第一，高质量算力资源不足且较为分散，GPU 芯片A800增量受限制，A100存量严重不足，进一步支撑
人工智能大模型训练存在一定难度，并且逐步成为新的“卡脖子”问题。第二，基于算力需求多样化、碎片化的特点，算力资源供需错配的情况时有发生。第三，算力基础设施属于重资产和资本密集型行业，具有前期投入大、技术迭代快、建设门槛高等特点，其建设运营需要消耗巨大的时间成本和资金成本，远远超出了中小微企业的承受范围。基于此，笔者提出以下建议。
首先，大力发展聚合计算先进技术，解决“卡脖子”问题。强化关键核心技术攻关，针对当前算力需求多样化的特点，大力发展异构计算、异构集成、堆栈封装等先进技术，采用不同的架构、工艺和集成组合方式，将低质量的算力聚合起来执行高质量的计算任务。科学组合不同类型的算力单元，实现计算密度、性能和效率的大幅提升，支持人工智能大模型训练等重点场景的应用和发展。
版权申明：本内容来自于互联网，属第三方汇集推荐平台。本文的版权归原作者所有，文章言论不代表链门户的观点，链门户不承担任何法律责任。如有侵权请联系QQ：3341927519进行反馈。
