大模型带来了哪些算力新需求？

11月24日，投资60个亿的中国联通长三角（芜湖）智算中心项目开工；

11月22日，面向汽车研发的阿尔特（无锡）智算中心正式启用；

11月21日，首期规划1000PFLOPS智算能力的中国移动智算中心（武汉）落地；

11月20日，首个国产化智算中心项目在贵安正式签约；

此外，如鄂尔多斯、南昌等地，均有智算相关的土地规划出炉……在过去一周中，几乎每一天都有智算相关项目消息传出。而这，几乎是最近一年来的常态，智算中心建设已经进入了爆发期。

智算的火爆，背后是AI大模型兴起，以及其对算力带来的全新需求。

大模型算力消耗有多恐怖？

随着人工智能技术的快速发展，AI大模型已成为当今世界计算力需求增长的主要驱动力。这些模型不仅在理论研究上取得突破，也在实际应用中发挥着越来越重要的作用。日渐普及的AI大模型正推动着全球及中国的算力基础设施变革。

AI大模型需要多少算力，我们可以从ChatGPT的训练算力消耗中窥得一斑。OpenAI的报告显示，训练一次1746亿参数的GPT-3模型需要的算力约为3640PFlops-day。虽然ChatGPT 4的细节没有公布，但据ARK Invest估算，GPT-4参数量最高达15000亿个，算力需求最高可达31271 PFlops-day。

这仅仅是ChatGPT的训练需求——在ChatGPT引发了广泛关注后，世界各国都在杀入大模型领域，各类大模型产品层出不穷。在不到一年的时间里，仅我国国内，就发布了不下200个大模型产品。

可想而知，这些大模型需要的算力将有多么恐怖。

算力基础设施面临的挑战

算力需求的暴增，对算力基础设施带来了两个方向的挑战。

一方面是计算力生产的挑战。随着摩尔定律在物理法则层面的极限到来，依赖单芯片的算力已经无法满足超大规模算力的需求，因此需要更多的芯片联合工作，就此的规模越来越大，以集群式的算力中心建设已经成为常态。

一方面是生产算力所需环境的挑战。在算力中心超大规模化发展的情况下，算力中心能源供给的充足和稳定，以及庞大能源消耗带来的热量如何有效的散发，也成为了一个需要面对的现实话题。

而这些也仅仅是AI大模型训练中需要的算力，随着大模型产品的落地和普及，推理型的算力需求将进入增长期，其增量将超过训练需求，长远看其算力需求总量或将与训练需求平齐甚至超越。

因此，AI大模型带来的算力新需求不仅是技术挑战，也是基础设施发展的重要机遇。特别是在中国市场，数据中心行业的迅猛增长预示着巨大的潜力和机遇。在12月12日-14日举办的本文素材来自互联网，如有侵权，请联系将及时删除！