不做大模型，就沒(méi)有算力用。

【資料圖】

這是ChatGPT點(diǎn)燃AI風(fēng)口后，國內某top3高校AI實(shí)驗室的殘酷現狀。

同一個(gè)實(shí)驗室里，非大模型團隊6人用4塊3090卡，比起同實(shí)驗室的大模型團隊10個(gè)人用10塊A800卡，本就已經(jīng)不算富裕。

現在，校企合作也更偏愛(ài)大模型。去年11月ChatGPT發(fā)布后，與非大模型團隊合作的企業(yè)驟減，近期找上門(mén)的，也是張口就問(wèn)：

“你們做大模型不？”

做，有高校和企業(yè)的通力支持；不做？那就只能眼睜睜看著(zhù)算力花落別家。

哪怕某量化私募基金的有10000張A100卡，還對高校研究團隊開(kāi)放申請，也不見(jiàn)得能落一張到你頭上。

“要是我們組能分到一些就好了?！笨吹竭@條微博，非大模型團隊帶隊的數據科學(xué)方向博士小哥羨慕不已，因為缺算力，他都愁得快仰天長(cháng)嘯了：我們也值得投資?。。?！

現在，大伙爭先恐后撲向ChatGPT背后GPT-3.5般的各種大模型，算力流向亦然。

其他AI領(lǐng)域本就不足的算力更荒了，尤其是國內學(xué)界手里的算力分配下來(lái)，貧富差距肉眼可見(jiàn)。

一整個(gè)實(shí)驗室就4塊3090卡

巨大規模算力以月為單位的租用成本，對研究團隊來(lái)說(shuō)不是小數目。大模型正當其道，學(xué)界研究大模型的實(shí)驗室或團隊擁有算力資源的優(yōu)先分配權。

就拿小哥在學(xué)校的親身體驗來(lái)說(shuō)，在他們研究室，大模型小組10個(gè)人有10塊A800卡可用，而另一個(gè)研究傳統機器學(xué)習方向的實(shí)驗室，整個(gè)實(shí)驗室只有4塊3090卡。

擁抱主流趨勢是一重原因，另一重原因是實(shí)驗室需要運轉和維護的經(jīng)費，獲得撥款的一種形式是申請國家項目，但必要步驟是提供論文成果。

雙重原因下，本就不多的算力資源，不得不優(yōu)先分配給大模型這樣熱門(mén)且相對容易出成果的研究。哪怕對學(xué)界來(lái)說(shuō)，訓一個(gè)大模型其實(shí)練不太動(dòng)——因為數據、算力和資金都有些捉襟見(jiàn)肘。

為了獲得更多的資源，有的非大模型實(shí)驗室甚至額外專(zhuān)門(mén)成立研究大模型的團隊。

當然，想要獲得資金和資源，校企合作也是不可或缺的一種方式。

這種推動(dòng)產(chǎn)研融合的重要支撐形式持續已久，2020年，KDD中校企合作論文占比超過(guò)50%，這個(gè)比例在ICCV中達到45%。

舉例來(lái)說(shuō)，2021年，清華大學(xué)KEG、PACMAN（并行與分布式計算機系統）、NLP等實(shí)驗室著(zhù)手推進(jìn)訓練千億參數的稠密模型，但團隊用于訓練模型的計算資源并不充足。最終，校外企業(yè)智譜AI租用了近百臺A100的服務(wù)器，免費提供所需算力，這才有了雙語(yǔ)預訓練語(yǔ)言大模型GLM-130B的誕生。

GLM-130B的任務(wù)表現

但在眾人爭先恐后撲向GPT-3.5般大模型的當下，非大模型團隊開(kāi)始不太好談這類(lèi)合作了。

去年11月ChatGPT發(fā)布后，與小哥所在團隊洽談校企合作事宜的公司數量急劇減少。在其他高校，AI領(lǐng)域的非大模型團隊也總是面臨企業(yè)詢(xún)問(wèn)，“要不要/會(huì )不會(huì )做大模型”。

