算力通候教授

A. 美國不遺餘力限制我國算力發展，GPU國產替代如何才能突破

美國對華算力限制：挑戰與機遇並存，國產替代之路如何破局？

在全球科技競爭的舞台上，美國對中國晶元特別是GPU領域的限制日益嚴峻。2022年和2023年的禁令瞄準高性能GPU，背後是對中國在人工智慧領域追趕速度的深深憂慮。盡管國產GPU在游戲加速和渲染市場中的份額僅占可憐的2%，但芯動科技、摩爾線程科技等企業的產品性能正逐漸逼近國際巨頭Nvidia和AMD的水準。

然而，面對AI加速卡市場的巨頭壟斷，國產企業在這一領域面臨著巨大的挑戰。NVIDIA憑借其深厚的技術積累和極高的市場份額占據主導地位。上海交通大學梁曉嶢教授團隊的存算一體AI晶元理念，為提升單晶元算力提供了新的可能，但數據傳輸瓶頸和資源利用率問題仍需系統集成來解決。億鑄科技提出的「存算一體超異構」構想，通過融合不同架構，兼顧高性能與通用性，有望成為未來技術發展的主流趨勢，AMD也在系統級創新上展現出類似的戰略眼光。

盡管面臨技術壁壘，國內企業在存算一體和超異構計算技術上已積累了堅實的基礎，這為國產GPU在AI領域的崛起增添了信心。面對英偉達新品受阻的市場現狀，國內科技巨頭如阿里、騰訊正在尋找國產替代方案，華為等企業則通過自主研發，推動國產GPU的替代進程漸入佳境。實際上，美國的出口管制反而是中國半導體產業國產化進程的催化劑，華為、寒武紀等企業正藉此契機，積極尋求長期的技術突破。

總的來說，雖然美國的限制帶來了壓力，但國內企業在AI算力晶元領域正逐步走出一條獨特的道路。未來，隨著技術的不斷進步和市場需求的增長，國產GPU的替代之路將愈發清晰，挑戰與機遇並存，國產力量有望在激烈的競爭中嶄露頭角。

B. 鄭緯民院士：人工智慧算力基礎設施的設計、評測與優化

2022年10月22日，由中國人工智慧學會主辦的「智行中國」系列論壇啟動儀式暨第一期「邁向教育科學研究新範式」線上論壇成功舉辦，鄭緯民院士應邀做主題報告。

報告以《人工智慧算力基礎設施的設計、評測與優化》為題，從「AI+系統」的視角，深入探討了AI算力研究的現狀與未來。報告被劃分為五個主要部分：AI算力及其基礎設施的重要性、AI算力基礎設施的架構設計、AI算力評測方法和優化、百萬億參數超大規模預訓練模型加速實例以及系統人才培養經驗。

在闡述AI算力基礎設施的重要性時，報告指出AI算力對於中美科技競爭的關鍵作用以及其在推動經濟發展和科技創新中的重要地位。報告分析了AI算力在中美科技競爭背景下的地位，並通過中美兩國在AI領域的優勢對比，強調了構建AI算力基礎設施的重要性。

隨後，報告深入討論了AI算力基礎設施的架構和平衡設計。報告首先分析了現有HPC算力體系與AI算力需求的差異，從而闡述了構建AI算力體系的必要性。接著，報告提出設計AI算力系統時需要遵循的技術要素和系統平衡性原則，以確保系統設計能夠滿足AI算力的特殊需求。

關於AI算力的評測方法，報告強調了評測程序在AI領域的重要性及其與傳統高性能計算測試結果的差異。報告提出了AI算力評測（AIPerf）機制的四個目標，包括實現統一分數、可變的問題規模、具有實際人工智慧意義以及包含必要的多機通信。最後，報告通過設計完善的AIPerf機制，提供了AI算力評測的流程。

