2023-06-14【中国银行】原行长李礼辉:AI迭代与算力竞争
2023-06-14【中国银行】原行长李礼辉:AI迭代与算力竞争
2023年8月14日修改
中国银行原行长李礼辉:AI迭代与算力竞争
“能够支持AI大模型的算力基础设施建设需要持续投入巨大的财力、人力,要花得起钱,找得对人,还要耐得住寂寞,这就势必导致算力集中。一是向主要国家集中,二是向资本巨头和科技巨头集中。”6月10日,新金融联盟理事长、中国银行原行长 李礼辉 在新金融联盟举办的“金融机构数智化转型与大模型技术应用”内部研讨会上表示。
针对上述情况,李礼辉指出,我们需要探讨的是,如何构建一个全球领先的国家级算力基础设施;如何构建一个技术可信任、资源可共享、商业可持续、市场主体可受益的算力生态圈。
“算力基础设施的布局和建设应该锚定全球领先的目标,硬件与软件并重并行,国家级与企业级联动联调,新中心与老中心集约集成,人力资源与运营成本统筹兼顾。” 他认为。
会上,新金融联盟学术理事、工商银行首席技术官 吕仲涛 ,民生银行数据管理部总经理 沈志勇 ,平安银行数字资产管理与研发中心总经理 刘锦淼 ,第四范式联合创始人、首席架构师 胡时伟 做了主题发言。 李礼辉 及中国信通院金融科技研究中心副主任 赵小飞 进行了点评交流。
56家银行及非银机构、55家科技公司的170多位嘉宾通过线上线下参会。会议由新金融联盟秘书长吴雨珊主持,中国金融四十人论坛提供学术支持。以下为李礼辉的发言全文,已经本人审核。
AI迭代与算力竞争
文 | 李礼辉
AI迭代将创造什么价值
微软的人工智能实验室OpenAI于2022年11月30日推出 的人工智能聊天程序ChatGPT ,2个月内突破月活跃用户1亿大关,被称为人工智能技术发展的奇点。 ChatGPT的全称是Chat Generative Pre-trained Transformer,可理解为“具有生成能力、经过预训练的人机对话转换程序” 。ChatGPT有基于超级算力的学习能力、逻辑能力和语言能力,能够学习、掌握和运用大数据库中各门各类的知识,能够学习、理解和使用人类的 语言 和表达方式,能够区分语境进行人机对话交流, 能够完成撰写邮件、论文、文案、代码以及翻译等任务。 2月7日微软将ChatGPT整合到Bing搜索引擎和Edge浏览器,解决负荷过载问题;3月14日发布GPT-4,建立文本-图像映射关系,支持图片输入、表格输入和以图编程、据图写作等应用。
在ChatGPT带动下,上半年AI应用迅速扩展。 Google的Bard将生成式AI融入电子邮件、图片编辑和在线工具,以前仅向美英开放,现在扩展到180个国家。百度的生成式AI产品“文心一言”可以用于商业文案制作、文学写作、数理推算、中文理解、多模态生成等场景。Character.AI开放IOS和Android下载,用户可以创建角色,对话内容涵盖撰写邮件、答问、编程等。虎博科技的多语态大语言模型TigerBot对外开源,对话AI邀请内测。
ChatGPT是目前最先进的AIGC(AI Generated Content/人工智能生成内容)模型。 有人挑选评定人类理性思维的4类经典测试任务,包括语义错觉类任务、认知反射类任务、证伪选择类任务、心智程序性任务共26道题目,做了一个测试,GPT-3.5的正确率为58%,GPT-4的正确率高达88%,高于应试人类62%的平均正确率。用户发现,应用ChatGPT确实能够提高编程、翻译工作的效率,增强视频、图片创作的效果。一些大学拒绝接受AI模型辅助完成的论文。
新的AI模型能够为开发者直接创造商业价值,例如,ChatGPT Plus用户每月须支付20美元,OpenAI的市场估值大幅攀升。 新的AI模型也将为企业创造价值:能够精确、快速、自动执行例行任务,从而提高产出;能够提升工业流程、物流流程、服务流程的自动化程度,从而节约成本;能够检测、发现、诊断生产经营各环节的运行缺陷,从而提升管理效率。 至于AI迭代对数字经济社会的具体贡献,还有待经济学家的深入评估。
AI迭代可能带来哪些冲击与挑战
我们必须关注的是,AI迭代揭示的数字技术变局对我国数字经济发展可能造成的冲击和挑战。
其一,算力集中与算力竞争。
算力一般指数据计算的能力。人们一般认为,数字经济时代,数据成为生产要素,算力构成新生产力。算力基础设施包括以服务器为中枢的硬件和以算法程序为核心的软件。2022年我国算力总规模达到每秒180E(1.8万亿亿次/1.8万京次)FLOPS(浮点运算),据说排名在美国之后居全球第二。
在数字技术应用中,人工智能、大数据、云计算都需要巨大的算力支撑,人工智能计算能力反映最前沿的算力 。
ChatGPT 堆砌了超级的算力, 算力竞争集中表现为AI模型水平的竞争 。模型的本质是对基于数据的客观规律的发现和表达,通过模型的学习和优化,可以得到相对准确、可信、可用的预测结果。模型可以用于 自然语言处理、计算机视觉、 智能驾驶、智能医疗保健、智能家居、智能制造、环境监测等场景和任务。在高阶的自然语言处理、计算机视觉任务中,需要万亿级到千万亿级参数的大模型,需要超级的计算资源和数据,需要更加复杂的算法和技术,需要更长的训练时间,方可在浩瀚的数据中提取出更加典型、更高维度的特征和模式,从而提高模型的准确性和时效性。算力也在很大程度上决定金融竞争力,智能化的信用评估、客户筛选、风险定价、风险控制、投资顾问、保险精算、数字员工等,都需要数据、算力和模型的支撑。
微软的OpenAI从2015年以来投入巨大财力、人力培育超级算力,终于实现AI技术迭代升级,成功打造出ChatGPT,形成AI大模型技术的优势。
能够支持AI大模型的算力基础设施建设需要持续投入巨大的财力、人力,要花得起钱,找得对人,还要耐得住寂寞,这就势必导致算力集中。 一是向主要国家集中,据非官方统计,美、中两国的算力占全球算力的60%左右。二是向资本巨头和科技巨头集中,绝大多数小企业自有的财力、人力不足以自建有价值的算力。
因此, 算力竞争将是主要经济体之间的国家级竞争,以及资本巨头之间、科技巨头之间的企业级竞争。 我们需要探讨的是,如何构建一个全球领先的国家级算力基础设施;如何构建一个技术可信任、资源可共享、商业可持续、市场主体可受益的算力生态圈。