算法、数据和算力被视为（wéi）推动人工（gōng）智能发展的三大要素，其中算力更是被（bèi）形容为支（zhī）撑人（rén）工智（zhì）能走（zǒu）向（xiàng）应用（yòng）的“发动机”。人工智能研究组织OpenAI最近指出，“高级（jí）人工智能所需的计算能（néng）力（lì）每三个半月就会翻（fān）一（yī）番”。

近日，脸谱（Facebook）人（rén）工智能（néng）副总裁杰罗姆·佩森蒂在（zài）接受《连（lián）线》杂（zá）志（zhì）采访时认为，AI科研成本的（de）持续上（shàng）涨，或导致我们在该领域的（de）研究碰壁，现（xiàn）在（zài）已经到了一个需要从成本（běn）效益等方面考虑的地步，我们（men）需（xū）要清楚如何从现有（yǒu）的（de）计算力中获（huò）得最大的（de）收益。

那么，为（wéi）何人工智能（néng）需要如此强大的计（jì）算能力？计算能力（lì）是（shì）否会限制（zhì）人工智能的发展？我们能否不断满足（zú）人工智能持续扩大的计算需求？

人工智能“动脑（nǎo）” 背（bèi）后算力消耗（hào）惊人

“2016年3月（yuè），谷歌人（rén）工智（zhì）能阿（ā）尔法围棋（qí）（AlphaGo）战（zhàn）胜韩国棋手李世石时，人们慨叹人工（gōng）智能（néng）的（de）强大，而（ér）其背后巨大的‘付出’却（què）鲜为人（rén）知——数千台服务器、上千（qiān）块CPU、高性能（néng）显卡以及对弈一场棋所消耗的惊人（rén）电量。”远望智库人（rén）工智能事业部（bù）部（bù）长、图灵机器人首席战略官谭茗洲在接受科技日（rì）报记者采访时表示（shì）。

“相比云计算和大数据等应用，人工智（zhì）能（néng）对计算力的需（xū）求几乎（hū）无止境。”中国工程院院士、浪（làng）潮集（jí）团首（shǒu）席科学（xué）家王（wáng）恩东指出。

据介绍，人工（gōng）智（zhì）能（néng）最（zuì）大的挑战之（zhī）一是识别度不（bú）高、准确度不高，提高准确度就要提高模型的规模和精细度，提高（gāo）线下训练（liàn）的（de）频次（cì），这需要更强的计算力。准确度也（yě）是算出来的，比如大型互联网公司或（huò）者知名（míng）人工智能（néng）创业公司（sī），有（yǒu）能（néng）力部署规模比较大的（de）人工智能计（jì）算平台，算法的模（mó）型已经达到千亿参数、万（wàn）亿（yì）的训练数据集规模。

“现在人工智能运用（yòng）的（de）深度学（xué）习框架，多数依赖大数据进行科（kē）研训练，形成有效模型，这些都需要较高的计算力。”谭茗洲指（zhǐ）出，当（dāng）前随着人工（gōng）智（zhì）能算法模型的复杂度和精度愈来愈高（gāo），互联网和（hé）物联网产生的数据（jù）呈几何倍数增（zēng）长，在（zài）数据量和算（suàn）法模（mó）型的双层叠（dié）加下，人（rén）工智能对（duì）计算的需求越来越大。无（wú）疑（yí），人工智（zhì）能走向深（shēn）度（dù）学习，计算力已成为评价人工智能研究成本的（de）重要指（zhǐ）标。可以说（shuō），计算（suàn）力即是生（shēng）产（chǎn）力（lì）。

数据搬运频繁（fán） “内存墙”问题凸显

人工智（zhì）能为何（hé）如此耗费算力？具体而言，在经典的冯（féng）·诺伊曼计算机架构中，存储单元和计算单元泾（jīng）渭（wèi）分明。运算时，需（xū）要将数据（jù）从（cóng）存储单元读（dú）取到计算单元，运算（suàn）后（hòu）会把结果写回存储单（dān）元。在（zài）大数（shù）据驱动的人工智能时代（dài），AI运算中数据（jù）搬运更加（jiā）频（pín）繁，需要（yào）存储（chǔ）和处理的数据（jù）量远远（yuǎn）大于之前常见的应用。当运算能力达到一定（dìng）程（chéng）度（dù），由于访问存（cún）储器的速度无（wú）法跟上运算部件消耗数据的速（sù）度（dù），因此再增加运（yùn）算（suàn）部（bù）件也无法（fǎ）得到充分利用，就（jiù）形成了所谓的冯·诺伊（yī）曼“瓶颈”或“内（nèi）存墙”问题。这就如同（tóng）一台马力强劲的发动机，却因为输油管的狭小（xiǎo）而无法产（chǎn）生应有的动（dòng）力。

显然，频繁的数据搬运导（dǎo）致（zhì）的算（suàn）力瓶颈，已经成为对更为（wéi）先进（jìn）算法探索的限（xiàn）制因（yīn）素。而算力瓶颈对（duì）更（gèng）先进、复杂度更（gèng）高的AI模型的研（yán）究将产生（shēng）更大影响。

王恩东曾（céng）指出：“计算力的提升对体系结构提出挑战（zhàn）。在半（bàn）导体技术（shù）逐（zhú）步接近极限的情况下，计算机（jī）发展迎来体系结构创新（xīn）的黄金期，计算力的提（tí）升将更多通过体系（xì）结构创（chuàng）新来满足。”

