欧易数字货币交易所 更快、更好、更强

近日，一段令人震撼的视频在网络上流传开来，科学家们在NASA戈达德空间飞行中心的天体物理学家的指导下，利用Discover超级计算机模拟了跳入黑洞的过程。

视频呈现出的画面视觉效果十分震撼，但更为惊人的是其中的数据：这段视频生成了10TB的数据，仅用了5天的时间，耗费了总算力的0.3%。如果用一台普通的笔记本电脑来模拟这一场景，需要花费整整10年的时间。

"时间就是金钱，效率就是生命"，这句改编自时代的口号，在大模型驱动的智算时代仍然深具意义。

算力作为生产力，其节约的不仅仅是金钱，更是时间。

目前，算力集群已经从千卡迈入了万卡、五万卡的时代。甚至有预测称，未来GPT6的部署将需要70万-80万张卡才能支撑。

然而，伴随着万卡时代的到来，一个问题摆在了我们面前：如何应对更大规模的提升？

近几个月，我们团队与众多ICT厂商进行了交流，发现业内普遍认为迈入万卡时代必须"过三关"。

在万卡时代，AI开发是否等同于"中彩票"？

首先，我们需要澄清一点：为什么智能计算仍然在"堆卡"？从千卡、万卡到十万卡、百万卡，这种趋势是否可持续？

随着模型规模和数据参数的不断增大，基础设施层面的"堆卡"竞赛仍将持续下去。

目前，国际科技巨头如谷歌、微软、苹果等不断投入算力集群建设，其中AI算力占总算力支出的比例预计将在2025年达到25%。国内方面，万卡及以上的组网也成为下一代智算中心的建设重点。

然而，算力集群卡的数量非线性增加，会带来更大的不稳定性和协作难度。因此，在万卡时代，一张卡、一台机器或一个链路的故障，都可能导致中断，拖慢进程。万卡时代，一张卡、一台机器或一个链路的故障，都可能导致中断，拖慢进程。

如何让多卡集群高效稳定地协作，成为了一个亟待解决的问题。

其次，网络通信的联接能力是一个关键因素。如果网络通信不畅，大量算力资源在传输过程中会损失，这对智算中心和AI模型开发者来说都是一个巨大的挑战。

最后，软件生态也是一个至关重要的方面。当前国内虽然有不少公司推出了国产AI芯片，但用户并不十分青睐，主要原因在于软件生态不够完善。因此，如何建立完善的软件生态，成为了发展智算产业的一个重要课题。

在万卡时代，我们需要克服这三个关键挑战，才能够实现智算产业的可持续发展。