第一，高質量算力資源不足且較為分散，GPU 芯片A800增量受限制，A100存量嚴重不足，進一步支撐
人工智能大模型訓練存在一定難度，并且逐步成為新的“卡脖子”問題。第二，基于算力需求多樣化、碎片化的特點，算力資源供需錯配的情況時有發生。第三，算力基礎設施屬于重資產和資本密集型行業，具有前期投入大、技術迭代快、建設門檻高等特點，其建設運營需要消耗巨大的時間成本和資金成本，遠遠超出了中小微企業的承受范圍。基于此，筆者提出以下建議。
首先，大力發展聚合計算先進技術，解決“卡脖子”問題。強化關鍵核心技術攻關，針對當前算力需求多樣化的特點，大力發展異構計算、異構集成、堆棧封裝等先進技術，采用不同的架構、工藝和集成組合方式，將低質量的算力聚合起來執行高質量的計算任務。科學組合不同類型的算力單元，實現計算密度、性能和效率的大幅提升，支持人工智能大模型訓練等重點場景的應用和發展。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
