算法、数（shù）据和（hé）算力（lì）被视为推动（dòng）人工智能发展的三大要（yào）素，其中算力更是（shì）被形容为支（zhī）撑人工智能走（zǒu）向应用的“发（fā）动（dòng）机”。人工智（zhì）能研（yán）究组织OpenAI最近（jìn）指出（chū），“高级（jí）人工（gōng）智（zhì）能所需的计算能力每三（sān）个半月就会翻一番”。

近日，脸谱（Facebook）人工智能副总裁杰罗姆·佩（pèi）森蒂在接受（shòu）《连线》杂志（zhì）采访时认为，AI科研成本的持续上涨，或导致（zhì）我们在（zài）该领域的研究碰壁，现在（zài）已（yǐ）经（jīng）到了一个需（xū）要（yào）从成本效益（yì）等方面考虑的地步，我们（men）需要清楚如何从现有的计算（suàn）力中获得最大的（de）收益。

那么，为何（hé）人工智能需要如此强大的计算能力（lì）？计（jì）算能力是否（fǒu）会（huì）限制人工（gōng）智（zhì）能的发展？我（wǒ）们能否不断满足（zú）人工智能（néng）持续扩大的计算需求？

人工智能（néng）“动脑” 背（bèi）后算力消耗惊人

“2016年3月，谷歌人（rén）工智（zhì）能阿尔法围棋（AlphaGo）战胜韩国棋（qí）手李世石时，人们慨叹人工智能的强大，而其背后（hòu）巨大的（de）‘付（fù）出’却鲜（xiān）为人知——数千台（tái）服务器、上千块CPU、高性（xìng）能（néng）显卡以及对弈一场棋所消耗的惊人电量。”远（yuǎn）望（wàng）智库人（rén）工（gōng）智能事业部部长、图灵机器人（rén）首（shǒu）席（xí）战略官谭（tán）茗洲在接受（shòu）科技日报记者采访时表示（shì）。

“相比云计算和大数据等应用，人工智能对计（jì）算力的需求（qiú）几乎无止境。”中国工程院院（yuàn）士、浪潮（cháo）集团首席科（kē）学家王恩东指出（chū）。

据（jù）介绍，人工智能最（zuì）大的挑战（zhàn）之一是识（shí）别度不高（gāo）、准确度（dù）不高（gāo），提高准确度就要提高模（mó）型的规（guī）模和精细度，提（tí）高线下（xià）训练的频次，这需要更强的计算力。准确度（dù）也是算出来的，比如大（dà）型（xíng）互联网公司（sī）或者知（zhī）名人工（gōng）智能创业公司，有能力部署规模比较大的人工智（zhì）能计算平台，算法的（de）模型已经达到（dào）千亿参数、万（wàn）亿（yì）的训（xùn）练数据集规模。

“现在人工智能运用的深度学习（xí）框架（jià），多数依赖（lài）大数据进行科研（yán）训练，形（xíng）成有效模型，这些都需要较高的（de）计算力（lì）。”谭茗洲指出，当前随着人工智能（néng）算法模型的复杂度和精度愈来愈高，互联（lián）网和物（wù）联网（wǎng）产生的数据呈几何倍数增长，在数据量和（hé）算法模（mó）型的双层叠（dié）加（jiā）下，人工智能对计算（suàn）的需求越（yuè）来越大。无疑，人工智能走向深度学（xué）习，计算力已成（chéng）为评价人工智能研究成（chéng）本的重要指标（biāo）。可以说，计算力即是生产（chǎn）力。

数据搬运频繁 “内存（cún）墙”问题凸显

人工智（zhì）能为何如此耗费算力？具体而言，在经（jīng）典的冯·诺伊曼计（jì）算机架构中（zhōng），存储单（dān）元和计算单元（yuán）泾渭分（fèn）明。运（yùn）算（suàn）时（shí），需要将数据从（cóng）存储单元读（dú）取到计算单元，运算后（hòu）会把结果写回存储单元。在大数据驱（qū）动的人（rén）工智能时代，AI运算中（zhōng）数据搬（bān）运（yùn）更加频繁，需要存储（chǔ）和处理的（de）数据量（liàng）远远大于之（zhī）前（qián）常见（jiàn）的应用。当运算能力达到一定程度，由于访问存储器（qì）的（de）速（sù）度（dù）无法跟上运算部件消（xiāo）耗数（shù）据的速度，因此再增加运算部件也无法得到充分利用，就形成了所（suǒ）谓的冯（féng）·诺伊曼（màn）“瓶颈”或（huò）“内存墙”问题（tí）。这就如（rú）同一台马（mǎ）力强劲的发动机（jī），却因为输油（yóu）管的狭小而无法产生（shēng）应有的动力。

显（xiǎn）然，频繁（fán）的数据搬运导（dǎo）致（zhì）的算力瓶颈，已经成为（wéi）对更为先进算法（fǎ）探（tàn）索的限制因素。而算力瓶颈对更（gèng）先进、复杂度更（gèng）高的AI模型的研究将产生（shēng）更大影（yǐng）响。

王恩东曾指出：“计算力的提升对体系结构提出（chū）挑（tiāo）战。在半导体技（jì）术逐步接近极限的情况下，计算机发展迎来体（tǐ）系（xì）结构创新的黄金期，计算力的提升将更多通过体系结构创新来满足（zú）。”

