這幾天對我來說最大的新聞，就是當?shù)貢r間12月2日美國大幅擴大對中國半導體產(chǎn)業(yè)鏈企業(yè)封鎖，包括大批中國半導體生產(chǎn)設備企業(yè)的140家企業(yè)被新列入了實體清單。感覺美國的“小院高墻”政策，在半導體領域并不成立，而是在走向對中國半導體企業(yè)全面封鎖。

尤其是北方華創(chuàng)， 盛美半導體，拓荊科技，芯源微等生產(chǎn)設備企業(yè)也上了清單， 北方華創(chuàng)一直是我最喜歡的企業(yè)，可能是因為2019年以來這是我賺最多錢的一支股票的緣故。

我國四大行業(yè)協(xié)會罕見的同一時間（巧了，都在12月3日下午五點多）發(fā)聲反對，包括中國互聯(lián)網(wǎng)協(xié)會、中國汽車工業(yè)協(xié)會、中國半導體行業(yè)協(xié)會、中國通信企業(yè)協(xié)會。

而且措辭風格都還比較相似，都不約而同的、也是歷史上第一次明確提到了美國芯片不再安全可靠，建議中國企業(yè)謹慎采購。

我對比了下以前我國行業(yè)協(xié)會的反應，可以說在措辭上大不相同，這是頭一次出現(xiàn)建議謹慎采購美國芯片的說法，以前發(fā)的聲明在對美措辭上要柔和的多，可見國內(nèi)行業(yè)從業(yè)者的自信心這幾年增強了。

從2018年的中興事件開始，這些年美國在半導體產(chǎn)業(yè)方面和中國全面脫鉤的趨勢是明確的。

我想最后最大的原因還是，人工智能技術是現(xiàn)在和未來人類社會和經(jīng)濟發(fā)展最大的變量，是會影響千行百業(yè)的技術，會極大的改變?nèi)祟惿鐣拿婷玻?/strong>而半導體又是為人工智能提供算力的底層技術之一。

而我國各界對于美國的制裁加碼，反應已經(jīng)越來越淡定，而這正是因為我國對此已經(jīng)有可以應對的解決辦法。

說到這里，我又不得不提起華為了，原因很簡單， 華為是目前國內(nèi)唯一一家可以提供從芯片，操作系統(tǒng)，AI框架，網(wǎng)絡（網(wǎng)卡，交換機），存儲等全套自主研發(fā)AI算力基礎設施的廠家。

而且在可見的將來，我覺得國內(nèi)也很難出現(xiàn)第二家做到這一點。

面對美國不斷在半導體領域加大封鎖， 華為公司的輪值董事長徐直軍，就 在2024年9月19日的華為全聯(lián)接大會2024上做主題發(fā)言中講述了華為如何應對：

首先認為要面對現(xiàn)實，國產(chǎn)芯片在相當長時間內(nèi)先進性將受到制約，這是中國打造算力解決方案必須面對的挑戰(zhàn)。

然后華為認為人工智能正在成為主導性算力需求，需要的是系統(tǒng)算力，而不僅僅是單處理器的算力。這是包括華為在內(nèi)的國產(chǎn)算力供應商的一個機遇。

而華為在這方面的戰(zhàn)略核心是，基于實際可獲得的芯片制造工藝，計算、存儲和網(wǎng)絡技術協(xié)同創(chuàng)新，開創(chuàng)計算架構，打造“超節(jié)點+集群”系統(tǒng)算力解決方案，長期持續(xù)滿足算力需求。

華為的這個“超節(jié)點+集群”是什么意思呢？

在算力中心里面，單臺服務器就叫做節(jié)點，而算力中心一定是幾百臺上千臺甚至可能更多的服務器節(jié)點組成的，那對于算力中心來說，算力的瓶頸就不只是單臺服務器節(jié)點的能力了，大規(guī)模節(jié)點之間的穩(wěn)定和高速的通信就變得很重要了。

而通信則是華為的強項，因此如果通過華為擅長的高速互聯(lián)通信技術，把多個節(jié)點視為一個超節(jié)點，在超節(jié)點內(nèi)部的各個節(jié)點之間實現(xiàn)高速度互聯(lián)，可以有效地提升訓練效率，還能減少各種故障發(fā)生。

而多個超節(jié)點，就又能組成集群了。

如何讓集群發(fā)揮最大功效，這里不得不提華為又一個聰明之處，就是集群裝上“指揮大腦”，華為用自研的瑤光智能云腦對云上資源進行多遠算力統(tǒng)一建模，靈活調度組合，按需提供給應用。

也就是說，不管是存儲服務器也好，計算服務器的NPU芯片也好，CPU芯片也好，還是服務器的內(nèi)存也好，還是不同的服務器之間也好，互相之間都支持高速通信，速度從以前的百GB/s級別達到TB/s級別。