据了解，最先进的自然语言（yán）处理模型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（shù）在百万亿到（dào）千万（wàn）亿数（shù）量级（jí）。显（xiǎn）然AI在（zài）认知问（wèn）题上离我们追求的所（suǒ）谓通用人（rén）工智能（néng）还有巨大（dà）差距，而要达（dá）到通用（yòng）人（rén）工智能的水平，预计（jì）研究（jiū）所需要的计算能力和（hé）计算系（xì）统的（de）能源（yuán）效（xiào）率将比（bǐ）现在至少提高（gāo）几个数量级（jí）。因此人（rén）工智能要进一步突破，必（bì）须（xū）采用新的计算（suàn）架构，解决存储单元和（hé）计算单元分离带来的算力（lì）瓶（píng）颈。

谭（tán）茗洲说，目（mù）前人工智能（néng）的无（wú）用计算较多。现在人工智能还像不断灌水一样，处在输入数据、调整参数的阶段，是（shì）个（gè）“黑盒子”模式，特别在（zài）图片视频方面消耗很（hěn）多能量，而其中真正（zhèng）的有效计（jì）算却不（bú）多，非（fēi）常浪（làng）费能源。今后AI有待在“可解（jiě）释性”上进（jìn）行突破，搞（gǎo）清是什么原因导（dǎo）致（zhì）后面的结果，这样可以（yǐ）精准运（yùn）用（yòng）数据和算力，减少（shǎo）运算量。这（zhè）也是目前重要的研究课题，将推动深度学（xué）习的发展。

计算储存一（yī）体化（huà） 或（huò）成下一（yī）代（dài）系统（tǒng）入口（kǒu）

“虽然目前阶（jiē）段计算力还谈不上限制人工智能（néng）的发（fā）展，但计算力确实提高了（le）参与人工智（zhì）能研究（jiū）的门槛。”谭茗（míng）洲指出。

除了研发资金的增长，在计算力爆发之（zhī）前的（de）很（hěn）长一段时间，产生数（shù）据的场景随着互联网的发展渗透到生活、生产的各（gè）个角（jiǎo）落，并且随着通讯（xùn）技（jì）术（shù）的进（jìn）步，尤其（qí）是5G的商用，使（shǐ）得产生数据的基（jī）础场景覆盖面（miàn）和（hé）深度达到新的层次，数（shù）据（jù）的生产也将达到一个新的数量级。

2020年伊始，阿（ā）里达摩院发布《2020十大（dà）科技趋势》报告显示，在人工智能（néng）方面（miàn），计（jì）算存储一体化，类似于人脑，将数据存储单元和计算单元融为一体，能显著减少数据搬运，极大提高计算并行度和能效。

然而，计算存（cún）储一体化的研究无法一蹴而就（jiù）。这个报告提出策略，对于广义上（shàng）计（jì）算存储一体化计算（suàn）架（jià）构（gòu）的发展，近期策略（luè）的关键（jiàn）在于通过（guò）芯片设（shè）计（jì）、集（jí）成、封（fēng）装技术拉近存储单元（yuán）与计算单元的距离（lí），增加带宽，降低数据搬运的代（dài）价，缓（huǎn）解由（yóu）于数据（jù）搬运产生的瓶颈（jǐng）；中期规划是（shì）通过架构（gòu）方面的创新，设存（cún）储器于（yú）计（jì）算（suàn）单（dān）元（yuán）中或者置计算（suàn）单（dān）元于（yú）存储模块内，可以实现计算和存储你中有我，我中有你；远期展（zhǎn）望是（shì）通过器件层（céng）面的创新（xīn），实现器件既是存储单元也是计算单元，不（bú）分彼此，融为一体，成为真正（zhèng）的（de）计算存储一体化。近年来，一些新型非易失存储器，如阻（zǔ）变内（nèi）存，显示（shì）了一定的计算存储融（róng）合的潜力。

据介绍，计算存（cún）储一体化正在助力（lì）、推动（dòng）算法（fǎ）升级，成（chéng）为下一（yī）代AI系统的（de）入（rù）口。存内计算（suàn）提供的大规模（mó）更高（gāo）效的算（suàn）力，使得AI算法设计有更（gèng）充（chōng）分的想象力，不再受到算力（lì）约束。从（cóng）而将（jiāng）硬件上（shàng）的先（xiān）进（jìn）性，升级为系（xì）统、算法的（de）领先优势（shì），最终（zhōng）加速孵化新业务。

而除了计算存储（chǔ）一体化的趋势（shì），量子计算或是解决AI所需巨额算力的另一途径。目前量子计算机的（de）发展已经超越传统计算机的摩尔（ěr）定（dìng）律，以（yǐ）传统计算机的计算能力为基本参考（kǎo），量子（zǐ）计算机的算力正迅速发展。

谭茗洲表示，未来（lái）人工智（zhì）能的突破，除（chú）了不断提升（shēng）技（jì）术本（běn）身之外，还需要全（quán）球（qiú）各国协同创（chuàng）新，融合发展，探索新的合作模式，如采取共享（xiǎng）思维，调动世界各方面的计算资源集中发力，以降低计算的巨大成本。