每經(jīng)記者 溫雅蘭    每經(jīng)編輯 張凌霄    

圖片來源：視覺中國-VCG41N1210738055

人類社會處于主導形式的生產(chǎn)力經(jīng)歷了從人力、水力、熱力、機械力到電力的演進，第四次工業(yè)革命正在推動算力成為新的核心生產(chǎn)力。

數(shù)據(jù)顯示，2024年上半年我國智能算力在算力市場的比重已經(jīng)超過30%，人工智能算力的產(chǎn)業(yè)鏈條也不斷延伸，涵蓋了芯片、服務器、操作系統(tǒng)、算法、應用等各個環(huán)節(jié)。而伴隨著智能算力的發(fā)展，以智能科技為核心技術、智能算力為生產(chǎn)力的智能時代再次把腦科學推向世界科學與技術前沿。

何為算力，算力發(fā)展的挑戰(zhàn)有哪些？類腦智能技術當前的發(fā)展又如何？

8月24日，繼杭州、蘇州、深圳后，由浙江大學管理學院主辦、浙江大學管理學院專業(yè)學位教育中心承辦、《每日經(jīng)濟新聞》提供媒體支持的“未來產(chǎn)業(yè)”系列論壇落地合肥。

在論壇現(xiàn)場，中科類腦智能算力事業(yè)部業(yè)務總監(jiān)谷家磊和中科類腦首席品牌官柴文成接受了《每日經(jīng)濟新聞》記者專訪，他們從算力科普出發(fā)，循序漸進地介紹了當前類腦智能等先進技術的發(fā)展現(xiàn)狀。

人工智能時代中的“發(fā)動機”

作為人工智能技術的“底座”，算力成為了人工智能時代備受關注的明星。

算力是什么？是計算機設備或數(shù)據(jù)中心處理信息的能力，是計算機硬件和軟件配合共同執(zhí)行某種計算需求的能力。

由于傳統(tǒng)的CPU計算架構(gòu)無法充分滿足人工智能高性能并行計算的需求，所以現(xiàn)在的智能算力更關注GPU（圖形處理單元）芯片，在科學計算領域使用的GPU算力和日常消費級的GPU顯卡類似于“同卵雙胞胎”。

谷家磊表示，現(xiàn)在的GPU算力從商業(yè)的角度被劃分為兩個部分，一部分更適合用來做科學計算，而另一部分被用于做圖形渲染。“以現(xiàn)在很火的一款游戲《黑神話：悟空》為例，如果想要有很好的游戲體驗，就需要一張很好的顯卡。這個顯卡屬于家庭消費級的，用于科學計算的顯卡屬于商業(yè)級別的，不同的應用場景要求GPU具備不同的浮點數(shù)性能，以滿足特定的計算需求。”

“其實人工智能的三個核心要素就是算力、算法和數(shù)據(jù)。算力好比是基礎設施，數(shù)據(jù)相當于原材料，而算法則相當于排兵布陣的生產(chǎn)方式。”柴文成補充說，“如果說用專業(yè)術語來解釋算力很抽象的話，那我們可以將其類比成炒菜。在我們炒菜的過程中，算力就相當于廚房的鍋碗瓢盆和灶具等裝備，而我們買來的雞蛋、肉和蔬菜等原材料就相當于數(shù)據(jù)，廚藝則相當于算法。”

但是，一千人的手中，有一千種味道的青椒土豆絲——并非所有人的廚藝都是相同的。所以不同的算法會用到不同規(guī)模的算力，對算法進行優(yōu)化能夠在很大程度上節(jié)省算力，也就意味著節(jié)約能源。

有了基礎的算力之后，如何將各地分散建設的算力中心進行互聯(lián)互通，形成算力網(wǎng)絡結(jié)構(gòu)，以達到更大的勢能，這是另一個更大的挑戰(zhàn)。“類腦團隊一直在致力于研究多個異構(gòu)的、異域的算力中心連接問題，在大模型時代，對算力的需求量級大到驚人，只有算力網(wǎng)絡集群才能提供足夠的算力供給。”谷家磊說。

智能未來中的“模范生”

人類大腦是神經(jīng)系統(tǒng)的最高級部分，其作為自然界中最神秘、最復雜的信息處理系統(tǒng)，包含了約860億個神經(jīng)元，這些神經(jīng)元之間又有著超過100萬億個突觸連接。

作為一種生物信息處理系統(tǒng)，人腦也就成為了人工智能技術發(fā)展過程中的學習對象，而類腦技術也就由此誕生。類腦技術的目標不僅僅在于復制大腦的結(jié)構(gòu)和功能，更在于汲取其精髓，實現(xiàn)前所未有的計算效率、學習能力和適應性。

可以說，類腦智能技術的發(fā)展，正如十三四歲的少年一般，在稚嫩中充滿希望和朝氣。谷家磊介紹說，目前類腦智能技術還沒有大面積轉(zhuǎn)化到商業(yè)應用中，但在類腦智能技術研發(fā)過程中的技術突破，比如圖像壓縮、機器博弈等都已經(jīng)找到了合適的商業(yè)化路徑。

今年8月底，中科類腦為廣西龍源提供智能化裝備和技術應用，使其在電站管理領域開創(chuàng)了智能化“無人值守”模式。其中，智能傳感設備和先進AI識別技術，大幅減少了對傳統(tǒng)人力的依賴，提高了場站的運營效率和安全性。“這些技術的應用，使得潛在隱患能夠被及時精準地識別和處理，進一步保障了電站的安全穩(wěn)定運行。”

雖然，人工智能技術已經(jīng)成為生產(chǎn)生活中不可缺少的一部分，但是類腦智能技術的商業(yè)化進程仍有很長的路要走。

談及類腦技術在商業(yè)化過程中的難題，谷家磊認為，首先是高昂的成本；其次，是尋找應用方向，怎樣的消費場景可能會適配哪些技術，是商業(yè)化落地中的關鍵一環(huán)。比如在微信語音普及之前，大眾很難想象在馬路上對著手機講話的場景；而最重要的一點，則是需求與供給的不匹配。“真正有需求的人可能并不懂技術，而在研發(fā)技術的人，很少能第一時間想到幫助客戶解決哪些問題，其中的斷層為類腦技術的商業(yè)化落地帶來了很大挑戰(zhàn)”谷家磊說。

確實，推動技術的發(fā)展意味著極高的成本——人力成本，時間成本，或是金錢成本。

但是技術研發(fā)的腳步并不會就此停下，對此，谷家磊則表示：“其實技術和商業(yè)價值在某些場景中是被割裂開來的，技術人員在作研究時，可能不會提前思考這項技術的商業(yè)價值。而技術本身是沒有好壞的，我們也相信在研發(fā)的進程中，技術一定會找到一個適合它‘落腳’的維度。”