近期，ChatGPT以百科全書般的功能引發(fā)了業(yè)界關注，作為下一個探索熱點，AIGC也激發(fā)了大量的行業(yè)需求。AIGC將如何重塑內(nèi)容生態(tài)？算力作為AIGC應用背后的關鍵，AIGC對算力有哪些需求？2月10日，摩爾學院院長李豐做客網(wǎng)易科技《邁向AIGC大淘金時代》直播連線，并帶來《全功能GPU是AIGC的算力底座》為主題的分享。

以下是經(jīng)過整理的訪談實錄：

主持人：大家在接觸ChatGPT之后，會有一種被震撼的感覺。其實AIGC對于目前的內(nèi)容創(chuàng)作，更多是一種輔助，之后是和人類合作，最后它到達自主的原創(chuàng)階段。其中每一個階段，需要在算法或者數(shù)據(jù)訓練方面做出哪些突破，距離AIGC真正高度取代人類又有多遠的距離？

李豐：首先，現(xiàn)在ChatGPT也好，AIGC也好，已經(jīng)可以在某種程度上替代一些人的工作了。以ChatGPT來說，目前它天然的模型是有一些缺陷的。比如，如果你去使用真的ChatGPT，它經(jīng)常會一本正經(jīng)的“胡說八道”，這個現(xiàn)象是很普遍的。

我們都知道作為人類，一個人對信息的判別和過濾，很多人連網(wǎng)絡上各種虛假信息都不具備真假的辨別能力，我們跟AI對話當中得到的信息，我們怎么知道它是真是假，這是目前的一個很大的問題。而這個問題至少在目前的ChatGPT技術(shù)架構(gòu)上是無法解決的。同時，因為它現(xiàn)在整個模型的知識，官方說截至2021年。假設實時的新產(chǎn)生的知識它不知道的時候，必然有一些時效性的知識它是有可能“胡說八道”的。所以，當AIGC產(chǎn)生的大量內(nèi)容和人類產(chǎn)生大量的內(nèi)容，融合在一起的時候，在很大程度上，你是很難很快去區(qū)分的，不管是文字還是圖片。

第二，我們可以在產(chǎn)品上，把一些實時的結(jié)果跟ChatGPT的對話結(jié)果融合在一起。就像谷歌前幾天的發(fā)布會，雖然它的Bard在發(fā)布的時候回答錯了一些問題。但是實際上，如果說我們真的去用ChatGPT就知道，ChatGPT回答錯的問題更是多了去了，所以我不認為谷歌的技術(shù)就比不上OpenAI，做不出類似的東西。反而是因為它的搜索覆蓋的用戶群過于巨大，它在產(chǎn)品上做一個小的修改，很有可能會引起數(shù)以億計的用戶習慣的改變，以及影響到它數(shù)十億美金的收入。所以它和OpenAI的地位是不太一樣的，它必然就會束手束腳，這是一個很重要的原因。

總的來說，AIGC實際上已經(jīng)進入生產(chǎn)，已經(jīng)可以滿足我們低階的需求，但是要看你怎么用。實際上我知道的一些團隊，包括我所在的團隊，都已經(jīng)把AIGC的內(nèi)容導入了工作流，做某個方面的優(yōu)化。我相信很多的AIGC的產(chǎn)品，它現(xiàn)在在輔助人類的工作，以及替代人類的局部工作，這個現(xiàn)象已經(jīng)在產(chǎn)生，而歷史的車輪是不可阻擋的。

但也正如前面我提到，ChatGPT現(xiàn)在產(chǎn)生的很多內(nèi)容，對于精準性、正確性來說，是有很大的缺陷的，這個影響如果說貫穿到很多的行業(yè)里，也可能帶來對社會的一些負面影響，所以很多技術(shù)，在使用過程當中，我們既要擁抱它的變化，既要善于使用工具，同時也要能夠控制工具，這是我的觀點。

主持人：像AIGC應用，包括ChatGPT，目前需要的算力并不低，如何平衡算力成本和商業(yè)變現(xiàn)之間的關系？對于AIGC而言，如何打造一個長期的商業(yè)模式或價值？

李豐：首先算力這個問題，在某種程度上，隨著時間的推移，成本肯定會下降。因為我們都知道，GPU一直是號稱超越摩爾定律算力的發(fā)展，因此，我覺得某種程度上，算力的成本會隨著時間的推移、半導體技術(shù)的發(fā)展，這是一個降低的維度。另外一個維度是說算法的改進，效率的提升，包括一些壓縮模型的提出和使用，也會使得成本有一個降低的維度。

商業(yè)模式這一點，我認為芯片廠商，可能是吃到AIGC這一波大紅利的廠商。因為他們是基礎設施的提供者，幾乎所有的AIGC算力，現(xiàn)在都是GPU在提供，尤其是在訓練方面。另外一類，比如說云廠商，同樣作為基礎設施提供者，會推出大量的GPU云，以降低GPU部署的門檻。我認為這兩類廠商，相對來說，商業(yè)模式比較清楚，它的盈利的點，包括商業(yè)模式的建立比較清晰，可以得到保障。?

