跟大資料時機已到，人工智慧技術逐漸進入各個領域，對算力的需求也越來越高。 然而，在大模型訓練過程中，由於需要的資料量巨大，對算力的需求也隨之增加，成為亟待解決的問題。 雖然這個國家在人工智慧領域晶元公司的開發和生產取得了巨大的進步，但是國產晶元它尚未得到市場的廣泛認可。 因此，與會專家呼籲國產AI解決這一算力問題晶元系統需要重塑大模型的算力生態，提公升其競爭力。
目前國產晶元它與大型模型訓練相關軟體移植不順利，專家認為，包括程式設計在內的底層研發應進一步加強框架、並行加速、通訊庫等軟體研發工作以增強國內人工智慧晶元“包容性”。 鄭偉民教授說，如果國產晶元該系統能夠根據國外輕鬆移植晶元之軟體，使用者會感覺到國產晶元優勢。
為了開發人工智慧晶元一些大型國際企業甚至可以放棄一些高利潤的專案和方案，以推動整個行業的創新動力。 例如，國際企業可以主動開源部分軟體底部**，讓利潤以晶元之軟體開發人員，從而與人工智慧形成晶元作為核心算力系統。
為了提高整體算力效率為滿足差異化需求，建議建立“智慧型計算中心”，支援大模型萬億級引數的計算，實現規模化部署。 該中心可以利用現有的高質量資料中心，通過提高組網能力、協作能力、軟硬體適配能力來滿足需求。 目前，一些城市正在建設“萬卡”級智慧型計算中心。
與會專家認為，推動現有算力的融合創新，將進一步提公升算力的利用率效率。連線支援和平行計算而其他方面，需要最有效的方式來支援模型並行、資料並行等多種需求。 同時，大模型背後還涉及更複雜的網路建築和智慧型演算法我們需要降低使用大模型算力的門檻，改善整體情況效率
為了解決目前大模型算力緊張的問題，乙個有效的途徑是採用“雲”模型。 通過共享和整合現有算力，萬卡平台和配備高效網路互動機制的大模型訓練推理平台可以開放給大企業、小微企業共同使用。 構建雲平台等基礎生態，通過繫結進行資料遷移和訓練資料庫等工具，讓算力可以像水電一樣多地使用。
在雲模式下，通過突破供需不對稱，實現算力的普惠性，讓更多的企事業單位受益於強大的大規模算力。 這將促進行業的發展和創新，加速人工智慧專門的應用推廣
通過重塑大模型算力生態，加強底層研發，推動現有算力融合創新，突破供需不對稱，推動算力與國產AI的包容性晶元該系統將能夠更好地解決當前算力不足的問題，增強其競爭力。 同時，也是乙個新的機遇，為國內企事業單位提供了發展和創新的空間。 我們有理由相信，通過共同努力，中國的人工智慧晶元系統將踐行“內功”，在人工智慧該領域取得了更加輝煌的成就。