华为轮值董事长徐直军谈AI：不是所有应用都要追求“大”模型

9月19日，在华为全联接大会上，华为副董事长、轮值董事长徐直军谈及了AI的发展趋势和华为的智能化战略。

当前AI依然火热，徐直军认为:“从商业应用角度看，从来没有一项技术进步像AI一样，在如此短的时间内产生如此大的影响。AI技术的持续进步正在推动各行各业智能化的不断深化，正在走向全面智能化。”

近年来，全联接大会的主题主要围绕着AI、云、算力，也是华为的重点战略方向。华为从2018年开始推进AI发展战略，并在去年的大会上进一步明确了公司全面智能化的战略。

徐直军首先重点谈到了算力，他表示:“智能化必将是一个长期过程，而算力是智能化的关键基础，过去是，未来也是。因此智能化的可持续，首先是算力的可持续。而算力依赖半导体工艺，但我们必须要面对一个现实是，美国在AI芯片领域对中国的制裁长期不会取消，而中国半导体制造工艺由于也受美国制裁，将在相当长时间处于落后状态，这就意味着我们所能制造的芯片的先进性将受到制约。这是我们打造算力解决方案必须面对的挑战。”

因此，在他看来，立足中国，只有基于实际可获得的芯片制造工艺打造的算力才是长期可持续的，但同时也存在机会，“因为人工智能正在成为主导性算力需求，促使计算系统正在发生结构性变化，需要的是系统算力，而不仅仅是单处理器的算力。这些结构性变化，为我们通过架构性创新，开创出一条自主可持续的计算产业发展道路，提供了机遇。”

目前华为的战略核心就是，充分抓住人工智能变革机遇，基于实际可获得的芯片制造工艺，计算、存储和网络技术协同创新，开创计算架构，打造“超节点+集群”系统算力解决方案，长期持续满足算力需求。

面对AI带来的新空间，徐直军也提出了一些观点。在他看来，不是每个企业都要建设大规模AI算力，不是每个企业都要训练自己的基础大模型，也不是所有的应用都要追求“大”模型。

其中对于大规模AI算力的挑战，徐直军表示，AI服务器，特别是AI算力集群不同于通用x86服务器，对供电、散热等数据中心机房环境要求极高，且随着大模型越来越大，AI算力也将走向更大规模，而且变化节奏快，AI服务器快速升级换代，数据中心机房面临要么浪费、要么满足不了需求的困境。

这只是挑战之一，因此徐直军建议，每个企业都要思考适合自己的获取AI算力的方式，而不仅仅是建设自己的AI算力。

而训练基础大模型对于企业来说，不仅意味着高成本，同时是否能获取到足够的数据量也是挑战。所以他也提出，并不是每个企业都要训练自己的基础大模型。

他进一步表示:“不是所有的应用都要追求’大’模型。从华为盘古在行业的实践看，十亿参数模型可以满足科学计算、预测决策等业务场景的需求，比如降雨预测、药物分子优化、工艺参数预测，在PC、手机等端侧设备上，十亿参数模型也有广泛应用；而百亿参数模型可以满足面向NLP(自然语言处理)、CV(计算机视觉)、多模态等大量特定领域场景的需求，比如知识问答、代码生成、安全检测。面向NLP、多模态的复杂任务，可以用千亿参数模型来完成。”

此外，徐直军还谈到了终端AI，“终端中引入AI能力已经成为普遍的趋势，比如打造AI Phone、AI PC等。我们始终认为，消费者的体验是第一位的，消费者难以理解芯片工艺、算力TFLOPS、模型参数量…究竟意味着什么，而是更加注重切身的使用体验。因此，我们倡议，终端AI应以体验为中心，而不是以算力为中心。”

整体而言，华为认为，企业需要的是根据自身不同业务场景需求，选择最合适的模型，通过多模型组合，解决问题，创造价值。