同時，現(xiàn)在產(chǎn)生出一種新的模式，有的把它叫做MaaS，也就是說模型即服務。有很多的廠商把自己預訓練好的大模型開源出來，這些大模型如果你本機用還可以，但是要把它作為一個服務提供出去的時候，就需要算力托管。所以如果說把大模型加上算力托管做成中間件，提供很多標準的、可調(diào)度、可管理的API對外提供，我相信這又是另外一種商業(yè)模式，會有不少廠商在這一層上做。?

但是因為算力的產(chǎn)生，算力由中間件到應用開發(fā)商，最后到用戶付費這個管道，因為不同用戶付費的意愿和付費的能力是不一樣的，假設你開發(fā)的只是一個玩具，寫寫古詩詞，你可能用戶量很大，但是大部分人不會付費，最多有的人會愿意付你幾塊錢的訂閱費，這要覆蓋算力成本幾乎不可能。但如果把AIGC很多成果和生產(chǎn)力對接，能夠解決很多具體的問題，很多行業(yè)里的垂直用戶是愿意為這些具體的問題付出高昂費用的。所以目前看起來，我看應用級別，已經(jīng)產(chǎn)生了比較大收入的，因此這也是一類商業(yè)模式。

還有一類是用AIGC文本生成，去做產(chǎn)品評測的文檔，大規(guī)模的發(fā)出去引流，然后把流量拿來變現(xiàn)，這一類廠商有一些收入也不錯。從另外一個角度來說，一大堆AI產(chǎn)生的內(nèi)容，在互聯(lián)網(wǎng)上作為引流信息，可能人也不怎么看，實際上在互聯(lián)網(wǎng)上本身也是一個商業(yè)模式，所以這個商業(yè)模式也是一類。

總而言之，我認為基礎設施、中間件、算力托管、云服務廠商，這些相對來說隨著時間的推移，盈利模式會比較容易，但是應用開發(fā)商還有很長的路要走，至少目前世界上最火的ChatGPT，現(xiàn)階段肯定是嚴重虧損的，所以什么時候能夠達到真正的盈利這一點，有待觀察。

主持人：AIGC如果要大規(guī)模應用，它成功的必備因素有哪些？目前國內(nèi)AIGC的發(fā)展現(xiàn)狀如何？與ChatGPT的差距在哪里？

李豐：任何技術(shù)從誕生到成熟，到真正的得到應用，它是有一個很長的時間周期的。ChatGPT今天有這樣的成果，并不是突然冒出來的，因為OpenAI經(jīng)歷了很長一個過程，它作為一個非營利性組織，到相對商業(yè)化運作，這個時間是非常長的。而且ChatGPT本身也是經(jīng)過了GPT1、GPT2、GPT3，包括它是在GPT3.5上加入了很多人類反饋的微調(diào)才產(chǎn)生的，它的整個誕生過程是相當漫長的。所以，任何在這個領域里想深耕的企業(yè)，它是需要有很長的技術(shù)積淀的。

目前，從我個人觀察來看，國內(nèi)網(wǎng)絡上，以ChatGPT為名的，各種各樣的微信機器人、網(wǎng)絡的應用，相當大一部分和ChatGPT沒有什么關系。很多行業(yè)做的事情只要能沾點邊，就拼命往ChatGPT上去靠。在我看來，并不是說今天有一家公司說，ChatGPT很熱，馬上要做就可以成功。

第一個因素是資金。雖然說ChatGPT沒有公布GPT3.5的參數(shù)，但是GPT3的參數(shù)量高達1750億，數(shù)據(jù)量也達到了45TB，從一些數(shù)據(jù)來看，它動用的GPU訓練算力是世界上最高端的GPU芯片，而且是成千上萬張來進行訓練，所以訓練一次的成本相當昂貴。所以很多小型團隊如果說沒有足夠的資金，這件事情至少目前無法實現(xiàn)。

