英特爾宋繼強：滿足ChatGPT應用，資料中心需要架構創新

集微網報道 ChatGPT帶火了生成式AI應用，也推動著AI技術發展來到新的臨界點，各大科技公司不得不重視ChatGPT所帶來的變化與衝擊，進而紛紛涉足佈局類ChatGPT技術。

ChatGPT大火的背後離不開高算力基礎設施的支撐，而這一切的最基本的核心是晶片。ChatGPT接下來會對晶片算力、資料中心帶來什麼影響？

英特爾中國研究院院長宋繼強在接受集微網等行業媒體採訪時表示，“未來對算力的需求肯定是上升的。如果說僅用原來的一些方案去線性擴充套件的話，能效比肯定不是最優的，所以一定要去尋找更好的方法解決問題。”

據悉，ChatGPT在底層演算法上並沒有太多變化，但它的練習方式採用互動式、強化學習，大大增加了練習的複雜度，資料量也翻倍增長，導致它的模型規模以及練習本錢快速上升。此前，OpenAI預估算力需求每3.5個月會翻一倍，每年近10倍，對於目前許多硬體系統方案都會帶來新的挑戰。

提到AI應用的硬體產品，GPU當仁不讓。過去六七年來，跟著AI技術在各行業中的應用落地，以英偉達為代表的GPU公司在場景應用上有了較大突破。ChatGPT的泛起，也讓這些GPU公司看到了更廣闊的應用遠景。但作為新生事物，ChatGPT仍舊處在發展的早期階段，就像以前的TensorFlow技術，最先是跑在CPU上，後來又有了ASIC晶片。ChatGPT未來發展，或會結合實際應用需求，在CPU、GPU、FPGA、ASIC等型別硬體中探尋更合適的加速方案。

“現在大模型的練習有很高的門檻，練習好了以後，真正要部署的時候提供服務，許多中小型企業參與，他們如何去選擇一套最優的硬體方案是接下來的一大樞紐。”宋繼強指出，“這需要在架構上去做立異，為它構造新的類似於CPU+GPU的叢集，對儲存也要做更多的最佳化。或許其它非GPU的硬體也可以加入進來，例如，專門的加速器或者FPGA方案，許多立異設法都有可能發生。”

集微網報道 ChatGPT帶火了生成式AI應用，也推動著AI技術發展來到新的臨界點，各大科技公司不得不重視ChatGPT所帶來的變化與衝擊，進而紛紛涉足佈局類ChatGPT技術。

ChatGPT大火的背後離不開高算力基礎設施的支撐，而這一切的最基本的核心是晶片。ChatGPT接下來會對晶片算力、資料中心帶來什麼影響？

英特爾中國研究院院長宋繼強在接受集微網等行業媒體採訪時表示，“未來對算力的需求肯定是上升的。如果說僅用原來的一些方案去線性擴充套件的話，能效比肯定不是最優的，所以一定要去尋找更好的方法解決問題。”

據悉，ChatGPT在底層演算法上並沒有太多變化，但它的練習方式採用互動式、強化學習，大大增加了練習的複雜度，資料量也翻倍增長，導致它的模型規模以及練習本錢快速上升。此前，OpenAI預估算力需求每3.5個月會翻一倍，每年近10倍，對於目前許多硬體系統方案都會帶來新的挑戰。

提到AI應用的硬體產品，GPU當仁不讓。過去六七年來，跟著AI技術在各行業中的應用落地，以英偉達為代表的GPU公司在場景應用上有了較大突破。ChatGPT的泛起，也讓這些GPU公司看到了更廣闊的應用遠景。但作為新生事物，ChatGPT仍舊處在發展的早期階段，就像以前的TensorFlow技術，最先是跑在CPU上，後來又有了ASIC晶片。ChatGPT未來發展，或會結合實際應用需求，在CPU、GPU、FPGA、ASIC等型別硬體中探尋更合適的加速方案。

“現在大模型的練習有很高的門檻，練習好了以後，真正要部署的時候提供服務，許多中小型企業參與，他們如何去選擇一套最優的硬體方案是接下來的一大樞紐。”宋繼強指出，“這需要在架構上去做立異，為它構造新的類似於CPU+GPU的叢集，對儲存也要做更多的最佳化。或許其它非GPU的硬體也可以加入進來，例如，專門的加速器或者FPGA方案，許多立異設法都有可能發生。”

