算法、数（shù）据和算（suàn）力被视为推动人（rén）工智能（néng）发展的三大要素，其中算（suàn）力更是被形容为支（zhī）撑（chēng）人（rén）工智能走向应用的“发动（dòng）机”。人工智能研究（jiū）组织（zhī）OpenAI最近指出，“高级人工智能所（suǒ）需的计算能力每三个半月就会翻一番”。

近日，脸（liǎn）谱（Facebook）人（rén）工智（zhì）能（néng）副（fù）总裁杰罗姆·佩森蒂（dì）在接受《连线》杂志（zhì）采访时认为，AI科研（yán）成本的持续上涨，或导（dǎo）致我们在该（gāi）领（lǐng）域的研究碰壁，现在已（yǐ）经（jīng）到了（le）一个需要（yào）从成本效益（yì）等方面考虑的地（dì）步，我们需（xū）要清楚如（rú）何从现有的计算力中获得最大的（de）收益（yì）。

那么，为何人（rén）工智（zhì）能需要如此强大的计（jì）算能（néng）力？计（jì）算能力是否会限（xiàn）制人工智（zhì）能的发展？我们能否不断满足（zú）人工（gōng）智能（néng）持（chí）续扩大的计算需求（qiú）？

人工智能“动（dòng）脑” 背后（hòu）算力消耗（hào）惊人（rén）

“2016年（nián）3月，谷歌人工智能阿尔法围棋（qí）（AlphaGo）战胜韩（hán）国棋手（shǒu）李世石时（shí），人们慨叹人工智能（néng）的强大，而其背后巨（jù）大（dà）的‘付出’却鲜为人知（zhī）——数千台服务器、上千块CPU、高性能显卡以及（jí）对弈一场（chǎng）棋所消（xiāo）耗的惊人电量。”远望智（zhì）库（kù）人工智能事（shì）业部部长（zhǎng）、图灵（líng）机器人（rén）首席（xí）战略官谭茗（míng）洲在（zài）接受（shòu）科技日（rì）报记（jì）者采访时表示。

“相比云计（jì）算和大数据等应用，人（rén）工智能对（duì）计算力的需求几乎（hū）无止境。”中国工程院院士、浪潮集团首席科学家王恩东指出。

据介（jiè）绍，人工智能最（zuì）大的（de）挑战之一是（shì）识别度不高、准确度不（bú）高，提（tí）高准确度就要提高（gāo）模（mó）型的（de）规（guī）模和精细度，提高线下训练的频次，这需要更强的计算力。准确度也（yě）是（shì）算（suàn）出来（lái）的（de），比如大型互联网（wǎng）公司或者知名人工智能创业公司，有能力（lì）部署（shǔ）规模比较大的人工智能计算平台，算（suàn）法的模型已经达到千（qiān）亿参数、万亿的训练（liàn）数（shù）据集规模（mó）。

“现在（zài）人工智能运用的深度（dù）学习框架，多数依赖（lài）大数（shù）据进行科研训练，形成有效模型，这些都需要较高（gāo）的计算力。”谭茗洲指出，当前随着人工智能算法模型的（de）复杂度和精度愈来愈高，互联网和物（wù）联网产生的数据（jù）呈几何倍数增长，在数据量和算（suàn）法（fǎ）模型的双层叠加下，人工智（zhì）能对计算的（de）需求越（yuè）来越大。无疑，人工智能走向深度学习，计算力已成为评价人工智能研究成本的重要指标。可以说，计（jì）算力即是生产力。

数（shù）据（jù）搬（bān）运频繁 “内存墙”问题凸显

人工智能为（wéi）何如此耗费（fèi）算力？具体而言（yán），在经典的冯·诺伊曼计算（suàn）机（jī）架构中，存储单元（yuán）和计算单（dān）元泾渭分（fèn）明（míng）。运算时，需要将（jiāng）数据从存储（chǔ）单元读取到计（jì）算单元，运算后会把结果写回存储单元。在大（dà）数据驱动的人工智能时代，AI运算（suàn）中数据搬运更加频繁，需（xū）要存储（chǔ）和（hé）处理（lǐ）的（de）数（shù）据量远远大（dà）于之前常见的应用。当运（yùn）算能力（lì）达到（dào）一定程（chéng）度，由于访问存（cún）储器的（de）速度无法跟上运算部（bù）件（jiàn）消耗数据的速度，因此再增加（jiā）运算部（bù）件也（yě）无法（fǎ）得到充分（fèn）利（lì）用，就形成了所谓的冯·诺伊曼“瓶颈（jǐng）”或（huò）“内存墙”问题。这就如同一台马力强劲的（de）发动机，却（què）因为输油管的狭小而无法产（chǎn）生应有的动（dòng）力。

显（xiǎn）然，频繁的数据搬运（yùn）导致的算力瓶颈，已经成为对（duì）更为先进算法（fǎ）探（tàn）索（suǒ）的（de）限制因素（sù）。而算力瓶颈对更先（xiān）进、复杂（zá）度更高的（de）AI模型的研究（jiū）将产（chǎn）生更大影响。

王恩东曾指（zhǐ）出：“计算力的提升对体系结（jié）构提（tí）出挑战。在半（bàn）导（dǎo）体技术逐步接近极限的情况下，计算（suàn）机（jī）发展（zhǎn）迎来体系结构创新的黄（huáng）金期，计算力（lì）的提升将更（gèng）多通过体系结构创新（xīn）来满（mǎn）足。”