第二因素是原創(chuàng)性。我們必須得承認，在人工智能方面很多的原創(chuàng)模型和原創(chuàng)算法，目前很多還是來自于硅谷的團隊，其實ChatGPT也不是從零開始的，它的很多模型也是來自于其他，比如說它使用了谷歌的Transformer，所以說ChatGPT也是站在全世界很多個科學家以及很多企業(yè)，包括很多的開源貢獻者的肩膀上才出現(xiàn)的。目前，國內(nèi)很多企業(yè)也運用了開源，比如GPT2是開源的，BERT是開源的，在一些開源模型上，做一些調(diào)整，產(chǎn)生出一些應用，不是說這個方法不好，但是實際上，我們還是在前人很多的技術(shù)基礎上來進行修改，我們并沒有誕生出在AIGC方面原創(chuàng)性的成果，我們必須要承認這個差距是在的。

當然，國內(nèi)近期有一些大的企業(yè)，比如說百度、阿里等廠商，已宣布將發(fā)布類似于ChatGPT的產(chǎn)品戰(zhàn)略或者是產(chǎn)品的體驗。我相信這些國內(nèi)的大廠，因為有很長時間的技術(shù)積淀，也有大量的數(shù)據(jù)積淀，也有足夠雄厚的資金和足夠多的工程師，所以，我很期待國內(nèi)AIGC在接下來的時間里陸續(xù)亮相。

主持人：算力是AIGC應用背后的關鍵，AIGC對算力有哪些需求？企業(yè)若想大力發(fā)展AIGC，在算力方面方面應該做哪些部署？

李豐：我們今天做一個AI應用的部署，實際上就像造車一樣，我們不是從種一棵橡膠樹開始的，而是基于很多前人的技術(shù)成果上來搭建我們自己的應用。我們必須基于很多開源生態(tài)當中的成果來做，所以就不得不使用同樣算力平臺來做這件事情。

我們也看見有一些AI專用芯片在某些專門算法上優(yōu)于GPU，但是AI模型和算法迭代的速度非常快，而針對專用算法優(yōu)化的特定芯片，如果說現(xiàn)在部署，很可能到用上那一天，這個算法已經(jīng)落后了，所以為了兼顧靈活度和應用開發(fā)的算力，目前來看全功能GPU更適合?；蛟S將來，在推理尤其是邊緣端的推理上，可能會有一些專用的SoC可以用于在推理方面的很多應用。事實上，包括現(xiàn)在，在邊緣推理上，其實已經(jīng)有一些專門的SoC在圖像識別等領域得到了應用。

因此，我個人認為，將來的生態(tài)，基本上會以GPU為主，輔以其他種類芯片的生態(tài)。所以，假設今天要部署算力集群，首先要有一個明確的目標，我到底要做什么？我需要跟OpenAI去PK大語言嗎？這時候就要先評估自己的資金有多少億打底，如果有看OpenAI發(fā)表的一些文章和訪談就知道，有很大一筆費用，他們用于購買GPU。而且買來了GPU，還要有運維、管理、算力部署，需要一個團隊來運營，所以要做什么，決定了你要投入多少在算力部署上。

同時，我認為現(xiàn)在，尤其對于很多小型團隊，肯定要想清楚自己要做什么，因為AIGC是一個工具，最終要解決人類的某些問題，所以我更認為，為你要解決的某些問題來做算力的部署規(guī)劃，然后同時有一部分自己本地的小型算力部署，結(jié)合一些GPU算力云的算力調(diào)用，有可能隨著用戶的多少或者是計算任務種類的變化，你需要一個彈性可變的算力，所以需要一種混合部署的方法，包括很多企業(yè)在做AIGC時，基本上也是采用這樣的方式。此外，對于個人而言，也有一些模型是可以在本地計算機上部署的，當然這些模型部署下來，需要的也是本地GPU。因此，在算力部署這個話題上，無論你從哪一個角度去看，都繞不開GPU。

主持人：ChatGPT可以說是AIGC當中的一個爆款，摩爾線程也有自己的AIGC平臺，咱們在開發(fā)的過程中遇到最大的困難和挑戰(zhàn)是什么？從ChatGPT的發(fā)展上是否得到什么啟示？未來希望怎么落地？

李豐：首先，摩爾線程部署自己的AIGC平臺，這件事情很久以前就在做了。我們跟很多其他廠商不同，我們在推出服務的時候，要必須讓所有的應用都部署在自己的GPU上，要把現(xiàn)在豐富多樣的模型以及生態(tài)，在我們GPU上運行起來，這背后還涉及了很多技術(shù)問題?？偟膩碚f，摩爾線程作為一個算力提供者，我們希望能夠幫助應用開發(fā)商擁有一個從端到端的硬件到軟件棧的一套整體解決方案，包括我們也推出了算力底座MCCX元計算一體機，專為元宇宙應用構(gòu)建的MTVERSE元宇宙平臺，可以把上層SDK工具提供給開發(fā)者，實現(xiàn)AIGC內(nèi)容生成等一系列功能，進一步簡化應用和解決方案的開發(fā)周期和難度。

