华为徐直军与 AI 算力潮：理性洞察与战略引领

算力在智能化进程中起着关键基础作用，正如华为副董事长、轮值董事长徐直军在 2024 年华为全联接大会上所强调的，智能化的可持续，首先是算力的可持续。随着人工智能技术的快速发展，其正在成为主导性算力需求，促使计算系统发生结构性变化，需要的是系统算力，而非单处理器的算力。这一变化凸显了算力在推动各行各业智能化不断深化、走向全面智能化过程中的重要性。

（二）现实挑战与机遇

中国算力建设面临着严峻的现实挑战。美国在 AI 芯片领域对中国的制裁长期不会取消，这使得中国半导体制造工艺在相当长时间内处于落后状态，从而制约了中国所能制造芯片的先进性。然而，挑战中也蕴含着机遇。徐直军指出，人工智能带来的计算系统结构性变化，为中国通过架构性创新开创自主可持续的计算产业发展道路提供了机遇。华为看到了这一挑战与机遇，其战略核心便是充分抓住人工智能变革机遇，基于实际可获得的芯片制造工艺，通过计算、存储和网络技术协同创新，开创计算架构，打造 “超节点 + 集群” 系统算力解决方案，以长期持续满足算力需求。

二、徐直军对 AI 算力发展的具体看法

（一）AI 算力建设的理性审视

AI 服务器不同于通用 x86 服务器，对供电、散热等数据中心机房环境要求极高。随着大模型越来越大，AI 算力也将走向更大规模，而且变化节奏快，AI 服务器快速升级换代。这使得数据中心机房面临要么浪费、要么满足不了需求的困境。此外，AI 硬件产品的快速迭代、资源调度的复杂性以及运营维护的高难度，均要求企业根据自身实际情况，灵活选择适合的 AI 算力获取方式。例如，利用公有云服务等，以实现资源的优化配置与高效利用。不是所有企业都适合盲目投入大规模建设 AI 算力，应谨慎评估自身需求和资源条件。

（二）基础大模型训练的审慎考量

训练基础大模型并非企业 AI 战略的必然选择。首先，数据是训练大模型的核心，基础大模型预训练数据量进入 10 万亿 tokens 量级，获取并处理足够的高质量数据对于企业而言是一大挑战，其成本高昂且难度不小。其次，大模型的训练与优化过程复杂且耗时，可能严重影响企业核心业务的推进。再者，专业人才的匮乏也是制约企业自主训练大模型的重要因素。具备实战经验的技术专家少，对于企业来说，建立足够的技术人才资源也是挑战。因此，企业应权衡利弊，聚焦自身核心业务，考虑是否通过合作或购买服务等方式获取所需的大模型能力，而非盲目投入资源进行自主训练。

（三）模型选择与应用的精准定位

不是所有的应用都要追求 “大” 模型。华为盘古的实践表明，根据具体业务需求选择合适的模型规模至关重要。例如，十亿参数模型已能满足诸多科学计算与预测决策场景的需求，比如降雨预测、药物分子优化、工艺参数预测，在 PC、手机等端侧设备上也有广泛应用；而百亿参数模型则适用于 NLP、CV 等多模态特定领域，比如知识问答、代码生成、安全检测；面向 NLP、多模态的复杂任务，可以用千亿参数模型来完成。企业应根据自身业务特点与需求，灵活选择并组合多种模型，以最优化的方式解决问题并创造价值。

三、华为在 AI 算力潮中的角色与贡献

（一）打造算力解决方案

华为充分抓住人工智能变革机遇，开创计算架构，打造 “超节点 + 集群” 系统算力解决方案。通过计算、存储和网络技术的协同创新，长期持续满足算力需求。在这个过程中，华为立足中国实际可获得的芯片制造工艺，面对美国在 AI 芯片领域对中国的制裁，积极寻求突破。例如，华为推出昇腾人工智能计算芯片和鲲鹏通用计算平台，以及 OceanStor 数据存储，打造面向 “端、边、云” 的全场景 AI 基础设施方案，覆盖深度学习领域推理和训练全流程。

（二）成为 “算力之王”

