从技术突破到体系革新：大模型时代推动云计算与算力结构系统升级

在人工智能技术高速演进的今天，算法模型的不断创新与优化无疑是推动AI产业前进的强大动力。然而，仅仅依靠算法的迭代已不足以支撑生成式AI和大模型的全面落地。来自中国信息通信研究院云计算与大数据研究所的副所长栗蔚在“酒仙桥论坛·AIDC创新驱动生产力新变革”分论坛上深刻指出：AI发展的下半场，更加依赖算力体系的结构性变革和云计算架构的系统级演进。

他表示，近年来以Transformer为代表的大模型在语义理解、内容生成等方面取得显著进展，模型的准确率、泛化能力较过去已有大幅跃升。但从算法“可用”到真正“好用”，仍需实现从底层计算支撑到上层场景融合的完整闭环。这其中，高效推理能力与应用适配能力成为大模型产业化应用的关键门槛。

具体来看，当前的大模型在推理阶段依然存在能耗高、时延长、成本重的问题。要解决这些瓶颈，必须从以下几个方面发力：

1. 构建弹性高效的云计算基础设施
   云平台需要提供面向AI模型推理的异构算力调度能力，如支持GPU、TPU、ASIC等多样化算力资源的统一管理与编排，提升整体资源利用效率。

2. 增强分布式算力互联网能力
   在大模型推理需要海量计算资源协同作业的背景下，单点中心已难以满足需求，需构建跨数据中心、跨地域的分布式智算体系，实现算力资源的动态调度与智能匹配。

3. 推动“AI+行业”场景化融合
   大模型需通过行业知识注入与上下文增强机制，减少“幻觉”现象（即错误生成信息），提升在垂直领域中的可控性、实用性与可信度。只有不断贴近实际应用场景，AI技术才能真正“落地生根”。

栗蔚强调，在大模型应用日益广泛的今天，推动AI算力体系的系统性革新，不仅是实现技术突破的必要条件，更是释放人工智能产业化潜力、促进新质生产力加速成长的核心抓手。

标题：从技术突破到体系革新：大模型时代推动云计算与算力结构系统升级

TAG标签：