今天小編分享的科學經驗：華為雲，讓AI算力入山河，歡迎閱讀。
整個 2023 年，全球科技界都在為大模型沸騰。雲計算產業作為 AI 大模型與產業場景間的最短路徑，自然也在大模型浪潮中備受關注。目前階段，雲廠商已經紛紛入局大模型，從多個角度探索大模型帶給雲計算產業的可能性。
但我們往往會忽略這樣一個關鍵節點：" 百模千态 " 的大模型，第一項挑戰是 AI 算力。而做好大模型服務，首當其衝也要做好算力服務。
在 AI 算力這個最為基礎的能力中，隐藏着 AI 雲服務如何能走向更遠的真正答案。
9 月 21 日，在華為全聯接大會 2023 期間，華為常務董事、華為雲 CEO 張平安圍繞 " 共建智能世界雲底座，讓 AI 重塑千行萬業 " 發表主題演講，發布盤古大模型在礦山、政務、汽車、氣象、醫學、數字人、研發等領網域的創新服務，并宣布華為雲昇騰 AI 雲服務正式上線，加快讓千行萬業實現大模型普惠。圍繞盤古大模型落地，本次華為雲分享的主題是 " 解難題，做難事 "。讓 AI 算力能用、夠用、好用、有大用，就是華為雲解開的第一道難題。
算力入山河，AI 始落地。
為了做好這件重要的 " 難事 "，昇騰 AI 雲服務出發了。
大山大河，
需要 AI 大算力
信息革命以來，人類逐步發現科技創新的幅度與算力消耗成正比，這一點在大模型身上又一次得到了印證。
大模型的出現和成熟，給千行萬業智能化帶來了全新的機遇。可以說，每個行業的每個場景都值得融入大模型，甚至其中大部分可以被大模型所重塑。而無論是大模型本身模型規模大、數據參數多的特點，還是各個行業湧現的大模型需求，都指向同一個結果：社會生產體系所消耗的 AI 算力，将得到指數級提升。
大模型需要大算力，已經成為了行業共識。但如果我們具體打開這個問題，會發現圍繞 AI 算力產生的產業挑戰非常多樣。我們可以将其概括為供需矛盾、能效挑戰、運維需求、安全顧慮四種。
先來看 AI 算力最為核心的挑戰，即供需之間客觀上的不平衡。
截至 2023 年 7 月，中國累計已經有 130 個大模型問世。" 百模大戰 " 帶來了 AI 算力的巨量增長。根據相關數據報告，過去 10 年全球 AI 算力需求增長了 30 萬倍，而未來 10 年我們還面臨着需求 500 倍的增長。根據《2022-2023 中國人工智能計算力發展評估報告》顯示，在 2022 年中國進行的 AI 計算總量已經超過了通用計算。在可見的未來，AI 算力将會變成社會各界需求量最大、供需缺口最大、資源最為緊張的計算形态。
其次是大模型與大算力，帶來了尖銳的能效問題。
由于大模型訓練需要集群式 AI 計算，因此其訓練任務大量依靠數據中心，而 AI 伺服器的功率密度遠超普通伺服器，單機櫃的功耗是過去的 6 到 8 倍。在雙碳大背景下，數據中心的能效比必須持續下降，因此大模型帶來的計算能效問題已刻不容緩。如何在 AI 算力提升與能效比下降之間達成平衡，成為了產業界必須面對的問題。
除此之外，我們還要看到 AI 算力在應用過程中發生了一系列運維難題。由于大模型的訓練、部署目标各不相同，各自的訓練與部署環境也差異巨大，期間也自然會產生網絡時延、模型可靠性、運維管理門檻等運維問題。舉個例子，一些大模型需要極大量級的算力集群來支撐，而大量伺服器與計算單元之間的協同往往會出現問題，一旦計算單元出現問題，研發人員就需要重啟訓練。大模型訓練中巨大的時間、人才、算力成本消耗，就發生在頻繁的故障與重啟訓練任務當中。因此，大模型不僅需要 AI 算力充足，還需要算力服務精細，幫助用戶降低整體運維難題。
