“超智融合是历史的必然，将有力促进国家算力基础设施的建设和应用。”在10月10日举行的第四届光谷人工智能大会暨企业家论坛上，中国科学院院士、北京航空航天大学教授钱德沛表示，要探索算力运营的新模式和机制，提升应用和服务水平。
中国科学院院士钱德沛。上证报记者荆淮侨摄
钱德沛认为，新一代人工智能取得巨大成功，源于前所未有的超级算力、大数据和新算法。但算力发展仍面临能耗约束、可靠性约束、可编程性约束等多重技术瓶颈。
当前，北美正在推动大规模的算力建设。其中，以OpenAI等公司推动的“星际之门”项目预计部署超百万颗算力芯片，但功耗也将达到5GW，相当于三峡发电量的四分之一。这种高能耗，对电力基础设施形成了巨大的考验。同时，由于大规模并行系统的平均无故障工作时间（MTBF）短，如何保证长时间的不间断作业，以及异构计算系统上的应用开发难，均在制约算力发展。
在国内，除了面临相关技术瓶颈外，算力发展还要面对高性能处理器、加速器无法进口，HBM内存等差距较大，以及高端算力不足等制约。
在多重约束背景下，算力如何实现持续发展，以满足应用需求？钱德沛表示，应采取超智融合双向赋能、面向领域通用专用结合以及基础算法创新等举措。
在超智融合双向赋能方面，钱德沛提出，智算和超算不是替代关系，而是相互补充、相互支撑。以近期科技巨头争相押注的AI4S（科学智能）赛道为例，他表示，AI4S尝试以大模型的方法，以数据驱动的方法开展科学研究。大模型在语言、图形、图像相关的领域很有效，在物理世界则不一定同样有效。而在科学发现中，建立和发展物理世界大模型，离不开实验观测数据，以及数值模拟生成样本数据。在这个意义上，大模型和传统数值模拟又走到了一起。
“AI4S一方面需要超智融合，同时也推动计算技术创新。”钱德沛表示，目前，AI4S的发展已对计算机提出了新的要求，包括高效支持全精度计算，特别是更低精度浮点运算，以及大容量高速内存、可扩展高速互联、基于Agent技术的新型操作系统等。
在国内，由深圳超算中心牵头研制的全国产E级超级计算机灵晟在今年6月登顶全球超算TOP500。钱德沛介绍，灵晟采用了处理器片内异构技术，内置了支持特定领域应用的专用高效部件。“通过灵晟以及其他超级计算机的探索也表明，超算与智算分离不一定是最佳方案。”他说。
