全球大模型群雄逐鹿，算力最先告急。今年5月29日，英偉達創始人黃仁勛斷言，“我們已經達到生成式AI引爆點，從此全世界的每個角落都會有算力需求”。一天后，英偉達市值突破萬億美元，屹立世界之巔。
英偉達將世界的目光聚焦在了風云變幻的算力、顯卡江湖。2023世界人工智能大會期間，有人直言，沒有大算力做大模型就是天方夜譚。但也有人認為，數據要素在人工智能大模型的發展中具有關鍵性作用，決定了模型的訓練質量、性能表現和應用領域的廣度與深度。
【資料圖】
人們常把算力、算法、數據形容為人工智能的三駕馬車，但這三駕馬車之間可能也不是完全的并行關系。如果說算力是大模型的“根”，那數據或者說是高質量的語料庫，或許就會成為算力的“根”。
一熱一“冷”
大模型浪潮，率先將算力推至風口浪尖。2023世界人工智能大會上，算力成為大模型絕對的關鍵詞之一。中國工程院院士、鵬城實驗室主任高文把算力比作電力，認為沒有大算力做大模型就是天方夜譚。華為輪值董事長胡厚崑也提到，大模型訓練的效率或者是創新的速度，根本上取決于算力的大小。中國的算力已經成為一個越來越稀缺的資源。
大會期間，畢馬威與聯想集團聯合發布《普慧算力開啟新計算時代》報告。畢馬威中國數字化賦能主管合伙人張慶杰在解讀報告時提到，算力供給增速明顯難以滿足指數式爆發的需求，儲備算力成為各行各業的必要舉動。
據了解，深度學習出現之前，用于AI訓練的算力增長大約每20個月翻一番；之后，用于AI訓練的算力大約每6個月翻一番；2012年后，全球頭部AI模型訓練算力需求更是加速到每3個月至4個月翻一番，即平均每年算力增長幅度達到驚人的10倍；目前大模型發展如火如荼，訓練算力需求有望擴張到原來的10-100倍，算力需求的指數級增長曲線將更加陡峭。
大模型對算力的需求是顯而易見的，但更關鍵的點可能在于是否能把算力更高效地挖掘出來。一位芯片企業的技術人員對北京商報記者提到，一個模型上線需要用到很多硬件，如果只支撐了少量用戶，就會因為太貴導致用戶不買賬，由此撐不起正向循環的情況，但太便宜又會出現虧本的問題。特別是到落地階段，如何能夠結合模型上的一些改進，把硬件的特性最大程度地發揮出來，就會變得非常重要。
“也就是說在訓練階段，大家對算力的追求可能是‘大’，這一方面能夠做出更大的模型，另一方面也能夠進行更快速的迭代。但到用戶開始接受這個效果的時候，就要涉及到怎樣做才能更劃算的問題，也就是說在部署階段，可能要更關注‘精’的問題，盡可能用相對少的算力實現最大程度的作用。”上述技術人員說道。
大會期間，比起對算力的探討，數據就顯得有些“冷清”了。“數據要素比大模型早好幾年，大模型被‘炒’起來了，但數據要素卻一直不溫不火”，7月8日，在2023世界人工智能大會“大模型時代下的數據要素流通”論壇的主題演講中，拓爾思(300229)總裁施水才開場便提出了這樣一種現象，在他看來，這場論壇為人們認識數據要素流通提供了一個新的視角。
大模型“幻覺”
在上述論壇上，中國知網副總經理張宏偉表示，數據是人工智能的基石，數據的質量和數量最終決定人工智能水平高低，影響其安全性、可信性。施水才更是認為，高質量數據才是大模型價值躍遷的制勝法寶。
但當下的問題在于，數據并不都是高質量的。過去一段時間，一度出現“AI正在污染中文互聯網”的討論，而AI最讓人詬病的就是“幻覺”問題，也就是人們常說的“一本正經地胡說八道”。
大模型“幻覺”也是人工智能大會期間被提到的高頻詞匯。施水才對北京商報記者提到，“幻覺”問題的出現，主要是因為大模型缺乏理論的支撐，因為其核心技術原理主要就是Transformer架構下的Next Token Prediction，即“下一個字符的預測”。另一方面大模型并不是越大越好，數據也不是越多越好，真正好的大模型是參數大小適中，數據高質量。
算力可以堆硬件，相比起來，優質數據的供給可能會復雜得多。上海數據交易所總經理湯奇峰認為，大模型時代下的語料庫建設存在語料庫供給不足、語料庫質量不高、語料庫多樣性匱乏、語料庫標準欠缺等問題。
在接受北京商報記者采訪時，上海數據交易所副總經理韋志林提到，從推動數字經濟，推動數據作為生產要素的角度看，數據應該是最核心、最長遠、最基礎性的因素。“大模型的預訓練對數據要求也特別高，必須在前期進行清洗、標注、標識，但圍繞千行百業的數據訓練，在數據供給方面也呈現出了許多問題和挑戰。”
首要的就是頭部廠商并不愿意開放數據。數據是生產要素，數據有價值，這些已經達成共識，但進行數據共享就一定會牽扯到安全問題，如何解決數據在共享過程中的安全機制至關重要。而數據的開放流通，也自然涉及收益分配，且數據流通過程中創造的新價值更多服務于企業內部，拿出去的動力還需進一步培育。
“所以從數據流通本身看，更多壓力還存在供給側這一方面，需要解決供給側中產權制度問題、收益分配制度問題、安全問題、基礎設施問題等，讓數據流通更加便捷、更加合規。”韋志林表示，上海數據交易所作為國家戰略的承接者，需要解決的就是這些問題。
據了解，7月8日，上海數據交易所啟動語料數據生態創新合作伙伴計劃，而在此前一天，上海數據交易所官網剛剛正式上線語料庫，累計掛牌近30個語料數據產品，包含文本、音頻、圖像等多模態，覆蓋金融、交通運輸和醫療等領域。
湯奇峰稱，語料庫建設不是單一企業的責任，需要多方共同推進，如果每個企業都單獨建設維護語料庫，會拉低效率，也會增加企業成本，“數交所希望通過自己的努力加強數據要素建設提升語料庫建設效率。”
北京商報記者 楊月涵
（責任編輯：董萍萍 ）關鍵詞：