最後，我們還要看到大模型帶來新的安全顧慮。
由于大模型的部署場景大多事關國計民生，因此其安全隐患必須全部掃清。在數據訪問、存儲加密、傳輸安全等領網域，大模型目前還存在着諸多的安全隐患。
整體而言，大模型并不是高度一致化的產品。其本身技術分類復雜、工程化路徑多變，并且各個用戶還需要根據自身需求進行大模型的精調與訂制化工作。這些問題讓大模型對 AI 算力服務有了多方面、多角度的差異化需求。
滿足大模型的 AI 算力需求，已經成為了大模型時代的頭一道考題。
把昇騰 AI 雲服務
做實，做精，做成競争力
對于華為雲來說，要把算力這道題答好，需要兼顧兩方面的建設：一個是如何讓 AI 算力充足可用，另一個是如何跨越算力服務在運維、安全、能效等方面的挑戰。AI 算力既要做實，還要做精。
今年 7 月，華為雲發布了最新的昇騰 AI 雲服務，可以為千行萬業的用戶提供澎湃 AI 算力。在其背後，是華為雲堅實的算力基礎設施建設。
截至目前，華為雲在貴安、烏蘭察布、蕪湖建設了 3 大 AI 算力中心。基于此，昇騰 AI 雲服務在全國範圍内實現了 20ms 的時延圈。用戶可以實現就近接入，一根光纖即可聯接澎湃的 AI 算力，服務即開即用。為确保大模型訓練數據的全生命周期安全，昇騰 AI 雲服務還采用了數據傳輸與存儲加密、數據安全清除、數據訪問控制、數據水印防洩露等多重技術。值得注意的是，無論對于企業還是社會整體，雲服務都是能效比最優的雙碳時代 AI 算力獲取方式。
為了實現 AI 算力的極致性能，華為雲還在基礎設施之上進行了針對 AI 雲服務的技術優化。比如 ModelArts 提供了數據、訓練、推理三層加速，通過 DataTurbo 數據加速技術能夠利用計算節點存儲資源構建分布式緩存，将數據讀取時延降低至亞毫秒級。TrainTurbo 訓練加速技術可以實現在訓練數據超過 100T 時數據讀取時間縮短 50%，并使能整體訓練效率提升 20% 以上。在模型的推理環節，InferTurbo 推理加速技術通過圖編譯技術加速模型推理，通過全鏈路垂直協同優化，将大模型的推理性能提升 30%。
在這樣強大基建與核心技術加持下，用戶可以獲得極致的 AI 計算性能，而為了讓算力不僅 " 夠用 "，還要 " 好用 "，華為雲進行了一系列把 AI 算力 " 做精 " 的探索。
比如說，AI 開發有賴于工具與平台的全面。昇騰 AI 雲服務背後，有着異構計算架構 CANN、全場景 AI 框架昇思 MindSpore、AI 開發生產線 ModelArts 等一系列華為持續打造的 AI 底層開發工具與技術平台，從而為大模型提供分布式并行加速，算子和編譯優化、集群級通信優化等關鍵能力，奠定 AI 算力服務的根技術加持。
如上文所說，在大模型訓練、部署過程中還面臨着一系列運維、能效等問題。在算力服務的優化方面，昇騰 AI 雲服務可以提供更長穩的 AI 算力服務，千卡訓練 30 天長穩率達到 90%，還可以實現分鍾級信息獲取、2 小時定界、24 小時提供解決方案，斷點恢復時長不超過 10 分鍾，任務恢復時長小于半小時。
在模型遷移方面，華為雲為用戶提供了遷移工具鏈，并集成全棧的開發工具，能夠實現典型模型遷移效率低至 2 周，主流場景自助遷移。此外，昇騰 AI 雲服務還适配了業界主流的開源大模型，如 LLAMA、Stable Diffusion 等，從而真正讓昇騰 AI 雲服務滿足 " 百模千态 " 的大模型需求。
