全球范圍內，多家大模型廠商都在采購算力芯片并投資建設大型數據中心，大模型競爭同時也是算力競爭。今年兩會期間，如何解決大模型算力層面的算力短缺、異構計算分散等問題，成為了熱議話題。

全國政協委員、中國科學院計算技術研究所研究員張云泉在過去一年里走訪了眾多算力中心及相關企業。根據了解到的行業現象，他今年提出了“關于超智融合突破‘算力圍城’”的提案，呼吁加快高端算力設施建設，提升算力使用效率，以應對人工智能大模型快速發展所帶來的“算力圍城”困局。

張云泉告訴第一財經記者，他走訪多個算力中心后，感觸最深的是國內智算中心在算力、機架密度等方面與國際領先水平的差距。例如，國內目前公開報道的最大單體智算中心算力僅為萬卡6.6Eflops（BF16精度），與國際領先水平差兩個數量級；不少智算中心主流機架功率密度低于15kW，遠低于高端AI功率密度要求；能支撐大模型訓練的高端算力中心極為稀少且訓練效率不超過30%。

“伴隨DeepSeek等開源大模型涌現，大模型在各個行業的應用變多，這對算力基礎設施建設提出新需求。而當前算力市場存在供需性矛盾，即算力結構單一、高端算力緊缺。算力基礎設施與國際領先水平存在代際差異，制約了大模型迭代創新速度。” 張云泉表示。

張云泉向記者解釋，算力結構單一是指很多智算中心設計只能支持低精度算力架構、只能支持特定生態體系的大模型訓練場景。造成這一現象的原因，包括核心芯片領域的很多國產AI芯片最高只能支持FP32精度的計算。隨著AI應用場景增多、需求量增加，只滿足低精度訓練的智算中心不能很好支持未來“超智融合”趨勢下的全精度算力需求。同時，國產高性能可擴展并行訓練與推理編程框架和優化工具鏈缺失，還導致國產大規模智算集群計算效率普遍偏低。

“超智融合”則是指將超算與智算的能力結合，“超智融合”目前被認為有可能用于滿足各行業的多元算力需求。張云泉告訴記者，“超智融合”能將國產超算幾十年間積累的架構、芯片、并行與通信算法、算力調度與負載均衡乃至底層優化等方面的關鍵技術和人才，賦能高端智算中心建設以及大模型高效訓練推理優化過程。

張云泉建議，建設國家級大算力集群，引入先進算力調度、分配、優化和管理技術，提高算力利用率，并積極引導基于全精度、大算力、高互連國產芯片，構建新一代超智融合國家級算力中心。同時，集中資源重點支持大模型領軍企業，打造世界領先的開源開放主權級基礎通用大模型。

兩會期間，全國政協委員、京東集團技術委員會主席曹鵬則關注到國內異構算力分散且利用率低、中小企業難以負擔大模型應用的智算成本。對于以上問題，曹鵬建議加強建設異構算力以降低智算成本。例如，夯實自主可控的智算底座，通過存算協同發展降低企業智算成本。此外，建議推動鏈主企業向中小企業開放智算配額，實現產業智算普惠。

全國人大代表、科大訊飛董事長劉慶峰關注的則是算力平臺的國產化話題。劉慶峰認為，若不能加快解決國產自主可控人工智能產業生態薄弱、適配困難等問題，做大模型無異于“在別人地基上建高樓”。他建議加快構建國產算力平臺上的自主可控大模型及產業生態，例如，鼓勵基于自主可控國產算力平臺的大模型研發和應用，鼓勵央國企優先采購基于國產算力平臺研發的全棧自主可控大模型，專項支持基于國產算力平臺的生態體系建設。

DeepSeek出現后，近期業內也在熱議大模型是否仍需大量算力支撐。就新的技術是否減少了大模型整體算力需求，張云泉告訴記者，“小力出奇跡”并不意味著規模法則（Scaling Law）的破產。未來，AI發展可能會呈現“雙軌并行”的格局，一方面，小而精的模型蓬勃發展，另一方面，通用基礎大模型仍會沿著Scalling Law路徑，繼續通過大算力投入、擴展參數規模實現更強悍的性能。國內發展通用基礎主權大模型是必要的，通用基礎大模型將作為AI技術的基石，為各行各業提供強大的基礎智能。