如果说，大模型是智能化时代的新型工件，那么昇腾AI则相当于制造了这些工件的“母机”或“车床”。

(资料图片仅供参考)

5月初，在鲲鹏昇腾开发者峰2023上，华为全面宣布升级鲲鹏开发者套件DevKit 23.0，首批基于鲲鹏的一体化解决方案联合发布，而其中最瞩目的，莫过于孵化了众多国内大模型的昇腾AI。

目前，基于昇腾AI已孵化和适配30多个主流大模型，超过一半的中国原生大模型基于昇腾AI孵化。

其中就包括了悟道大模型、鲲鹏大模型，鹏程系列、紫东系列等。

如果说，大模型是智能化时代的新型工件，那么昇腾AI则相当于制造了这些工件的“母机”或“车床”。

它不仅可以生产和加工各种大模型，满足不同的需求和场景，还提供了大模型的训练、推理、优化、部署等全流程的能力。

那么，在大模型竞争日益激烈的今天，它的出现，对中国大模型的整体生态，又意味着什么？

今天，我们就试着从技术与商业应用两方面，详细谈谈昇腾AI对中国大模型的意义。

01 AI时代心“底座”

众所周知，大模型的训练、开发人工智能需要算法、算力和数据的积累，对于大多数实力并不雄厚的普通企业而言，这是一道难以逾越的技术门槛较。

如何让更多企业简单、便捷地开发自身的大模型，就成了人工智能得以落地化、产业化的关键。

而昇腾AI就是这种让AI实现“量产化”的AI。

具体来说，它主要从以下几个方面，为大模型的研发和应用提供了支持。

硬件与算力

异腾Al基于华为自主研发的鲲鹏处理器和异腾加速卡，承载了海量数据的处理、超大模型的训练和推理。单卡最大提供100 TOPS INT8算力，为数据中心推理提供更强大支持。

在AI芯片方面，昇腾系列AI处理器，是基于华为自主研发的Da Vinci架构设计的AI芯片。

目前主要包括了昇腾910（用于训练）和昇腾310（用于推理）两款处理器，采用自家的达芬奇架构。

基于昇腾系列AI处理器和基础软件构建Atlas人工智能计算解决方案，包括Atlas系列模块、板卡、小站、服务器、集群等丰富的产品形态，打造面向“端、边、云”的全场景AI基础设施方案，可以满足不同场景的大模型计算需求，例如：

昇腾910，是一款面向云端和数据中心的高性能AI处理器，具有256Tops@FP16的算力，可以支持超大规模的AI训练任务，如自然语言处理、计算机视觉、推荐系统等。

而昇腾310，则主打面向边缘场景的低功耗AI处理器，具有16Tops@INT8的算力，针对的应用场景也变为了视频分析、智能监控、智能驾驶等。

同时，昇腾系列AI处理器，还支持多种数据类型和精度，如FP16、INT8、BF16等，让用户可以根据不同的模型需求，进行灵活选择。

集群硬件上，昇腾AI全栈能力支撑全国20多个人工智能计算中心建设。其所属的Atlas 800 AI训练集群，是一款面向大模型训练场景的高性能AI集群，支持8K液冷集群，每台服务器内置8颗昇腾910 AI处理器，可以提供2.24 PFLOPS的超强算力，支持深度学习模型的快速开发和训练。

具体来说，它具有如下的特点：

高速网络带宽：每台服务器配备8个100G RoCE v2高速接口，实现芯片间跨服务器互联，降低时延和功耗。

超高能效：每台服务器最大功耗仅为5.6 kW，单机支持风冷和液冷两种散热方式，提供2.24 PFLOPS/5.6 kW的超高能效比。

全场景AI计算框架：支持华为自研的全场景AI计算框架MindSpore，兼容主流AI框架如TensorFlow、PyTorch等，提供丰富的算法库和工具包。

在集群训练的稳定性上，昇腾已经做到了2千亿参数大模型25天稳定训练至收敛。

软件架构

CANN异构计算架构是昇腾AI的基础软件架构，提供了多维度混合并行、多层级存储优化、断点续训等能力，加速大模型的高效训练。

多维度混合并行是指在训练大模型时，利用多个昇腾AI处理器之间的协作，将模型和数据分割成多个部分，分别在不同的处理器上并行执行，从而提高训练效率和性能。

这就像是要烘焙一个很大的蛋糕，可以把蛋糕切成几块，分别放在不同的烤箱里烘焙，然后再把烤好的蛋糕拼接起来，这样就可以节省时间和空间。

多层级存储优化是指在训练大模型时，利用昇腾AI处理器上的不同层级的存储空间，根据数据的访问频率和重要性，将数据分配到合适的存储位置，从而提高数据的读写速度和效率。

CANN异构计算架构还提供了统一的编程模型和运行时环境，支持多种AI框架和语言，兼容多种厂商硬件，实现软硬件协同优化。

MindSpore AI框架是昇腾AI的全场景AI计算框架，提供了灵活的编程方式和丰富的算子库，支持业界主流社区模型套件，兼容第三方AI框架生态，为AI模型开发提供高效的编程体验。MindSpore AI框架还提供了自动微分、自动并行、自动混合精度等能力，为大模型的训练提供更高的性能和效率。

MindStudio开发工具链是昇腾AI的全流程开发工具链，提供了算子、模型、应用一站式高效开发和极简部署的能力，为AI模型开发提供便捷的开发工具。MindStudio开发工具链还提供了性能分析、调试、故障诊断等能力，为大模型的训练提供更好的开发体验。