對于運動員來說，基本功就是競争力。在雲 + 大模型的賽道上，華為雲通過基建、技術、服務的集成，也把 AI 算力練成了競争力。
澎湃易用的 AI 算力，是大模型產業化落地的基石，也是一切故事的開端。
算力，技術，場景：
構築大模型正循環
在大模型這個突然到來的巨大智能化機遇面前，千行萬業的用戶有着差異化巨大的需求。有人缺少算力，有人需要模型，有人尋覓場景，也有人需要特定技術工具的幫助。任何一個條件的缺失，都會讓大模型的飛輪無法旋轉。
換個角度看，算力資源、技術工具、模型的場景化應用都能變成支點。這些要素可以通過全棧配合、彼此推動的方式，幫助企業用戶和開發者走上大模型之路。
華為雲提供的昇騰 AI 雲服務，不僅 AI 算力能用、夠用，好用，還能通過與華為雲一系列布局進行聯動，讓大模型從此 " 有大用 "，從而共同實現盤古大模型解難題，做難事。
比如說，我們能夠看到眾多技術創新與昇騰 AI 雲服務相輔相成，共同解決着 AI 算力需求大、供給難的挑戰。華為雲最新發布的分布式 QingTian 架構就有着這樣的效果。
以 AIGC 為代表的大模型應用，算力需求特點是高度依賴分布式計算能力，這也對算力架構產生了新的挑戰。分布式 QingTian 架構作為新一代對等架構，能夠将傳統的數據中心算力集群，演變為基于高速總線的對等池化系統集群，從而打破單一部件的性能限制，實現軟硬協同、管控面全解除安裝、資源與性能零損耗，最終為用戶帶來性能、可靠性、安全可信等方面的極致體驗。
除此之外，華為雲還圍繞不斷發展的 AI 需求，在 AI 雲存儲、GaussDB 向量數據庫、數智融合、Serverless+ 大模型工程套件等一系列領網域進行了技術創新，從系統架構層、數據處理層、模型訓練層、應用開發層實現系統性創新，從而掃清了用戶使用 AI 雲服務過程中的障礙，讓 AI 算力真正對齊到千行萬業的場景化需求。
在基礎 AI 算力與系列技術創新之上，就是華為雲提供的盤古系列大模型。在華為全聯接大會 2023 上，我們也可以看到盤古大模型在行業中有了更為深入的場景化落地。
在汽車行業，盤古汽車大模型能夠覆蓋車企的設計、生產、營銷、研發等環節，并在自動駕駛訓練、專用場景落地等領網域發揮獨特價值。在自動駕駛領網域，盤古汽車大模型可基于實際場景采集的照片和視頻，構建該場景的數字孿生空間，加入可移動的物體、可編輯的天氣、光照等，生成供自動駕駛學習的場景樣本。在港口、礦區等作業場景，盤古汽車大模型的多場景、多車型控制算法，可讓 60 噸的重卡橫向誤差小于 0.2 米、精準停靠誤差小于 0.1 米。目前在新疆疆納礦業和内蒙古伊敏露天煤礦，已有 23 輛無人重卡在礦山中 24 小時不間斷作業。
在直播 + 數字人領網域，盤古數字人大模型基于十萬級高質量直播話術進行預訓練，能夠自動生成專業話術，從而準确、流利地介紹產品，并且還能自動捕捉彈幕和觀眾實時互動。在貴州丹寨，盤古數字人大模型已經讓非遺產業蠟染走向全球。
總結一下不難發現，華為雲已經形成 AI 算力作為底座，技術創新作為驅動，盤古大模型融入行業場景為導向的 " 大模型正循環 "。澎湃 AI 算力可以帶動大模型的使用；技術創新将不斷降低大模型的門檻；行業場景将帶動大模型規模化落地。算力推動場景和技術發展；技術進步實現算力得到充分釋放，場景價值被深入挖掘；場景的進步将帶動算力建設，引領技術進步。三者滾動向前，吸引千行萬業在雲上尋找大模型的答案。
以算力為基礎，以算力為鑰匙，讓 AI 融入山河大地——這便是華為雲的 AI 長歌。
>