報告還以百萬億參數超大規模預訓練模型的訓練為例，深入探討了AI算力基礎設施的設計、構建、測試和優化。報告指出，隨著模型規模的擴大，預訓練模型的計算核心為Transformer模型，並強調了並行訓練技術在加速訓練過程中的重要性。報告還提出了在國產高性能計算機上訓練超大規模預訓練模型時面臨的四個關鍵系統挑戰，並提出了相應的解決方案。

此外，報告還分享了系統人才培養的經驗和成果，指出人工智慧算力是當前人工智慧領域發展的關鍵，並強調了加快AI算力基礎設施構建以及系統方面人才培養的重要性。

報告最後強調，構建AI算力基礎設施對於推動社會發展和培養一流創新人才至關重要。報告由中國人工智慧學會發布，旨在促進學術交流和思考。

報告的演講者鄭緯民院士，中國工程院院士，清華大學計算機系教授，長期從事高性能計算機體系結構、並行演算法和系統研究。他曾在多項科研項目中獲得重要成果，包括在存儲系統擴展性理論與方法、高性能存儲系統結構及輕量並行的擴展機制、高容錯糾刪碼輕量編碼方法及數據快速自愈模型等方面的研究。他參與的科研成果曾獲得國家科技進步一等獎、二等獎以及國家技術發明二等獎等榮譽。

C. 清華大學集成電路學院院長吳華強教授：基於憶阻器存算一體晶元的研究進展

基於憶阻器的存算一體技術，成為學術界和產業界的焦點。清華大學集成電路學院院長吳華強教授在創新智能晶元，共築未來航天學術會議上，以《基於憶阻器存算一體晶元的研究進展》為題，深入探討了這一變革性技術。

吳華強教授指出，計算驅動集成電路技術的發展面臨著三大難題：存儲牆、功耗牆與面積牆。存算分離的傳統架構導致了存儲牆問題，進而引發了功耗牆與面積牆，這些問題限制了算力的持續增長。面對人工智慧演算法模型對計算晶元的巨大挑戰，美國半導體行業協會 SIA 強調了當前計算耗能增長速度對全球總能量增長速度的限制，指出未來需要新的計算範式。

為突破高算力發展的瓶頸，未來集成電路將通過計算範式、晶元架構與集成方法的創新，克服存儲牆、功耗牆與面積牆。吳華強教授提出，Chiplet 異質集成可以提高晶體管數量，存算一體技術可以提升每單位器件的算力，而可重構異構計算架構則能提高算力的擴展性。

憶阻器存算一體晶元開啟高性能計算新範式。這種晶元由傳統的馮諾依曼架構轉向存算一體架構，以應對AI演算法對算力需求的爆炸式增長。AI演算法的運算元集中性與憶阻器陣列契合度高，且AI演算法中比特精確性與系統精確性的差異為憶阻器模擬計算提供了重要機遇。

近十年來，憶阻器存算一體技術研究從器件與陣列演示發展至原型晶元與系統，學術界與產業界對此高度關注。吳華強教授分享了清華大學在該領域的研究進展，包括國際首顆全系統集成的憶阻器存算一體晶元，以及國際首款多陣列憶阻器存算一體系統。此外，清華大學與斯坦福大學等合作，通過軟硬體跨層次協同優化，實現了多核、可重構的憶阻器存算一體晶元。

總結與展望部分，吳華強教授強調，基於憶阻器的存算一體變革性技術將帶來計算系統底層器件與編譯器層面的改變，實現新計算機系統，同時顯著提高能效與單晶元算力。這項技術的前景廣闊，未來潛力巨大。

D. 魏少軍：智能化助力半導體產業發展

半導體與計算機相伴，推動全球經濟持續發展。

在2023年11月23日的中國臨港國際半導體大會上，魏少軍教授，中國半導體行業協會IC設計分會理事長、清華大學集成電路學院教授，發表了《智能化助力半導體產業發展》的主題演講。