02 以应用赋能生态

除了强大的软、硬件基础外，昇腾AI之所以得以孵化超一半中国原生大模型，另一个重要原因，就是其丰富的应用使能、和开放的生态合作。

MindX应用使能平台

具体来说，其所提供的MindX应用使能平台，提供了多个领域和场景的SDK，并封装了华为在行业AI领域的基础算法和经验积累，目前包括制造质检、视觉分析、检索聚类、大模型微调等四个SDK。

凭借着SDK提供的多种功能，用户不需要从零开始编写AI代码，而是直接调用SDK提供的简单易用的API，就可以实现各种AI功能，从而实现了快速开发和部署AI应用。

此外，微调套件SDK还提供了多种微调算法和策略，如知识蒸馏、量化、剪枝等，为大模型提供了更高效和灵活的微调方式。

同时，MindX应用使能平台还提供了ModelZoo，一个基于昇腾AI处理器的预训练模型库，为用户提供了多个领域和场景的高质量预训练模型，让用户可以快速使用和微调大模型。目前已提供20多个模型，下半年将增加到50以上。

具体来说，它是通过提供大模型低参微调套件（MindSpore PET）来帮助用户快速使用和微调大模型的。

MindSpore PET是一个基于昇思MindSpore的大模型低参微调套件，可以在不改变模型结构的情况下，通过少量参数的微调，实现模型在不同任务上的迁移学习。MindSpore PET支持多种预训练模型，如BERT、GPT-2、GPT-3等，以及多种下游任务，如文本分类、文本生成、阅读理解等。MindSpore PET还提供了一键式微调、评估、推理等功能，支持昇思高性能大模型。

这就像是用户想要一辆汽车（大模型），但是没有时间和精力去自己设计和制造。那么，用户就可以从ModelZoo中选择一辆已经优化过的汽车，它可以在昇腾AI的道路上高速行驶。

同时，用户还可以通过MindSpore PET对“汽车”的少量参数进行微调，比如换个颜色、加个音响、改个轮胎等。让它更适合自身的需要，而不需要花费太多的时间和精力。

开放的生态合作

除了通过MindX应用使能平台，提供各种应用场景外，昇腾AI在构建产业生态方面，也通过技术开放与合作，促成了产业的落地与应用。

目前，昇腾AI不仅开放了大模型技术平台，还与UCloud、厦门文广、众数信科、南沙公控、CSDN等伙伴共同推进大模型在各个行业的应用和落地。

例如，在电力行业，南方电网与华为签署了合作备忘录，携手推进人工智能在电力调度的创新应用。

双方将基于昇腾AI技术，针对电网当前动态出力和负载状况，实时做出更加经济和安全的调度决策和编排计划，同时助力机组出力分配最优化，促进电力现货交易的供需平衡，有效降低平均发电成本，进而提升整体运营效率和效益。

在智慧城市和数字政府领域，昇腾助力智慧龙岗2.0的打造。深圳市龙岗区政务服务数据管理局基于昇腾软硬件。

双方将利用昇腾AI提供的大模型技术和语音识别技术，在龙岗区政务服务中心打造“智慧窗口”，实现语音自助查询、语音自助办理等功能，提高政务服务效率和便捷性。

而昇腾AI提供的大模型技术和图像识别技术，也将在龙岗区城市管理中心打造“智慧眼睛”，实现城市环境监测、城市事件识别、城市事件处置等功能，提高城市管理水平和品质。

同时，通过建立大模型创新联合体，昇腾AI也打通了科研创新、应用示范到产业推广的通道，目前，昇腾AI已经成立了遥感、多模态、流体力学三个大模型产业联合体，吸引了110多家科研机构和企业加入，孵化了80多个行业新应用。

具体来说，昇腾AI为联合体成员提供了多维度的扶持政策和资金支持，例如昇腾AI为联合体成员赠送了昇腾AI硬件设备，提供了免费的AI算力资源，发放大模型研发补贴、大模型应用补贴等，帮助联合体成员加速大模型的研发和应用进程，降低项目风险和压力。

这些举措，都让联合体成员可以更容易地将大模型应用于各个行业领域，打造行业解决方案和典型案例，展示大模型的价值和效果。

同时使得联合体成员可以更广泛地将大模型推向市场，拓展商业渠道和客户群体，实现产业规模化和商业化。

03 总结

在AIGC时代，如果大模型只停留在实验室的层面，无法与真实的行业需求和应用场景相结合，那么它就会失去其存在的意义和价值。

这方面的反面教材，莫过于当年的VR技术。

VR技术在应用落地过程中遭遇的困难，是技术瓶颈、内容缺乏、产业链不完善和应用环境的限制，这些困难导致了VR技术难以实现规模化应用和价值创造，最终成为了一阵风，而无法带动行业变革。

昇腾AI作为一种全栈AI计算基础设施，为大模型提供了从芯片到框架、从平台到应用的一体化解决方案，有效降低了大模型的开发门槛和成本，提升了大模型的性能和效率，促进了大模型的产业化和商业化。

昇腾AI这样的全栈AI计算基础设施，有效地解决了大模型所面临的技术瓶颈、市场障碍、生态缺失等问题，并让其实现了真正的落地和价值创造。

而只有通过产业落地和应用扩展，大模型才能真正发挥其优势，解决实际问题，创造社会效益和经济效益，推动人工智能技术的进步和创新，引领行业变革和发展。