中關(guān)村金融科技產(chǎn)業(yè)發(fā)展聯(lián)盟專家委員會(huì)主任委員周延禮在公開場(chǎng)合表示，隨著深度學(xué)習(xí)和人工智能算法的發(fā)展，算力的不斷提升以及數(shù)據(jù)的積累，人工智能與各行各業(yè)逐步結(jié)合、融合發(fā)展，成為新興經(jīng)濟(jì)發(fā)展的重要力量。

 

　　結(jié)合企業(yè)的具體實(shí)踐，科技界人士普遍認(rèn)為，在當(dāng)前探索可研和試點(diǎn)應(yīng)用階段，企業(yè)一般從大模型訓(xùn)練和微調(diào)入手，而基于大數(shù)據(jù)量、大規(guī)模參數(shù)進(jìn)行的大模型訓(xùn)練，需要消耗大量算力資源?？梢哉f，算力日益成為數(shù)字經(jīng)濟(jì)的新型生產(chǎn)力，作為算力的重要組成部分，存力的價(jià)值也日益凸顯。

 

　　金融機(jī)構(gòu)落地大模型的關(guān)鍵點(diǎn)是什么？存力價(jià)值如何提升？根據(jù)《金融行業(yè)先進(jìn)AI存力報(bào)告》（以下簡(jiǎn)稱《報(bào)告》），構(gòu)建可用、可信、可控的先進(jìn)存力，是金融行業(yè)落地大模型的“必答題”。

 

　　算力集群存在“木桶效應(yīng)”

 

　　算力、數(shù)據(jù)和算法是大模型落地應(yīng)用的三大支撐要素，其中，算力需求最先迎來爆發(fā)。

 

　　目前，銀行、保險(xiǎn)、證券等金融機(jī)構(gòu)尤其是頭部金融機(jī)構(gòu)已經(jīng)開始落地大模型場(chǎng)景應(yīng)用，并自建大模型能力。據(jù)了解，大模型的落地應(yīng)用必須依托由高性能計(jì)算芯片、存儲(chǔ)和網(wǎng)絡(luò)共同構(gòu)成的大規(guī)模算力集群，對(duì)此，金融機(jī)構(gòu)也在進(jìn)行重點(diǎn)布局。

 

　　據(jù)中國(guó)工商銀行軟件開發(fā)中心高級(jí)專家劉承巖介紹，工商銀行在算力方面已經(jīng)建成了可以支持千億模型訓(xùn)練和推理的算力集群，引入了千億模型的算法。

 

　　需要注意的是，算力集群也存在“木桶效應(yīng)”，其中，存力的重要性往往被忽視?！秷?bào)告》提到，大模型訓(xùn)練等場(chǎng)景對(duì)于存力提出了一系列新挑戰(zhàn)，而存力也往往容易成為短板，制約算力效能發(fā)揮，成為大模型落地過程中潛藏的風(fēng)險(xiǎn)。

 

　　簡(jiǎn)單來說，如果存儲(chǔ)和網(wǎng)絡(luò)性能無法支撐大規(guī)模的數(shù)據(jù)存儲(chǔ)、讀寫和傳輸，高性能計(jì)算芯片無用武之地，價(jià)值也將大打折扣。

 

　　對(duì)于存力的發(fā)展，相關(guān)政策已有著墨。2023年10月，工業(yè)和信息化部等六部門聯(lián)合印發(fā)《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動(dòng)計(jì)劃》提出“加速存力技術(shù)研發(fā)應(yīng)用”，圍繞全閃存、藍(lán)光存儲(chǔ)、硬件高密、數(shù)據(jù)縮減、編碼算法、芯片卸載、多協(xié)議數(shù)據(jù)互通等技術(shù)，推動(dòng)先進(jìn)存儲(chǔ)創(chuàng)新發(fā)展。

 

　　滿足存力提升需要

 

　　補(bǔ)齊短板，重視存力的提升，與大模型落地應(yīng)用場(chǎng)景密切相關(guān)。

 

　　根據(jù)相關(guān)調(diào)研結(jié)論，金融行業(yè)典型的大模型應(yīng)用場(chǎng)景包括數(shù)據(jù)分析、智能問答、智能客服、數(shù)字營(yíng)業(yè)廳、智能投顧、智能投研、營(yíng)銷內(nèi)容生成、產(chǎn)品推薦、智能風(fēng)控等，部分場(chǎng)景已進(jìn)入試點(diǎn)應(yīng)用階段。

