时间:2023-06-08|浏览:217
同时,算力也在悄然发生巨大变化。AI 模型需要消化大规模的数据信息,同时需要庞大的算力支持。例如图像识别技术、模式识别和机器学习算法等 AI 运用和模型的练习,都取决于巨大算力的支持。根据 OpenAI 公布的统计数据,2012 年到 2020 年,算力消耗每 3.4 个月翻倍一次,8 年里算力增长了三十万倍。
AI 时期算力的增长也远远超过颠覆性创新每 18 个月翻一番的速度。根据我国信息通信研究院的估计,2021 年全世界超算中心算力经营规模约为 14EFlops,预计到 2030 年全世界超算中心算力有望突破 0.2ZFlops,均值年增长率超出 34%。AI 的奇异点的来临将将带来算力领域内的辉煌时代,与此同时,算力的高速发展优劣也将影响着其未来发展,二者互相成就。
现阶段,有关 AI 算力的开发技术主要有 GPU 资源池化、计算误差提升和模型缩小提升等。为了解决算力市场需求的增长,短时间内可以从硬件软件和工程优化等方面解决,但未来十年,二十年之后呢?当处理芯片接近量子科技的极限值时,当 AI 的发展需要更大规模的数据信息、更多的预训练模型主要参数和相对较高的优化算法精密度时,将引发对算力市场需求的指数级增长,并且这种增长是长期的,由此带来的费用问题将成为一个不能避开的难题。因此,为了控制成本并获得更多算力来支撑 AI 工程项目的进一步发展,许多新兴企业只能选择与大中型云算力公司合作,以实现互换转让出一部分支配权的目标,而去中心化的算力系统软件也许能在一定程度上解决这一问题,并降低 AI 模型练习的准入门槛。去中心化算力网络和 AI 的融合也需要解决认证难题,即如何确保计算结论的准确性和可靠性。
因此,一些企业已经开始在实践中探索去中心化算力 AI 的搭配。比如,Gensyn 利用区块链智能合约方法推动机器学习算法的分配资源奖励激励; Flux 则是一个基于区块链科技的去中心化 AI 服务平台;而 Golem 则创建了一个算力市场的点到点去中心化计算网络,适用于所有人。
除了认证和算力成本的问题,人工智能技术还会产生电力工程消耗的大量问题。AI 所展现出的发展潜力可能会吸引更多的企业和科研机构参与其中,各种问题有可能被一一解决。从机器视觉到自然语言理解,从机器人系统到逻辑推理,AI 技术所产生的生产主力转型正在改变人们的工作状态,在技术发展趋势道路上,科幻片照进现实是迟早的事。
用戶喜愛的交易所
已有账号登陆后会弹出下载