据了（le）解，最（zuì）先进的自（zì）然语（yǔ）言处（chù）理模型XLNet约有4亿模型参数。据估算，人脑中细胞（bāo）间互联轴突个数在百万亿到千万亿数量级。显然AI在认知问题上离我（wǒ）们追求的所谓通用人（rén）工智能还有巨大差距（jù），而要达（dá）到通（tōng）用人（rén）工智（zhì）能的水平，预计研究所需要的（de）计算能力和计算系（xì）统的能源效率（lǜ）将比现在至少提高几个数量级。因此人工智（zhì）能（néng）要进一步（bù）突破，必须采用新（xīn）的（de）计算（suàn）架构，解决存（cún）储单元和计算单元分离（lí）带来的算力瓶颈（jǐng）。

谭茗洲说，目前人工智能的（de）无用计算较（jiào）多。现在人工智能还像不断灌（guàn）水（shuǐ）一（yī）样，处在输入（rù）数据、调整参数的阶段，是个“黑（hēi）盒子（zǐ）”模式（shì），特别在图片视频方面消（xiāo）耗很多能（néng）量，而其中真正的有效计算却不多，非（fēi）常浪费能（néng）源。今后AI有待在“可解释（shì）性（xìng）”上进行突破（pò），搞清是什么原因导致（zhì）后面的（de）结果，这样可以（yǐ）精（jīng）准运用数据和算力，减少（shǎo）运算量。这也是目前重要的研究课（kè）题，将推动深度学习的发展。

计算储存一体化 或成（chéng）下一代系（xì）统入口

“虽然目前阶段计算力还谈（tán）不上（shàng）限（xiàn）制人工智能（néng）的发展，但计算力确实提高了参与人（rén）工智（zhì）能（néng）研究的门槛（kǎn）。”谭（tán）茗（míng）洲指出（chū）。

除了研发资金的增长，在计算力爆发之前的很长一段时间，产生数据的场景随着互联网的发（fā）展渗（shèn）透到生（shēng）活（huó）、生产的各个角落，并（bìng）且随着（zhe）通讯技术的进步（bù），尤其是5G的商用，使得产生数（shù）据的基础场景覆（fù）盖面和深度达到新的层次，数据的生产也将达到一个新的（de）数量级。

2020年伊始，阿里达摩院发布《2020十大科技趋势》报告（gào）显示，在人工智能（néng）方面，计算存储一体化（huà），类似于（yú）人（rén）脑，将数据存储（chǔ）单元（yuán）和计算单元融为（wéi）一体（tǐ），能显著减少数据搬（bān）运，极大（dà）提（tí）高计（jì）算并行（háng）度（dù）和能（néng）效。

然（rán）而，计算存储（chǔ）一（yī）体化的（de）研究（jiū）无（wú）法（fǎ）一（yī）蹴而（ér）就。这个报告提出策略，对（duì）于广义上计算存储（chǔ）一体化计算架构的发（fā）展，近期策（cè）略（luè）的关（guān）键（jiàn）在于（yú）通过芯片设计（jì）、集（jí）成、封装技术拉近存储单元与计算单元的距离，增加带（dài）宽，降低数据搬运的代价，缓解（jiě）由于数（shù）据搬运产生（shēng）的瓶颈；中期规划是通过架构方面的（de）创（chuàng）新，设存储器（qì）于计算单元中或者置计算单元（yuán）于存储模块内，可以实现计算（suàn）和存储你中有我（wǒ），我中（zhōng）有（yǒu）你；远期展（zhǎn）望是通过器件层面的创新，实现器件既（jì）是（shì）存储单元也是计（jì）算（suàn）单元，不分（fèn）彼此，融为一体（tǐ），成为真正的计算存储（chǔ）一体化（huà）。近年来（lái），一（yī）些新型非易失（shī）存储器，如阻（zǔ）变内存，显（xiǎn）示了（le）一定的计算存储融合的潜力。

据介绍，计（jì）算存储一体化正在助力、推动算法升级，成为下一（yī）代AI系统的入（rù）口。存（cún）内计算提供的大规模更高效的算（suàn）力，使得AI算（suàn）法设计有更充分的想象力，不再（zài）受到算力（lì）约束。从而（ér）将硬件（jiàn）上的先（xiān）进性，升级为（wéi）系统、算法的领先优（yōu）势，最终（zhōng）加速孵化（huà）新（xīn）业务（wù）。

而除了计算存储一（yī）体化的（de）趋势，量（liàng）子计算或是（shì）解（jiě）决AI所需巨额算力的另（lìng）一途径。目前（qián）量子计算机的发展（zhǎn）已经超（chāo）越（yuè）传统计算机的摩尔定律，以传统计（jì）算（suàn）机的计算能力（lì）为（wéi）基（jī）本参（cān）考，量子计算机的算力（lì）正迅速（sù）发展。

谭茗洲表示，未来人工（gōng）智能的突破，除了（le）不断提升技术本身之（zhī）外，还需要（yào）全球各国协同创（chuàng）新，融合（hé）发（fā）展（zhǎn），探索新的合（hé）作（zuò）模式（shì），如采取共享思维，调动世界各方面（miàn）的计算资源集中发力，以降低计算的巨大成（chéng）本。