 

　　面對(duì)復(fù)雜的應(yīng)用場(chǎng)景，大模型作為變革性技術(shù)，需要實(shí)現(xiàn)能力內(nèi)化，金融機(jī)構(gòu)在應(yīng)用場(chǎng)景中優(yōu)先調(diào)用了自有大模型，并對(duì)其進(jìn)行訓(xùn)練和部署，模型參數(shù)量往往在千億級(jí)。因此，對(duì)于大模型落地應(yīng)用走在前列的金融行業(yè)而言，AI算力建設(shè)頗具挑戰(zhàn)。

 

　　“中國(guó)人保在大模型研究和應(yīng)用場(chǎng)景落地過程中，感受到最大的限制并非是技術(shù)問題，而是算力資源嚴(yán)重不足。” 中國(guó)人民保險(xiǎn)集團(tuán)科技運(yùn)營(yíng)部總經(jīng)理劉蒼牧坦言，“在國(guó)產(chǎn)化算力尚未強(qiáng)大的當(dāng)下，這對(duì)我們持續(xù)開展大模型研究和推廣應(yīng)用是一個(gè)巨大的挑戰(zhàn)。”

 

　　《報(bào)告》認(rèn)為，在重視大模型能力建設(shè)的背景下，金融機(jī)構(gòu)必須構(gòu)建起堅(jiān)實(shí)的智能算力基礎(chǔ)設(shè)施，以支撐大模型的高效訓(xùn)練和部署。作為AI算力基礎(chǔ)設(shè)施的關(guān)鍵組成部分之一，構(gòu)建先進(jìn)存力的著力點(diǎn)在哪里？

 

　　《報(bào)告》稱，金融機(jī)構(gòu)對(duì)于AI先進(jìn)存力的需求可以總結(jié)為三方面：可用、可信、可控。具體來看，在可用方面，金融機(jī)構(gòu)要滿足大模型場(chǎng)景對(duì)于存力的高吞吐、高IOPS、高帶寬、低延時(shí)的極致性能要求，提升算力資源利用率；在可信方面，在滿足以上極致性能要求的前提下，金融機(jī)構(gòu)在先進(jìn)存力建設(shè)中還需要考慮信創(chuàng)適配問題，同時(shí)，破解國(guó)產(chǎn)硬件性能瓶頸；在可控方面，金融機(jī)構(gòu)需要盡可能降低成本，在采購存儲(chǔ)系統(tǒng)時(shí)，保證自身大模型能力建設(shè)的自主性和靈活性。

 

　　加強(qiáng)跨界合作

 

　　業(yè)內(nèi)人士認(rèn)為，大模型時(shí)代的到來將推動(dòng)新一輪算力基礎(chǔ)設(shè)施建設(shè)，先進(jìn)存力是其中至關(guān)重要的組成部分。

 

　　《報(bào)告》提出，相比算力、網(wǎng)絡(luò)可以通過直接采購成熟產(chǎn)品服務(wù)快速形成能力，軟硬件高度融合且更具開放性的存力建設(shè)具有更大的挑戰(zhàn)性。金融機(jī)構(gòu)應(yīng)當(dāng)提升對(duì)存力建設(shè)的重視度，同時(shí)在算力基礎(chǔ)設(shè)施建設(shè)中進(jìn)行前瞻性的統(tǒng)籌規(guī)劃，做好存力與算力、網(wǎng)絡(luò)的匹配，避免出現(xiàn)存力短板，阻礙大模型落地進(jìn)程。

 

　　“大模型算法技術(shù)門檻高，底層算力資源需求大，必須借助相關(guān)產(chǎn)業(yè)公司的技術(shù)和算力共同開展大模型的底座研究和訓(xùn)練。”劉蒼牧表示，智能前沿技術(shù)如通用大模型，在底層算力算法技術(shù)儲(chǔ)備方面的門檻極高，金融機(jī)構(gòu)必將積極開展跨界合作，充分發(fā)揮第三方機(jī)構(gòu)的技術(shù)先發(fā)優(yōu)勢(shì)，與自身的業(yè)務(wù)場(chǎng)景和專業(yè)知識(shí)相結(jié)合，共同打造智能金融生態(tài)圈，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)和互利共贏。

 

　　據(jù)了解，目前業(yè)內(nèi)已有商業(yè)銀行、證券公司與科技企業(yè)在大模型算力基礎(chǔ)設(shè)施建設(shè)方面有所合作。