演講分為四部分：人工智慧延伸認知能力、計算技術推動產業成長、全球產業格局變化、智能化支持中國自立自強。

人工智慧延伸認知能力

魏教授指出，人類經歷了三輪智能化浪潮。第一次在1946年，通用計算裝置出現，具備計算、數據存儲與檢索能力；第二次在1990年，通用推理裝置出現，具備邏輯判斷能力；第三次在2017年，機器學習裝置出現，具有分類與識別能力。

在第三輪智能化浪潮中，研究取得重大突破，如谷歌的DeepMind在人臉識別、語音識別領域超越人類，錯詞率低至5.9%。人工智慧在認知能力上超過人類。

人類正進入智能化時代，信息革命延伸感官能力，智能化革命延伸大腦能力。

人工神經網路

魏教授回顧了人工神經網路概念的提出。1943年，沃倫·麥卡洛克和沃爾特·皮茨合作，對大腦神經元建模，產生了影響世界的神經網路。後來，David Hubel發現人類視覺處理機制，激發了對於神經系統更深層次的思考。

魏教授表示，人工智慧主要分為類腦計算與深度學習。類腦計算採用存內計算架構，提升深度學習演算法效率。深度學習通過演算法、數據與算力，逐層學習特徵表達，實現對輸入的更好表達。

深度神經網路與深度學習是人工智慧的重要分支，開創者包括約書亞·本希奧、傑弗里·欣頓與楊立昆。

計算技術推動產業成長

過去幾十年，人類經歷了從科學計算、個人計算、移動計算、雲計算到智能計算的時代。

智能計算時代與人工智慧緊密相關，需要強大的計算引擎，具備適應各類應用、計算與存儲密集型應用與高效處理邊緣計算的特點。

人工智慧晶元面臨演算法演進與統一演算法挑戰。英偉達GPU因其算力大與通用性受到歡迎。

高性能計算進入E級時代，超算速度與能耗成為關鍵問題。

魏教授提出，現有計算晶元架構難以適應下一代計算需求，呼喚新的計算晶元架構。

新的計算晶元架構

魏教授展示了硬體與軟體可編程性的架構圖，指出CPU等處理器位於第一象限，ASIC等專用集成電路在第三象限，FPGA等可編程邏輯器件在第四個象限。第二象限的新型架構需具備通用性、靈活性與先進工藝。

軟體定義晶元技術是替代ASIC與FPGA的新型電路架構，有望為中國集成電路設計業實現技術路線的超越。

全球產業格局變化

半導體成為地緣政治博弈焦點。美國、歐盟、韓國、日本各自推動《晶元法案》，全球市場分割，產業化進程受阻。

智能化支持中國自立自強

中國在人工智慧領域具有優勢，5G與AI推動集成電路技術進步，滿足全球經濟發展需求。中國在半導體行業的發展將更好地滿足人類需求。

E. 中國確立算力新里程碑

中國確立算力新里程碑介紹如下：

中國確立算力新里程碑是量子計算原型機「九章三號」問世。

「我們研製了基於光纖時間延遲環的超導納米線探測器，首先把多光子態分束到不同空間模式，然後通過延時把空間轉化為時間，實現了准光子數可分辨的單光子探測系統。」研究團隊成員、中國科大教授陸朝陽說，這些創新使團隊首次實現了對255個光子的操縱能力，極大提升計算的復雜度。

根據業界公開發表的最優經典精確采樣演算法，「九章三號」處理高斯玻色取樣的速度比「九章二號」提升一百萬倍，「九章三號」1微秒可算出的最復雜樣本，當前全球最快的超級計算機「前沿」（Frontier）約需200億年。

10月11日，國際知名學術期刊《物理評論快報》發表了該成果。

據悉，未來的通用型量子計算機可望在密碼破譯、天氣預報、材料設計等領域發揮作用，目前的「九章三號」還只是具有潛在應用價值的「單項冠軍」。

潘建偉團隊表示，期待這次突破能激發科學界更多關於經典演算法模擬的研究，解決各種科學和工程挑戰，加快實現通用型量子計算機。