本就稀缺的算力，在學(xué)界有成為追逐熱點(diǎn)的砝碼的傾向，算力資源分配的馬太效應由此逐漸擴大，帶給學(xué)術(shù)研究很大困擾。

ChatGPT加劇算力分配貧富分化

算力是AI飛速發(fā)展必不可少的指標，2018年，OpenAI發(fā)布的報告中點(diǎn)出一個(gè)算力趨勢：

自2012年以來(lái)，AI訓練任務(wù)所運用的算力每3.43個(gè)月就會(huì )翻倍。到2018年，AI算力需求增長(cháng)了30萬(wàn)倍。

產(chǎn)學(xué)研對算力需求暴增，我們能提供的算力有多少？

據中國算力集團統計，截至2022年6月底，我國數據中心機架使用總規模超過(guò)590萬(wàn)標準機架，服務(wù)器規模約2000萬(wàn)臺，算力總規模排名全球第2。

這個(gè)排名還算不錯，但攤開(kāi)來(lái)看仍舊遠遠不夠，畢竟放眼全球，沒(méi)有哪個(gè)國家不是嗷嗷待哺，等著(zhù)更多的算力資源“投喂”。

再退一步講，買(mǎi)得起顯卡，擁有的算力上去了，電費也是天文數字。

況且我國還有特殊情況——

開(kāi)放原子開(kāi)源基金會(huì )業(yè)務(wù)發(fā)展部部長(cháng)朱其罡在本月舉辦的CCF YOCSEF上發(fā)言闡述現狀稱(chēng)，超算領(lǐng)域的核心技術(shù)，一個(gè)是IBM LSF超算系統，一個(gè)是開(kāi)源系統。目前，國內多數超算中心都基于開(kāi)源系統做封裝，但這個(gè)版本調度資源的效率和能力都有很大的提升空間。

以及，因為眾所周知的原因，A100、H100這倆目前性能最強的GPU，還沒(méi)找到可規模替代的方案。

英偉達A100顯卡

綜上，算力不夠已是積弊，但ChatGPT時(shí)代，算力需求劇烈擴張，除了大量訓練算力，大量推理算力也需要支撐。

所以現在的情況是，因為ChatGPT顯示出大模型的推理能力，訓練和研究大模型的算力需求增加；同時(shí)因為大模型熱度爆棚，蜂擁至大模型的算力資源也增加。

分配給大模型領(lǐng)域的算力資源豐富起來(lái)，其他AI領(lǐng)域缺衣少食的情況逐漸加劇，研發(fā)能力受到掣肘。

可以說(shuō)，ChatGPT成為如今的AI屆白月光后，加劇了算力分配的貧富分化。

這般“富”甲一方的大模型，是不是AI研究路徑上最好的？還沒(méi)人能夠回答。

但值得引起注意和重視的是，GPT系列為首的大模型不應該吸引全部目光，整個(gè)AI領(lǐng)域還有各種各樣的研究方向，還有更加細分的垂直領(lǐng)域，以及帶來(lái)更多生產(chǎn)力的模型和產(chǎn)品。

當ChatGPT的熱度趨于平緩，學(xué)界的算力資源分配差距會(huì )縮小嗎？

所有非大模型方向的實(shí)驗室和團隊，恐怕都在期待之中。

本文作者：衡宇，來(lái)源：量子位，原文標題：《ChatGPT造孽！中國高校因它算力荒》

風(fēng)險提示及免責條款 市場(chǎng)有風(fēng)險，投資需謹慎。本文不構成個(gè)人投資建議，也未考慮到個(gè)別用戶(hù)特殊的投資目標、財務(wù)狀況或需要。用戶(hù)應考慮本文中的任何意見(jiàn)、觀(guān)點(diǎn)或結論是否符合其特定狀況。據此投資，責任自負。

關(guān)鍵詞：