“2023中國AIGC產業發展論壇”于9月4日在北京召開。鴻博股份副總裁、北京英博數科科技有限公司CEO周韡韡出席并演講。

　　以下為演講實錄：

　　各位尊敬的嘉賓，大家早上好！我是鴻博股份的副總裁也是英博數科的CEO周韡韡。非常意外能收到服貿會的邀請站在這個臺上，因為我們是非常年輕的企業，能跟這么多的行業內知名學者、企業家同場交流，真的有種受寵若驚的感覺。

　　在座各位有關注A股市場的朋友可能對我們比較熟悉，英博數科是去年6月份注冊在北京的鴻博股份旗下全資子公司，也是鴻博與多家單位共同發起的北京AI創新賦能中心唯一運營主體。我們肩負了傳統行業龍頭向科技服務轉型尋找第二增長曲線探索的任務，也通過自己一年多的努力，用超過600%的股價增幅回報了母公司的付出，向市場證明了傳統企業轉型科技類的可行性。

　　我看到今天上午有非常多的嘉賓，比如在年初的時候就有跟我們溝通過算力的梅濤院士，還有很多行業內持續的深耕者，似乎只有我一個人是從事AI算力服務行業，我想作為算力行業的一線從業人員，在這里跟大家匯報一下我們過去的工作進展以及基礎設施對于人工智能以及通用型人工智能發展中的重要影響作用。

　　其實我們從去年開始就已經開始布局AI的基礎設施，雖然那個時候離ChatGPT的出現還有好幾個月，而且英偉達比起來現在的萬億市值也處在股價低谷期徘徊，但誤打誤撞也好，自夸先見之明也罷，在去年的秋天到來之前，鴻博股份就支持英博數科并且明確了定位于“專業AI多模態、大模型訓練服務平臺“，并且圍繞大模型客戶需求開展包括數據要素挖掘、模型服務、GPU云服務的戰略發展方向。于是，今年2月份我們的北京智算中心，也是國內首個能夠面向市場化經營的英偉達標準單元DGX推薦架構智算集群交付了。因為我們最初的初心就是定位于大模型的訓練、自然語言處理研發， 所以我們的設備在選型之初就全部由英偉達A、H系列服務器，并且必須是采用NVLink版本，最高顯存的服務器；另外按照英偉達DGX SuperPod推薦架構認證的網絡架構、傳輸設備所組成。

　　在今年算力市場嚴重供需不平衡的情況下，我們用6個月的時間完成了從100P到1300P算力的擴容建設，而且全部用于市場化AI服務，我們也非常驕傲助力了國內第一個開源中英文預訓練大模型誕生。根據我幾個月來對平臺客戶的觀察，我們國產模型增長速度極快，尤其在模型發展初期，每個月幾乎是3-4倍模型的增長以及對算力的需求。我深刻的感受到，如果算力不自由，則數據無意義，而所有的應用也都成為無根之木。

　　在這種情況下，我們快速調整發展計劃，預定了大量的在途設備，預計在今年年底和我們的合作伙伴們一起在北京匯天網絡科技園建成國內第一個單一物理空間超萬P算力的智算集群，為首批大模型競賽中的勝出者準備進一步向上突破的算力環境。

　　我們所有快速決策的魄力，大膽增資的動力都是源于我們對通用型人工智能賽道的看好，或者說信仰。我知道今天的主題是AIGC，不過我其實更愿意把它叫做AGI，我比較習慣做事情能從終到始，倒推的制定戰略。相較于Narrow Artificial Intelligence，AGI的通用型人工智能，或者說強AI才是我們未來的方向，所有的人類工作可以更出色、更高效被機器智慧所代替，包括想象和創意，復雜問題的推理解決，甚至情感交互。而我們所講的生成式人工智能，即便目前公認的全球水平最高的OpenAI ChatGPT也只不過剛剛觸及到AGI的門檻而已。這是一個長途漫漫的征程，蒸汽機的出現開啟了工業革命，但只有搭載并融合成應用的火車、輪船這些真正能改善生產效率的工具的出現，才標志著工業革命真正的到來。

　　當很多人拿國內初步測試的大模型和ChatGPT的表現來對比的時候，有些人會有些擔心：是不是我們的AI起步晚了，一開始就輸在起跑線？如果從AGI發展目標終局來看，并不晚，反而給了我們更多學習借鑒先行者經驗案例的機會。而且，在當下的發展階段，我認為制約我們發展的其實是和全球任何一個國家地區都相同的困境，那就是可用于研發的AI算力的嚴重不足。

　　我們現在處在一個最好的時代，ChatGPT的出現引發了全民對于AI的關注和大家的熱情，但是與其說OpenAI的ChatGPT是目前最好的AIGC，不如說他們是擁有最多算力支持的多模態大模型的研發公司。

　　在過去我們國家投入超過8萬億用于數字基建，但是多數集中在機房建設、溫冷數據存調，以及以CPU為主的超算中心的建設。這些算力有用嗎？當然有用。高性能的計算給我們問蒼穹飛天探月，蛟龍下行潛海，還有打飛機的自主可控帶來巨大的貢獻，但是AI是無限窮舉找規律，舉千億萬次才能反一的訓練邏輯和學習方式，那么GPU的算力對于這種需要大量、簡單、重復度高的任務執行時所表現出比CPU算力更高的效率。