国际数据公司（IDC）发布的《中国智算服务市场（2023 下半年）跟踪》报告显示，华为依托其领先的芯片能力及全栈服务能力，成为中国 AI 算力集成服务市场第一。2023 年下半年，中国智算服务市场的总体规模达到了 114.1 亿元人民币，同比增长高达 85.8%。华为在通用算力 CPU 上，鲲鹏采用硬件开放 + 软件开源 + 输出能力的三重开放模式铸就其服务器生态；在 AI 算力 NPU 上，昇腾对标英伟达，推出了 CANN 底层异构计算框架，对上既能支持自研 MindSpore AI 框架，也能支持行业主流 Pytorch、Tensorflow 等主流开源框架。目前以昇腾 AI 芯片为底层算力的智算中心，已有 20 + 城市启动建设，共提供 2500P+AI 算力。以建设数量计，华为占据整体智算中心约 79% 的市场份额，在国产 AI 芯片中处于领先地位。

（三）定位与赋能

华为定位在算力平台，用根技术打造坚实算力底座，赋能行业生态。华为高级副总裁邹志磊表示，AI 从产业到行业，企业全面拥抱 AI 资金投入大、人才储备要求高，链条特别长，场景特别多，需要打通产业、行业断点，整合水平技术、垂直场景 / 数据，整合多家企业、组织的能力到一个共同的生态联盟。华为通过打造坚实的 “解决方案、人才、生态” 三大底座，使能百模千态，赋能油气行业数字化转型。在制造业，华为积极拥抱智能化，提出 “架构优先、先易后难，化零为整，缓进急战” 十六个字原则，加速推进 AI 与制造行业深度融合的进程。同时，华为牵头成立 “制造业人工智能创新联盟”，依靠生态力量，实现业务场景智能化。

四、展望与思考

（一）成就与挑战并存

华为在 AI 算力潮中取得了显著成就。在技术创新方面，打造了 “超节点 + 集群” 系统算力解决方案，推出昇腾人工智能计算芯片和鲲鹏通用计算平台等，为行业提供了强大的算力支持。同时，华为成为中国 AI 算力集成服务市场第一，占据了约 79% 的智算中心建设市场份额。然而，华为也面临着诸多挑战。美国对 AI 芯片的制裁长期不会取消，这使得中国半导体制造工艺受限，华为在芯片先进性方面受到制约。此外，AI 硬件产品的快速迭代、资源调度的复杂性以及运营维护的高难度，也给华为带来了巨大的压力。

（二）潜力与机遇

尽管面临挑战，华为在 AI 算力领域仍具有巨大的潜力和机遇。首先，人工智能带来的计算系统结构性变化为华为提供了通过架构性创新开创自主可持续计算产业发展道路的机遇。华为可以充分利用自身在计算、存储和网络技术协同创新方面的优势，不断优化算力解决方案，满足市场需求。其次，随着各行各业对智能化的需求不断增加，华为可以通过与企业合作或提供云服务等方式，拓展市场份额。例如，对于不具备自建 AI 算力和自训基础大模型能力的企业而言，华为的云服务是更为合理、可持续的选择。此外，华为在生态建设方面的投入也将为其带来更多的机遇。通过强力战略投资生态的发展，华为可以牵引、促进、带动计算产业和终端产业的发展，为世界计算领域提供第二个选择，同时为世界提供苹果、安卓之外第三个移动操作系统。

（三）为行业发展提供方向与思考

华为在 AI 算力潮中的实践为行业发展提供了重要的方向与思考。首先，企业在规划 AI 算力时应理性审视，避免盲目追求大规模建设。要根据自身实际情况，灵活选择适合的 AI 算力获取方式，如利用公有云服务等，以实现资源的优化配置与高效利用。其次，对于基础大模型训练，企业应审慎考量，权衡利弊，聚焦自身核心业务，考虑是否通过合作或购买服务等方式获取所需的大模型能力。最后，在模型选择与应用方面，企业应根据自身业务特点与需求，灵活选择并组合多种模型，以最优化的方式解决问题并创造价值。总之，华为在 AI 算力潮中的探索与实践为行业发展提供了宝贵的经验和启示，将推动行业不断向前发展。

【2024澳门天天开好彩大全免费】【新澳天天开奖资料大全最新】

【2024年天天开好彩资料】 【新澳天天开奖资料大全最新54期】

【2024澳门天天开好彩大全53期】 【澳门天天开彩期期精准】

【2024全年资料免费大全】 【新澳天天开奖资料大全】

【澳门内部最精准免费资料】 【2024澳门天天开好彩大全】

【2024年新奥门天天开彩免费资料】 【新澳2024今晚开奖资料】【新澳门内部资料精准大全软件】

点赞数: 0