另外，不只是通信，超節(jié)點集群內(nèi)部的各種資源都可以統(tǒng)一快速的智能調度，訓練和推理需要內(nèi)存就分配內(nèi)存資源，需要算力就分配NPU芯片資源，需要存儲就分配存儲硬盤資源，實現(xiàn)統(tǒng)一調配。

這就讓我想起了拿破侖說過的：

“兩個馬木留克兵可以對付三個法國兵，因為馬木留克兵武器更好、馬匹更好、訓練更好，擁有兩雙手槍、一支喇叭槍、一支馬槍、一頂有面甲的頭盔、一副鎖子甲、幾匹戰(zhàn)馬以及幾個步行仆役。但100名法軍騎兵無需害怕100名馬木留克兵，300法國兵就足以戰(zhàn)勝300個馬木留克兵，而1000個法國兵就總能打敗1500個馬木留克兵：戰(zhàn)術、隊形和隊形變換的影響實在是太大了！”

預計明年，華為云基于CloudMatrix全新架構的昇騰AI云服務將正式商用，用的就是這個思路。

實際上華為云經(jīng)過這幾年的努力，打造的昇騰AI云服務就已經(jīng)在國內(nèi)向大量企業(yè)提供了大規(guī)模的AI算力。華為云分別在內(nèi)蒙的烏蘭察布，安徽的蕪湖，貴州的貴安，以及香港建成了四大AI算力中心集群。

像如果是華東地區(qū)的企業(yè)上AI推理應用，可以就近通過昇騰云接入到蕪湖的算力中心，時延可以低至10ms。

這是華為將自己多年來打造的全自研獨立自主技術，為全社會提供安全可靠的算力服務，支撐中國人工智能產(chǎn)業(yè)的發(fā)展。

下圖就是華為云今年六月在蕪湖落成的智算中心，10ms時延專線直達華東六省一市及華中（湖南、湖北、江西）20多個熱點城市。

我們都知道自從2022年11月30日ChatGPT發(fā)布后，中國接著在2023年也迎來了大模型的大爆發(fā)，誕生了幾百個大模型，其中有不少就跑在昇騰云上面。

像騰訊音樂2024年9月發(fā)布的Muselight大模型就是在昇騰云上運行。這個大模型可以能夠輔助音樂人進行旋律構思、和聲編排以及歌詞撰寫等，還能對聽歌的用戶實現(xiàn)更加精準的個性化推薦，以及對音樂通過元素分析進行版權評估等。

同樣在今年9月順豐發(fā)布的豐語大模型也跑在昇騰云上面。快遞小哥不少是新員工，即使是老員工也有不少專業(yè)事情搞不清楚，比如寄國際快遞某項物品是否符合規(guī)定，不同價格的寄送時效等等，有了大模型能力加持，小哥直接在順豐自己的APP上問，馬上就能得到專業(yè)的回答，大大提升了工作效率。

華為云昇騰AI云服務為了能為國內(nèi)的幾百個大模型提供算力，已經(jīng)對一百多個主流大模型都做了適配，企業(yè)在用的大模型如果算力不夠，可以遷移到昇騰云上面。

在2024年12月的今天，人工智能的應用已經(jīng)深入到了我們生活的方方面面，我們已經(jīng)在主動和被動的大量使用人工智能技術，只是我們并沒有有意的去總結和察覺。

我認為每個人，每個公司都要開始自己的AI轉型。

我這里總結我日常生活會用到的10個人工智能高頻場景（主動或被動），從中可以一窺各行各業(yè)的智能化速度：

1：我開車會使用汽車的自動駕駛，這對應的是汽車行業(yè)智能化。

2：給孩子批改作業(yè)和輔導作業(yè)，會利用AI技術，如下圖。這對應的是教育行業(yè)智能化。

3：車牌識別，這背后是政務智能化和汽車服務業(yè)智能化。

4：人臉識別，比如我線上辦證，進公司大樓，機場的閘機等。這對應的是政務，金融智能化和公司園區(qū)智能化。

5：手機的輸入法，直接語音轉化為文本，這對應的是手機智能化。

6：每天打開手機，資訊和購物APP會自動推薦感興趣的內(nèi)容，這是屬于被動的使用AI。這對應的是互聯(lián)網(wǎng)行業(yè)智能化。

7：每天接到的電話尤其是銀行的電話，不少是AI客服打過來的。這對應的是客服場景智能化。

8： 最近幾個月，我很愛在開車的時候聽各種AI生成的歌曲，例如AI模仿孫燕姿的聲音唱各種周杰倫的歌，被廣大網(wǎng)友認為是AI的神作。

這和上面使用昇騰云服務的騰訊音樂一樣，對應的是音樂行業(yè)智能化。

9：AI翻譯功能，例如在手機上長按圖片自動翻譯，這對應的是翻譯行業(yè)智能化。

10：使用AI助理，有問題問AI。

除了這10個高頻場景外， 我喜歡周末去爬山，看到不認識的植物直接拍照就能識別出是什么名字以及詳細資料。

另外現(xiàn)在各種無人機表演也很多，甚至可以上萬架協(xié)同表演，也是應用了人工智能技術，我還特地帶娃去看無人機表演，這對應的是無人機智能化。

對中國的千行百業(yè)來講，智能化已經(jīng)是必由之路，而向華為云這樣的算力供應商購買算力服務是個很好的選擇。

在2023年底，中國光是規(guī)模以上工業(yè)企業(yè)都高達50.1萬家，如果所有行業(yè)加起來規(guī)模以上工業(yè)企業(yè)估計超過百萬家。