据了解，最先（xiān）进的自然语言（yán）处理模型XLNet约有（yǒu）4亿模型（xíng）参数。据估算，人脑（nǎo）中细胞（bāo）间（jiān）互联轴突个数在百万亿到（dào）千（qiān）万亿数量级（jí）。显然AI在认（rèn）知问题上离我们追求（qiú）的所谓（wèi）通用人工智能（néng）还有巨大差距（jù），而要达到（dào）通用人工智能的水平，预计研究所需要的计算能力和计算系统的能源效率将（jiāng）比现在至少提高几个数量级。因此人工智（zhì）能要进（jìn）一步突破（pò），必（bì）须采用新的计算架构，解决存储单元和计算单（dān）元分（fèn）离带来的算力瓶颈。

谭（tán）茗（míng）洲（zhōu）说，目前人工智能的（de）无（wú）用计算较多。现在人（rén）工智能还像不（bú）断灌水一样（yàng），处在输入数据（jù）、调整参数（shù）的阶（jiē）段，是个“黑（hēi）盒子”模式，特别在图片视频方面消耗很多（duō）能量，而其中真正的有效计算（suàn）却不多，非常（cháng）浪费能（néng）源。今后AI有（yǒu）待在“可（kě）解释性（xìng）”上（shàng）进（jìn）行（háng）突破（pò），搞清是什么原因导致后（hòu）面的结果，这样可以精准运用（yòng）数据和算（suàn）力，减少运算量。这也是（shì）目（mù）前重要的研究（jiū）课题，将（jiāng）推动深度学习的发展。

计算储存一体化 或成下一代（dài）系统入（rù）口

“虽然目前阶段（duàn）计算（suàn）力还谈不上限制（zhì）人工智能（néng）的发展，但计算力确实提高了参（cān）与（yǔ）人工（gōng）智能研究的门槛。”谭茗洲指出。

除了研发资金的增（zēng）长（zhǎng），在（zài）计算（suàn）力爆（bào）发之前的很长一（yī）段时间，产生数据的场景随着互联网的（de）发展渗（shèn）透（tòu）到（dào）生活、生（shēng）产（chǎn）的各个角落，并且随着（zhe）通讯技术（shù）的进步（bù），尤其是（shì）5G的商（shāng）用，使（shǐ）得产生（shēng）数据的（de）基础场（chǎng）景覆盖面（miàn）和深度达（dá）到新的层（céng）次，数据（jù）的生产也将（jiāng）达到一个新的（de）数量级。

2020年伊（yī）始，阿里达摩院发布《2020十（shí）大科技（jì）趋势》报告显示，在人工智能方面，计算（suàn）存储一（yī）体化，类似（sì）于人脑（nǎo），将数据存储（chǔ）单元和计算单元融为一体（tǐ），能显著减少数据搬运，极大提高（gāo）计算并行度和能（néng）效（xiào）。

然（rán）而，计算存储一体化的研究（jiū）无法一（yī）蹴而就。这个报告提出策略，对于（yú）广（guǎng）义上计（jì）算（suàn）存储一体化计算架构的发（fā）展，近期策略的（de）关键在于通（tōng）过芯片设计、集成、封（fēng）装技术拉近存储单元与计算单元的距离，增加带宽，降（jiàng）低数据（jù）搬运的代价（jià），缓解由于数据搬（bān）运产生（shēng）的瓶颈；中期规划是（shì）通过架构（gòu）方面的创新（xīn），设存储器于计算单元中或者置（zhì）计算单元于存储模块内（nèi），可以实现计算和（hé）存储你中（zhōng）有我，我中有你；远期展望是通过（guò）器件层面的（de）创新，实现器（qì）件既是存储单元（yuán）也是计算单元，不（bú）分彼此，融为一体，成为真正（zhèng）的计算存储一（yī）体化。近年来，一（yī）些新（xīn）型非易失存储（chǔ）器，如阻变（biàn）内存（cún），显示（shì）了一（yī）定（dìng）的计算存储融（róng）合的潜力。

据介绍，计算（suàn）存储一体化正在助力（lì）、推动（dòng）算（suàn）法升级，成为下一代（dài）AI系统的入口。存内计算提供（gòng）的大规（guī）模更高效的算力，使（shǐ）得AI算法（fǎ）设（shè）计（jì）有更（gèng）充分的（de）想象（xiàng）力（lì），不（bú）再受到算（suàn）力约束。从而将硬件上的先进（jìn）性（xìng），升级为系统、算法的领先（xiān）优（yōu）势（shì），最终加速孵化新业务（wù）。

而除了计算存储一体化的趋势，量子计算或是解（jiě）决AI所需巨额算力的另一途径（jìng）。目（mù）前量子（zǐ）计算（suàn）机的发（fā）展已经超越传统（tǒng）计算（suàn）机的摩尔（ěr）定律，以传（chuán）统计算机的计算能力为基本参考，量子（zǐ）计算机的（de）算（suàn）力正迅速发（fā）展。

谭茗洲表示，未来人（rén）工智能的（de）突破，除了不断提升技术本身之（zhī）外，还需（xū）要全球（qiú）各（gè）国协同（tóng）创新，融合发展（zhǎn），探索新（xīn）的合（hé）作（zuò）模式，如采（cǎi）取共享思维，调动世界各方面的（de）计（jì）算资源集中发力（lì），以降低计算（suàn）的（de）巨大成本。