集微網報道 ChatGPT帶火了生成式AI應用，也推動著AI技術發展來到新的臨界點，各大科技公司不得不重視ChatGPT所帶來的變化與衝擊，進而紛紛涉足佈局類ChatGPT技術。

ChatGPT大火的背後離不開高算力基礎設施的支撐，而這一切的最基本的核心是晶片。ChatGPT接下來會對晶片算力、資料中心帶來什麼影響？

英特爾中國研究院院長宋繼強在接受集微網等行業媒體採訪時表示，“未來對算力的需求肯定是上升的。如果說僅用原來的一些方案去線性擴充套件的話，能效比肯定不是最優的，所以一定要去尋找更好的方法解決問題。”

據悉，ChatGPT在底層演算法上並沒有太多變化，但它的練習方式採用互動式、強化學習，大大增加了練習的複雜度，資料量也翻倍增長，導致它的模型規模以及練習本錢快速上升。此前，OpenAI預估算力需求每3.5個月會翻一倍，每年近10倍，對於目前許多硬體系統方案都會帶來新的挑戰。

提到AI應用的硬體產品，GPU當仁不讓。過去六七年來，跟著AI技術在各行業中的應用落地，以英偉達為代表的GPU公司在場景應用上有了較大突破。ChatGPT的泛起，也讓這些GPU公司看到了更廣闊的應用遠景。但作為新生事物，ChatGPT仍舊處在發展的早期階段，就像以前的TensorFlow技術，最先是跑在CPU上，後來又有了ASIC晶片。ChatGPT未來發展，或會結合實際應用需求，在CPU、GPU、FPGA、ASIC等型別硬體中探尋更合適的加速方案。

“現在大模型的練習有很高的門檻，練習好了以後，真正要部署的時候提供服務，許多中小型企業參與，他們如何去選擇一套最優的硬體方案是接下來的一大樞紐。”宋繼強指出，“這需要在架構上去做立異，為它構造新的類似於CPU+GPU的叢集，對儲存也要做更多的最佳化。或許其它非GPU的硬體也可以加入進來，例如，專門的加速器或者FPGA方案，許多立異設法都有可能發生。”

集微網報道 ChatGPT帶火了生成式AI應用，也推動著AI技術發展來到新的臨界點，各大科技公司不得不重視ChatGPT所帶來的變化與衝擊，進而紛紛涉足佈局類ChatGPT技術。

ChatGPT大火的背後離不開高算力基礎設施的支撐，而這一切的最基本的核心是晶片。ChatGPT接下來會對晶片算力、資料中心帶來什麼影響？

英特爾中國研究院院長宋繼強在接受集微網等行業媒體採訪時表示，“未來對算力的需求肯定是上升的。如果說僅用原來的一些方案去線性擴充套件的話，能效比肯定不是最優的，所以一定要去尋找更好的方法解決問題。”

據悉，ChatGPT在底層演算法上並沒有太多變化，但它的練習方式採用互動式、強化學習，大大增加了練習的複雜度，資料量也翻倍增長，導致它的模型規模以及練習本錢快速上升。此前，OpenAI預估算力需求每3.5個月會翻一倍，每年近10倍，對於目前許多硬體系統方案都會帶來新的挑戰。

提到AI應用的硬體產品，GPU當仁不讓。過去六七年來，跟著AI技術在各行業中的應用落地，以英偉達為代表的GPU公司在場景應用上有了較大突破。ChatGPT的泛起，也讓這些GPU公司看到了更廣闊的應用遠景。但作為新生事物，ChatGPT仍舊處在發展的早期階段，就像以前的TensorFlow技術，最先是跑在CPU上，後來又有了ASIC晶片。ChatGPT未來發展，或會結合實際應用需求，在CPU、GPU、FPGA、ASIC等型別硬體中探尋更合適的加速方案。

“現在大模型的練習有很高的門檻，練習好了以後，真正要部署的時候提供服務，許多中小型企業參與，他們如何去選擇一套最優的硬體方案是接下來的一大樞紐。”宋繼強指出，“這需要在架構上去做立異，為它構造新的類似於CPU+GPU的叢集，對儲存也要做更多的最佳化。或許其它非GPU的硬體也可以加入進來，例如，專門的加速器或者FPGA方案，許多立異設法都有可能發生。”