù)困難。
其次，基礎(chǔ)大模型訓(xùn)練面臨數(shù)據(jù)準(zhǔn)備難、模型訓(xùn)練難、人才獲取難等問題�；A(chǔ)大模型預(yù)訓(xùn)練數(shù)據(jù)量進(jìn)入10萬億tokens量級(jí)，這對(duì)于企業(yè)來說，不僅意味著高成本，同時(shí)是否能獲取到足夠的數(shù)據(jù)量也是挑戰(zhàn)；基礎(chǔ)大模型參數(shù)量在持續(xù)增大，模型迭代和優(yōu)化難度大，通常需要數(shù)月到數(shù)年時(shí)間完成模型迭代訓(xùn)練，影像AI盡快賦能核心業(yè)務(wù)；基礎(chǔ)大模型涉及的相關(guān)技術(shù)每天都在更新，具備實(shí)戰(zhàn)經(jīng)驗(yàn)的技術(shù)專家少，對(duì)于企業(yè)來說，建立足夠的技術(shù)人才資源也是挑戰(zhàn)。
此外，從盤古大模型的行業(yè)實(shí)踐來看，企業(yè)應(yīng)根據(jù)不同業(yè)務(wù)場(chǎng)景需求匹配不同規(guī)格的模型，通過多模型組合來解決問題、創(chuàng)造價(jià)值。十億參數(shù)模型面向科學(xué)計(jì)算、科研決策等業(yè)務(wù)場(chǎng)景以及端側(cè)場(chǎng)景，例如降雨預(yù)測(cè)、藥物分子優(yōu)化、手機(jī)端通話助手；百億參數(shù)模型面向NLP、CV、多模態(tài)等特定領(lǐng)域任務(wù)，例如知識(shí)問答、代碼生成、金融坐席助手；千億參數(shù)模型面向NLP、多模態(tài)的復(fù)雜任務(wù)以及作為中樞調(diào)度，例如信貸評(píng)估、智能投顧、多模型調(diào)度。
徐直軍指出，對(duì)于很多企業(yè)來說，云服務(wù)是更為合理的、可持續(xù)的選擇。華為云面向AI全棧升級(jí)，賦能千行百業(yè)智能化，讓每個(gè)企業(yè)都能按需高效地訓(xùn)練模型和應(yīng)用模型推理。華為通過持續(xù)打造昇騰云服務(wù)，讓AI算力觸手可及；通過不斷升級(jí)ModelArts Studio模型即服務(wù)，讓企業(yè)不必從零開始訓(xùn)練基礎(chǔ)大模型；通過盤古大模型5.0和百模千態(tài)社區(qū)，讓企業(yè)能夠根據(jù)業(yè)務(wù)場(chǎng)景選擇最適合的模型。此外，華為云還提供從理念、機(jī)制、技術(shù)到知識(shí)產(chǎn)權(quán)的體系化安全能力，全面保障大模型訓(xùn)練、推理安全。