我個人認為這里面99%以上的企業(yè)都需要在外部采購算力服務，能完全靠自建算力滿足自身需求的企業(yè)是極少數(shù)。

并不是每個企業(yè)都要自己建設大規(guī)模AI算力，像AI芯片硬件迭代速度很快，自建不僅成本高，而且如果你沒有做超節(jié)點和集群的能力，單純只是買AI服務器硬件，那么過一兩年在性能上可能就落后了；

而且算力中心里面往往是多個代際的硬件在跑，導致資源調度復雜度高，如果沒有專業(yè)的廠家來做資源調度，可能因為歷史代際產(chǎn)品的“木桶短板”效應，拖累新一代產(chǎn)品性能的充分發(fā)揮，影響大模型訓練的能力，不僅如此多代際產(chǎn)品共存還導致運營維護很困難。

另外從基礎大模型這兩年的發(fā)展看，大模型的訓練需要越來越多的高質量數(shù)據(jù)，預訓練數(shù)據(jù)量已經(jīng)進入10萬億tokens量級。

而且大模型參數(shù)量也在持續(xù)增大，帶來的是訓練成本升高，這就導致能玩得起大模型訓練的廠家在以后會越來越少，大部分企業(yè)未來將會聚焦自身業(yè)務，而去采購業(yè)界巨頭公司訓練的大模型。

在這樣一個趨勢下，各大廠商也在不斷的在技術上升級自己提供的算力服務，以滿足中國千行百業(yè)智能化的需要。

上文我提到過，昇騰云預計將在明年商用的Cloudmatrix架構，就踐行了超節(jié)點+集群的理念。

在算力中心里面，一切資源（CPU，NPU，內(nèi)存）可池化，一切可對等連接，一切可進行組合，極大的提升效率，極大的提升可靠性。

這就像一個大公司打破了管理的部門墻，可以任意的讓不同的員工組合成一個優(yōu)秀的團隊。

華為內(nèi)部用盤古大模型做了測試，使用同樣的模型，在CloudMatrix架構下稠密模型訓練效率可提升20%，而稀疏模型訓練效率可提升60%，在推理場景性能也能提高30%，這就彌補了在單顆芯片制程上落后英偉達的不足。

大模型訓練時，并不像我們想象的那樣會一直從0%-100%，只需要等待即可，而是會不斷的中斷。

今年7月份，Meta 在一份研究報告中揭示了訓練他們的Llama 3 （4050億參數(shù)）模型遇到的問題：該系統(tǒng)在包含 16384 個 Nvidia H100 GPU 的集群上運行，在訓練期間平均每三個小時就發(fā)生一次故障， 54 天內(nèi)經(jīng)歷了 419 次意外故障。

這充分體現(xiàn)了上萬張訓練卡一起運行時的巨大挑戰(zhàn)。

而華為云持續(xù)優(yōu)化昇騰 AI 云服務，目前已經(jīng)實現(xiàn)將萬億參數(shù)模型的訓練無中斷時長從 2.8 天提升至 40 天，并將集群故障恢復時間從 60 分鐘縮短至 10 分鐘，這表明在優(yōu)秀的集群架構下，國產(chǎn)算力中心的可靠性完全可以達到甚至超過英偉達的水平。

另外，針對大模型訓練的數(shù)據(jù)安全，華為云還采用了數(shù)據(jù)傳輸與存儲加密、數(shù)據(jù)安全清除、數(shù)據(jù)訪問控制、數(shù)據(jù)水印防泄漏等多重技術，確保大模型訓練數(shù)據(jù)的全生命周期安全。

AI實際上已經(jīng)滲透到我們生活的各個方面，中國各個行業(yè)都在不斷的引入和使用AI，用來提升效率，并引起經(jīng)濟，軍事和社會變革，而率先變革的國家將對后來者形成巨大優(yōu)勢。

例如自動駕駛的全面普及，將會影響數(shù)百萬出租車司機，滴滴司機，公交車司機，大巴車司機的工作崗位；

個人AI助理逐漸普及，在逐漸沖擊谷歌和百度這樣傳統(tǒng)搜索引擎的份額。

AI如此重要，也無怪乎美國人將此作為主要封鎖點，美國在半導體行業(yè)進行封鎖后，國內(nèi)還有華為昇騰云能提供全棧國產(chǎn)并且效率和可靠性都不錯的算力服務，已經(jīng)實屬難得。

國內(nèi)各行各業(yè)共同將國產(chǎn)的算力生態(tài)不斷壯大，相信未來總有最終徹底沖破封鎖的一天。