所以，我們做AIGC平臺，不是簡單做一個應用開發(fā)，把應用開放出來給消費者使用就可以了，我們要兼顧要做的事情，遠比單純的應用開發(fā)商更復雜，而且做GPU最難的是生態(tài)的建立，我們要兼顧很多的生態(tài)兼容性，比如全功能GPU做多模態(tài)生成，對于各種視頻格式的編解碼，作為科學計算的使用，包括AI訓練和推理，包括要展現(xiàn)出圖形的三維的、二維的各種渲染。實際上，我們希望自己的AIGC平臺，運行在自己的GPU上，能夠展示出摩爾線程研發(fā)了一個真正的全功能GPU，能夠在AIGC領域?qū)芏囝愋偷膬?nèi)容生成都進行良好的支持。

除此之外，我們開發(fā)的AIGC平臺，也在去年11月發(fā)布會首次亮相，它叫摩爾線程“馬良”，我們內(nèi)部已經(jīng)內(nèi)測了很長一段時間，現(xiàn)在還在不斷迭代和增加功能過程當中。今年之內(nèi)，我們陸續(xù)會有一些AIGC的成果給大家展現(xiàn)。

此外，摩爾學院院長李豐還帶來《全功能GPU是AIGC的算力底座》的主題分享，以下是經(jīng)過整理的現(xiàn)場實錄：

最近大熱的話題ChatGPT在AIGC（AI Generated Content）的C當中，屬于自然語言的本文生成，包括前一段時間流行的文本生成圖像，這些類別我們都統(tǒng)稱為AIGC，實際上就是用人工智能來生成各種類型的內(nèi)容，包括文本、圖像、音樂、視頻、三維模型等，而且還會涵蓋面越來越廣。

其實不管是ChatGPT，還是基于文本的圖像生成，它們都有一個底層邏輯，所有這一切都是計算能力產(chǎn)生的內(nèi)容，而這個算力是現(xiàn)在幾乎AIGC都采用的算力——GPU。那么，為什么最終的內(nèi)容生成都依賴GPU？

首先，GPU為現(xiàn)代科技當中需要算力的地方提供了重要支撐，比如大家熟悉的圖像識別、自動駕駛的訓練、包括推薦算法等領域，以及科學計算、高清視頻編解碼，這些很多需要算力的領域。今天，全世界和中國主要增長算力的來源都是來自于GPU，而AIGC是通過人工智能的模型，通過一些算法來產(chǎn)生出內(nèi)容，這些內(nèi)容的種類多種多樣，其產(chǎn)生的機理，大多數(shù)先要歷經(jīng)一個訓練過程，這個過程中需要大量的數(shù)據(jù)，這些數(shù)據(jù)需要在非常龐大的GPU集群上進行訓練，訓練完成之后，又部署到GPU的集群上，然后大家在使用當中，它是一個推理的過程。

所以，今天所有的AIGC都繞不開的一個話題，它們的算力底座都來自于全功能GPU，而且我們都知道，ChatGPT主要是文本生成，還有很多人用ChatGPT生成的文本也去生成圖像。這個過程不管是生成圖像、視頻還是三維模型，又需要另外一種計算方法，比如生成高清視頻，需要視頻編解碼；生成音樂，需要音頻的編解碼；三維模型需要三維的渲染，所以所有的這一切，就使得GPU成了這個浪潮當中基礎設施的提供者。

我們都知道，所有的人工智能算法是在不斷進步和迭代的，GPU兼顧了靈活度以及計算能力，它是屬于芯片行業(yè)的“圣杯”。摩爾線程作為一家以全功能GPU芯片設計為主的創(chuàng)新型企業(yè)，我們也有在AIGC方面的布局。實際上，我們已經(jīng)在內(nèi)部測試，一個完全部署在摩爾線程全功能GPU上的AIGC平臺，不久就會跟大家見面，它包括了圖像生成、自然語言生成等一系列的多模態(tài)內(nèi)容生成平臺。?

當然，我們也希望隨著技術(shù)的進步，GPU可以為接下來的AIGC帶來很大的助力。所以總的來看，GPU作為AIGC的核心發(fā)動機，以及算力的提供者和算力服務的支撐者，摩爾線程可能跟目前市場上做AIGC的一些企業(yè)定位不同，我們相當于屬于整個產(chǎn)業(yè)的基礎設施的提供商，也希望為中國AIGC發(fā)展及相關算力應用提供強大且易用、堅實的算力底座。?

? 編輯：黃飛

?