在人工智能技术迅猛发展的今天，AI大模型的训练成本与效率问题愈发受到关注铆合模具。清华大学计算机系教授、国家工程院院士郑㊣纬民近期在与新浪科技的对话中透露，通过超级计算服务进行AI大模型训练，成本可以降低至使用英伟达硬件的六分之一。这一发现在当前技术竞争中显得尤为重要，尤其是在面对全球技术追赶和国内算力需求不断增长的背景下。

　　郑纬民指出，传统的AI模型训练通常需要数十亿元的投资，而借助超㊣算平台，企业可以以更㊣低的成本获得强大的计算能力。这一转变✅不仅能缓解因算力不足而造成的焦虑，还有助于推动各行各业更好地应用AI技术，实现与国民经济的深度结合。比如在金融、医疗、制造业等领域，大模型通过提供更精准的分析和决策，有助于提升生产效率和服务质量。

　　在当前的技术环境中，郑纬民还强调了“以存换算”的创㊣新思✅路，这一思路特别强调了存储系统在AI推理过程中的重要性。在清华大学与AI独角兽企业月之暗面共同开发的Mooncake技术框架中，这一理㊣念得到了具体应用。Mooncake框架的核心在于有效利用现有存储资源，降低推理㊣过程中的算力需求，同时提升用户体验。通过将推理过程中产生的公共数据进行存储，后续用户请求时可直接调用，避免重复计算，进一步提高了训练效率。

　　然而，郑纬民也提出了当前运用异构计算卡集群训练大模型的若干挑战。他指出，混合使用不同厂商的芯片在提升算力的同时，也存在效率不均㊣的问题。这意味着，当强大的计算卡与较弱的计算卡共存于同一系统中时，整体性能的提升往往会受到较弱卡的限制。此外，数据传输的延迟和处理成✅本也成了实现高效异构训练的障碍。因此，寻求以超算为基础的㊣解决方案成为了未来发展的最佳路径。

　　面对这些挑战，郑纬民呼吁企业利用国内丰富的超算资源进行A㊣I大模型的训练。我国的超级计算机体系拥有庞大的算力，国家补贴的运营成本，使得企业能够以远低于国外价格的费用获取先进的计算能力。这种做法不仅能帮助企业降低研发成本，还能加㊣速中国在人工智能领域的布局和发展。

　　放眼未来，郑纬民对“以存换算”这一理念的推广及其带来的潜在影响持乐观态度。他认为，随着AI技术的发展，特别是在计算和存储的结合上，未来将会涌现出更多高效的技术方案，有效推动人工智能在更多实际场景中的应用。这不仅有助于企业在全球竞争中占得先机，也将极㊣大提高AI技术服务于社会经济发展的能力。

　　总结而言，人工智能技术正迎来一个由成本、效率驱动的全新阶段。郑纬民的观点不仅为企业提供了新的思路，也为政策制定✅者和行业领导者指明了前行的方向。利用超㊣算进行AI大模型训练，借助“以存换算”的新策略，中国有望在这✅一✅㊣领域实现跨越式发展，为未来的技术应用奠定✅坚实基础。返回搜狐，查看更多