本地纯净下载
纯净官方版WWW,GG067,COM-GG0706,COM
“因为GPT-3有1750亿个参数,训练用到了1024张英伟达A100芯片,所以业内将其称为‘千卡千参’。”商汤科技智能产业研究院院长田丰说,目前GPT-4、GPT-5等大模型都达到了“万卡万参”的规模,且训练模型所用芯片也从英伟达A100更新到英伟达H100、B200,“参数量的激增将导致能耗显著增加”。
张云泉表示,首先,可以设计AI模型训练的专用芯片,其效率相较GPU(图形处理器,现常用于AI计算)提升了10倍以上;其次,可以优化AI模型的参数,很多小模型仅有几十亿的参数量,但已经实现了和大模型一样的效果;此外,还可以通过对推理过程进行优化压缩,设计专用推理芯片,进一步降低AI推理阶段的能耗。
在能源供应方面,诉诸多样化的新能源供给、依靠国家进行宏观调控与规划等举措,将有助于解决AI能耗问题。天使投资人、资深人工智能专家郭涛对记者表示,当前,新能源,包括太阳能、风能、水能等可再生能源,正逐渐成为数据中心的最佳能源选择。“如果没有足够的可再生能源来满足AI能耗的增长,可能会导致对化石燃料的依赖加剧,从而对环境造成负面影响。此外,数据中心还可以通过智能算法来优化能源使用效率,实现AI与电网的协同发展。”
国家能源局的数据显示,2023年,我国可再生能源新增装机3.05亿千瓦,占全国新增发电装机的82.7%,占全球新增装机的一半;全国可再生能源发电量近3万亿千瓦时,接近全社会用电量的1/3。目前,我国已建成全球规模最大的电力供应系统和清洁发电体系,其中青海、内蒙古、宁夏等西北部地区则是清洁能源的“富矿”。
“大模型时代,‘东数西算’工程将对全国的电力需求和算力需求起到重要的宏观调控作用。”张云泉预计,未来将会有越来越多的大型算力中心或智算中心选址我国西部地区,“东数西训”(即东部地区的AI大模型,在西部地区进行训练——记者注)将成为AI与新能源协调发展的典型场景。但他强调,推动新能源更好地赋能AI发展,储能是一个需要解决的问题。
此外,王鹏还认为要重新思考“数据网”和“电力网”的分布式联动与微观布局协同。他指出,为满足短期内快速增长的人工智能推理算力需求,除了在西部可再生能源丰富的地区布局大型算力中心,实现“东数西算”;也需要考虑在东部需求侧的数据中心和算力中心附近,积极布局分布式可再生能源,如与城乡建筑、农业设施等结合的分布式BIPV(光伏建筑一体化)、光储直柔一体化等。“而且还要‘源网荷储’一体化考虑,尽可能通过微电网实现就地峰谷平衡,减少弃风弃光。”
。9.66MB/2024/05/28
直接下载9.9MB/2024/05/28
直接下载9.26MB/2024/05/28
直接下载0.62MB/2024/05/28
直接下载3.10MB/2024/05/28
直接下载5.61MB/2024/05/28
直接下载7.75MB/2024/05/27
直接下载4.28MB/2024/05/27
直接下载0.89MB/2024/05/27
直接下载5.29MB/2024/05/27
直接下载3.76MB/2024/05/27
直接下载8.46MB/2024/05/27
直接下载67.6MB/2024/05/27
直接下载18.6MB/2024/05/27
直接下载96.6MB/2024/05/27
直接下载27.5MB/2024/05/27
直接下载1.4MB/2024/05/27
直接下载70.0MB|查看
77.35MB|查看
46.66MB|查看
27.2MB|查看
36.51MB|查看
13.59MB|查看
45.20MB|查看
54.26MB|查看
72.61MB|查看
56.80MB|查看
WWW,GG123123,COM-GG12581,COM99.58MB|2024/05/27
WWW,DHYGW4433,COM-DHYGW4466,COM79.70MB|2024/05/27
WWW,DDD167,NET-DDD239,COM80.85MB|2024/05/27
WWW,H1210,COM-H12129,COM96.47MB|2024/05/27
WWW,CMWL44,COM-CN1205,COM98.77MB|2024/05/27
WWW,D66668,COM-D69888,COM24.35MB|2024/05/27
WWW,BOB5630,COM-BOB5638,COM61.77MB|2024/05/27
WWW,BOB5421,COM-BOB5425,COM20.25MB|2024/05/279
WWW,BMW613,COM-BMW644,COM76.94MB|2024/05/27
WWW,BLR387,COM-BLR4006,COM36.84MB|2024/05/27