近年來人工智能領(lǐng)域的發(fā)展可謂是日新月異主要突出個(gè)“大”“快”“準(zhǔn)”

參數(shù)和算力規(guī)模越來越大、新模型的出現(xiàn)和迭代越來越快、預(yù)測結(jié)果越來越準(zhǔn)。

回看剛剛過去的2022，好像每隔幾個(gè)月就會(huì)有公司發(fā)布一個(gè)新的AI模型，讓有史以來最大的AI模型這一稱號(hào)反復(fù)易手，全球各大頂尖的科技公司在此展開“軍備競賽”并樂此不疲。

當(dāng)然，模型的“大”也帶來了性能的“強(qiáng)”，最近大火的ChatGPT已經(jīng)能為你寫出代碼，甚至改變現(xiàn)有的搜索格局。就比如微軟正在將ChatGPT加入到Bing中來對(duì)抗Google，可謂是火藥味滿滿。

人工智能賽道的激烈交火

自從2018年谷歌推出3億模型參數(shù)的BERT模型，大規(guī)模預(yù)訓(xùn)練模型逐漸進(jìn)入人們的視野。隨后OpenAI推出了15億參數(shù)的GPT-2，這場軍備競賽便已開始了“低烈度”交火。

到了2020年，GPT-3的出現(xiàn)將這場軍備競賽直接拉升到千億級(jí)別。現(xiàn)在，萬億級(jí)別的Switch Transformer模型已經(jīng)出現(xiàn)。在未來這場“軍備競賽”也許會(huì)更加激烈。

人工智能模型已然成長為一個(gè)“巨無霸”，就目前來看，大型語言模型的參數(shù)量依然保持增長勢頭，你幾乎看不到低于1億參數(shù)量的AI模型。

當(dāng)然，這并不代表小模型是沒有潛力或是不好的。相較于大型AI模型，小型模型的投入更低，落地更加簡單，能夠更快更好的解決現(xiàn)實(shí)問題。只不過，大模型的泛用性及其強(qiáng)大的性能代表了未來人工智能發(fā)展的方向，因此也就更加容易被我們注意到。

“大”和“強(qiáng)”的背后是更多的挑戰(zhàn)

然而，強(qiáng)悍的性能與巨大的規(guī)模背后則是無數(shù)的資本投入，這些日漸龐大的AI模型也為現(xiàn)有的AI基礎(chǔ)設(shè)施和開發(fā)流程帶來了更多的挑戰(zhàn)。

眾所周知，一個(gè)強(qiáng)大的AI模型從誕生到商業(yè)化落地，需要大量的數(shù)據(jù)投喂、精巧的算法優(yōu)化以及強(qiáng)大的算力支持。

現(xiàn)如今大模型的權(quán)重可達(dá)100GB以上，但我們的開發(fā)工具卻滯后于規(guī)模，使用起來十分費(fèi)力，部署時(shí)往往要等上好幾小時(shí)，編譯時(shí)間長達(dá)兩分鐘，降低了AI工程師的工作效率，研發(fā)與迭代速度也會(huì)受到影響。

同時(shí)，訓(xùn)練數(shù)據(jù)量也在以驚人的速度上漲，高質(zhì)量的數(shù)據(jù)往往能加快訓(xùn)練速度，而糟糕的數(shù)據(jù)可能會(huì)讓算法的效用大大降低。根據(jù)Scale AI的《人工智能準(zhǔn)備情況》調(diào)查發(fā)現(xiàn)，數(shù)據(jù)質(zhì)量成為獲取訓(xùn)練數(shù)據(jù)時(shí)面臨的最大挑戰(zhàn)。

而隨著逐漸變大的體量，其參數(shù)量和算力要求給整個(gè)團(tuán)隊(duì)和工程環(huán)節(jié)帶來極大的壓力。

戴爾科技集團(tuán)助力AI持續(xù)前行

算力、算法、數(shù)據(jù)作為人工智能的三大要素缺一不可，強(qiáng)大的基礎(chǔ)設(shè)施總是能夠讓您更好地把握成功的機(jī)遇。

戴爾科技集團(tuán)作為全球領(lǐng)先的數(shù)字化解決方案供應(yīng)商，在AI和HPC領(lǐng)域深耕多年，致力于將算力轉(zhuǎn)化為業(yè)務(wù)創(chuàng)新能力，以科技賦能各行各業(yè)。

戴爾PowerEdge XE8545擁有強(qiáng)大的GPU加速器優(yōu)化性能，專為高性能AI計(jì)算設(shè)計(jì)，使用業(yè)界領(lǐng)先的NVLink GPU直連設(shè)計(jì)，幫助您突破數(shù)據(jù)流和計(jì)算能力的界限，應(yīng)對(duì)當(dāng)下嚴(yán)苛的算力需求。

面向未來，戴爾科技集團(tuán)用于AI的下一代PowerEdge產(chǎn)品組合也即將到來：PowerEdge XE9680、PowerEdge XE9640和PowerEdge XE8640，它們均為提供更高性能和更強(qiáng)大的計(jì)算結(jié)果而構(gòu)建，幫助企業(yè)從容應(yīng)對(duì)未來AI發(fā)展。

目前，非結(jié)構(gòu)化數(shù)據(jù)用于AI的占比持續(xù)擴(kuò)大，面對(duì)日益龐大且復(fù)雜的訓(xùn)練數(shù)據(jù)量，高效的存儲(chǔ)系統(tǒng)對(duì)于工程師團(tuán)隊(duì)的幫助則愈發(fā)顯著。在這方面，戴爾PowerScale橫向擴(kuò)展NAS存儲(chǔ)能夠進(jìn)一步消除I/O瓶頸，加快您的AI模型訓(xùn)練和驗(yàn)證速度，釋放非結(jié)構(gòu)化數(shù)據(jù)的價(jià)值。

無論是大模型的軍備競賽，還是小模型的實(shí)用為先，AI正在以前所未有的速度持續(xù)發(fā)展，每一次突破都將為行業(yè)帶來顛覆性的變革。

戴爾科技集團(tuán)將以全面的解決方案，助力越來越多的AI落地，持續(xù)以科技推動(dòng)人工智能行業(yè)的發(fā)展。

審核編輯 ：李倩