　　業內曾經對比過，以英偉達A系列的服務器為例，對標同規格的CPU服務器，在同樣的AI任務下，GPU是CPU算力的172倍，而能耗不過后者的1/20．我們市場真正缺少的是可用于AI研發的專業算力。因為這個設備本身價格昂貴，整個架構構成網絡的造價成本也很高，過去可以釋放它們性價比的場景非常有限，所以無論是互聯網大廠還是科研機構、院校都沒有多少存量，而且這類產品渠道的單一性、生產工藝的復雜性、良品率低下等，造成全球范圍內都是一貨難求的現狀。我們真正缺少的不是PCIe單卡的H800，也不是40G顯存的A100，是真正可以用通用型人工智能發展所必需的高性能、高傳輸、高端計算集群。

　　作為AI算力行業的一個從業者，我真心建議所有的AI研發人員能客觀評估自己的模型、參數的發展進度，一定要在嚴謹的測試之后再決定對服務器型號和數量的選擇。我們使用的工業級服務器對于集群的調優要求是很高的，我們的技術人員甚至會結合不同的模型以及成長階段實時陪伴進行調優服務，集群優化與否，帶來的是算力上甚至幾十倍的差距。我們經常說磨刀不誤砍柴工，如果每個團隊對產品花更多的時間進行實踐測試，不僅可以給自己的公司節約預算，也可以有助于整個供需不平衡的算力市場的緩解，給我們的AGI產業更多的機會。可能行業第一名只有一個，但只有整個行業蛋糕做大、整個生態鏈繁榮，才能夠讓每一個參與AI這場事業發展的團隊獲益。

　　我的另外一個感受是，算力企業應該實事求是地描述自己的在手、在途的算力設備；企業在選擇加入算力服務這條賽道之前應該先完成核心技術團隊的組件，完善對行業的自我認知，特別是資本和上市公司，一定要抗拒短期是指增長的誘惑，不要同型號的PCIE的單卡去誤導市場，也不要用PPT算力的不現實低價去浪費研發團隊時間讓他們陷入無意義的等待。通用型人工智能是可以對標蒸汽機出現的又一次工業革命，我們何其幸運能生在這樣的一個時代，能在有生之年能見證人類文明歷史上再一次生產力的變革。所以客觀、自律、少點私心、多點家國情懷，會幫助到AGI真正高效地發展，而每個人也都會成為這場AI革命終局的受益者。

　　最后我想談談對智算中心規模大小的看法。在今天的論壇現場，也聽到一些不一樣的聲音，我的觀點是，現在這個階段對單一通訊集群超大規模AI算力集群的需求是強烈的，也是迫切的。我們目前的AIGC只是AGI的一個初級涉水階段，隨著通用型模型經過預訓練之后，迎來調優、專業數據的投喂以及后續POP擇優的出現，對算力的需求源源不斷。當然有許多公司希望通過算法側的改良緩解算力緊張，但從DeepMind等很多案例中已經可以看到，現階段緩解算力的最直接途徑還是算力側增加，而千億級參數模型對于單一通訊單元的超大算力集群的需求已經迫在眉睫。

　　明年1月，國家數據資產入表的政策開始實行，這是通過數據資產對企業價值的重構，但只有經過加工處理后的新的數據產品才會被定義為數據資產，那個時候所有企業都會像對電的需求一樣需要對自己以往沉淀的數據進行改善，以把它們變成可以為自己企業增值的數據資產。這里牽扯到的數據整理、模型服務又會帶來大量的算力需求。

　　隨著模型參數不斷增大，隨著AGI能力不斷加強，對于在單一物理空間內、單一通訊集群超大規模智算中心的需求，應該說是迫于眉睫。可是放眼亞洲都找不到可以滿足條件的以上所描述的基礎設施。其實我無比期待我們國產億萬級參數大模型的應用，也特別希望看到國產大模型上能產生二次的涌現開悟，更希望我們的AGI發展能夠從追趕者稱為邁入無人區的行業引領者，但是這些都是需要真正有助于它們發展的研發土壤。

　　我也真心地希望各地機構、政府，在做算力中心智算基建建設的時候，能夠完全結合自己所在地的算力資源，集中區域資源做單點突破，加強GPU云服務能力，建設滿足AGI長期發展所需要的智算中心，不要讓我們的企業創意被硬件的基礎設施卡脖子，也不要讓數字基建出現冒進之后曾經許多工廠關停并轉，造成資源的流失和時間浪費。

　　客觀、自律、實事求是的研發和服務態度，大局觀的數字建設規劃，用更長遠的心態給AGI行業更多的包容、更多的試錯機會，我相信我們一定會迎來一個全球領先地位的AI時代。

　　最后我想再次對服貿會的主辦方還有朝陽區政府表示感謝，在會議期間為我們創造引薦了累積超過16億的意向訂單溝通機會。我是鴻博股份副總裁、英博數科CEO周韡韡，我們的目標是“匯聚全球頂尖科技，助力中國產業數字化轉型”。謝謝大家！

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：梁斌 SF055