华为徐直军：不是每个企业都要建设大规模AI算力

在今日（9月19日）举行的2024年华为全联接大会上，华为副董事长、轮值董事长徐直军发表了题为“拥抱全面智能化时代”的主题演讲。会上，徐直军回顾了华为自2018年以来在人工智能领域的发展历程，并提出了全面智能化战略，同时也分享了对智能化的观察和思考。

徐直军 图片来源：企业供图

徐直军认为，智能化将是一个长期过程，而算力是智能化的关键基础。“智能化的可持续，首先是算力的可持续。而算力是依赖半导体工艺的，但我们必须要面对一个现实，那就是，美国在AI芯片领域对中国的制裁长期不会取消⋯⋯人工智能正在成为主导性算力需求，促使计算系统正在发生结构性变化，需要的是系统算力，而不仅仅是单处理器的算力。这些结构性变化，为我们通过架构性创新，开创出一条自主可持续的计算产业发展道路，提供了机遇。”

对此，徐直军给出的解决方案是：“充分抓住人工智能变革机遇，基于实际可获得的芯片制造工艺，计算、存储和网络技术协同创新，开创计算架构，打造‘超节点+集群’系统算力解决方案，长期持续满足算力需求。”

此外，徐直军也谈到了近年来蓬勃发展的大模型。在他看来，不是每个企业都要建设大规模AI算力，也不是每个企业都要训练自己的基础大模型。“AI服务器，特别是AI算力集群不同于通用x86服务器，对供电、散热等数据中心机房环境要求极高，且随着大模型越来越大，AI算力也将走向更大规模，而且变化节奏快，AI服务器快速升级换代，数据中心机房面临要么浪费、要么满足不了需求的困境⋯⋯训练出基础大模型，关键是数据，而准备足够多的高质量数据是很大挑战，基础大模型预训练数据量进入10万亿tokens量级，这对于企业来说，不仅意味着高成本，同时是否能获取到足够的数据量也是挑战。”

他还进一步表示：“不是所有的应用都要追求‘大’模型。从华为盘古在行业的实践看，十亿参数模型可以满足科学计算、预测决策等业务场景的需求，比如降雨预测、药物分子优化、工艺参数预测，在PC（个人电脑）、手机等端侧设备上，十亿参数模型也有广泛应用；而百亿参数模型可以满足面向NLP（自然语言处理）、CV（计算机视觉）、多模态等大量特定领域场景的需求，比如知识问答、代码生成、安全检测。面向NLP、多模态的复杂任务，可以用千亿参数模型来完成。”

“企业需要的是根据自身不同业务场景需求，选择最合适的模型，通过多模型组合，解决问题，创造价值。”徐直军说道。

在终端AI方面，虽然当前各种终端引入AI能力已经成为普遍的趋势，但徐直军认为，终端AI应以体验为中心，而不是以算力为中心。基于这一理念，华为与清华大学人工智能产业研究院共同提出AI终端智能化L1到L5分级标准，以消费者体验为牵引，量化用户的智能体验。