5月17日至18日，温州举办“瓯江论数 数安中国”2024数据安全发展大会。来自全国数据要素领域行业的专家、企业、机构等齐聚瓯江，共商数据安全与发展大计，支持中国（温州）数安港发展。国家数据局副局长陈荣辉、温州市委书记张振丰等领导，以及刘大响、杨金才等院士专家出席大会。

浙江财经大学盈阳金融科技学院院长兼校人工智能研究院院长、二级教授、博士生导师张文宇在大会智算论坛获邀以“突破算力卡脖子需要人机物融合群智计算”为题作主旨演讲。张文宇同时也是中国（温州）数安港专家委员会委员和瑞安市智算中心专家委员会首席专家，他在今天的演讲中趣谈人工智能、智能计算与新质生产力的关系，分享了瑞安市智算中心面向智能计算新范式的最新思考与落地应用，为智算产业的发展提供了创新技术路线和宝贵实践经验。

我们又一次看到了“钻木取火”的星星之火

张文宇先是从人类社会技术发展史引出人工智能奇点将至。可以想象，100万年前处于旧石器时代的中华蓝田猿人若突然穿越到1万年前处于新石器时代的燧人氏部落看到“钻木取火”会惊呆了；燧人氏祖先若穿越到1000年前的宋朝会发现指南针而惊呆了；宋朝人若穿越到100年前的民国会发现电灯而惊呆了；民国时期人若穿越到今天的现代中国会发现人机协同工作而惊呆了；由于人类社会的技术发展速度呈指数级增长以及人工智能奇点将至，今天的年轻人若穿越到10年后的2034年也很有可能因为看到汽车在天上飞而惊呆了。我们若把ChatGPT看作人类又一次“钻木取火”所产生的小火星的话，那么Sora就是小火苗了，中国大地上也已经有了片片的大模型星星之火了。这些星星之火将会倒逼人类开启新一轮的生产力大解放与思想大解放，实现人机协同智慧的燎原之势与全面涌现。

AI算力需求激增

张文宇强调，随着ChatGPT敲开了通用人工智能的大门，以大模型为代表的智能计算新范式引爆了对计算资源、特别是智能算力的需求。随着通用人工智能技术的发展，AI模型越来越复杂，模型参数量越来越大，自然对智能算力的需求也越来越高。在传统算力时代，算力需求基本符合摩尔定律，每18-24个月翻一倍；在深度神经网络出现之后，算力需求每3-6个月翻一倍；而到了大模型时代，对智能算力的需求更是呈现出了每年10-100倍的增长趋势。

众所周知，由于西方国家的出口管制，中国的智能算力供给面临着极为严重的“卡脖子”问题。突破算力瓶颈的途径无非来自硬件或者软件。单从硬件角度来看，由于芯片制造工艺逼近物理极限，这使得智能芯片的性能增长速度远低于智能算力需求的增长速度。再加上国际封锁因素，更使得国内业界单靠硬件创新路径突破算力“卡脖子”遭遇到了极大困难。因此需要软件来协调统筹计算能力，智能计算成为重要的协同创新路径。

人机物融合群智计算

张文宇认为，智能计算不仅仅是人工智能与计算技术的结合，而需要考虑到人工智能固有的局限性，并把人脑智能融合进人机物融合的群智计算空间中去。以2016年AlphaGo与人类围棋大师李世石的世纪之战为例，表面上是AlphaGo赢了。但是，当时的AlphaGo需要消耗约2万瓦的电力，约2万美元，而李世石的大脑功率约为20瓦，只消耗2碗饭的能量。可见，若考虑资源受限情况，则是李世石赢了。一个可持续发展的智能计算系统应该综合利用人脑智能与人工智能的各自优势，通过人类与机器的人机交互、机器与事物之间的信息交互、以及人类与事物之间的认知交互，把人类社会空间、机器信息空间与自然物理空间的三元互动作用映射到一个自组织、自学习、自适应、自优化的群智计算空间中去，以实现在资源受限情况下以最小的成本完成计算任务。

人工智能是发展新质生产力的重要引擎，算力是该引擎的智能底座。但是，发展新质生产力，不仅仅要依靠以新一代人工智能为引领的科技创新，还需要流程再造、制度重塑、价值共创，这就需要人类作为主角并鹤立“机”群，通过不断调整生产关系、创新配置生产要素，让各类先进生产要素向发展新质生产力顺畅流动。

释放群智计算平台的“乘数效应”

针对人机物融合群智计算空间中的异构智算融合需求，即将不同架构的人类社会空间、机器信息空间、自然物理空间、芯片平台、以及算法模型等进行深度融合，通过群智感知、群智协同、群智决策、群智调度、群智优化等算法，为多方协同用户的不同业务场景和计算任务个性化地推荐兼具高性价比与环境友好性的算力方案。针对算力匹配方面，当下异构群智融合已是大势所趋，包括：各厂商的CPU、GPU、DPU、NPU等不同处理器的异构，面向智能计算、科学计算、通用计算等不同计算集群的异构，以及智算中心、全局算力算网调度平台、算力用户等不同利益相关方的异构。

因此，需要针对群智计算环境下不确定性感知、多任务调度、多方多目标合作博弈的特点和需求，以犹豫模糊不确定性度量来表示模糊最优解与模糊适值函数关系，构建多方多目标模糊合作博弈模型。视每个利益相关方为一个博弈方，视算力服务池中的算力服务为博弈方的策略集，建立服务质量指标多目标函数与各博弈方自身收益函数之间的映射关系。服务用户的目标是服务质量最大化，智算中心的目标是成本效益最大化，全局算力算网调度平台的目标是总能耗最小化（促进智算中心实现绿色发展），以最大限度释放群智计算平台的“乘数效应”。