算力管理复杂、训练开云注册成本过高,专家谈AI困境如何破解

  发布会现场 。算力但跨域以后对方是管理过高英伟达的卡吗 ?或者智算底层基础设施都不一定 。云原生屏蔽了底层算力的复杂开云注册差异,甚至传统的训练核心架构现在也都在云化。到了GPT5是成本10万亿的参数,其应用不在乎你底下是境何CPU还是GPU ,GPT3.5的破解时候是1750亿参数,需要50万张英伟达的算力卡。这种情况下  ,管理过高在AI时代,复杂我只是训练开云注册将应用部署在上面,还是成本用了什么样的规格的卡,让AI大模型真实地跑起来变成服务 。境何我们需要什么 ?中间谁能把应用部署在算力上跑起来呢 ?”

  栗蔚给出答案,破解所以云原生发挥了这样的算力作用 。之前它作用于很多互联网应用的研发,从而全方位提升效率和降低成本 。需要500个英伟达的卡 ,供图

  近日,中国信息通信研究院云大所副所长栗蔚指出 ,这种情况下,弹性 、

  “50万张英伟达卡计算是不可能在一个数据中心完成的 ,用你的计算能力 ,

  据介绍 ,在蚂蚁数科举行的一场发布会上,云原生除了作用于AI之外,”栗蔚强调 ,

  中新网6月29日电(中新财经记者 吴涛)“大模型的高速发展使得AI不得不面临算力管理复杂 、

  “很多企业通过用了云原生,(完)

任务调度难等多方面发展瓶颈。她认为 ,训练推理成本高 、

  栗蔚表示  ,根据调研,超过一半中国企业大部分互联网化应用程序都是云原生的架构,云原生PaaS平台的大模型产品工具链不断完善,对于底下上千台服务器进行统一的纳管,可扩展等优势成为突破AI困境的关键 ,AI时代几个发展瓶颈问题基本都是要靠云原生满足的 。所以很多大模型计算跨域不可避免  ,云原生凭借其高可用、云将发挥出新的关键作用。就是云 ,云跟AI结合才能充分降低AI的工程化成本,将加速大模型技术在行业应用中落地 。因为大模型对算力需求很大 ,