人民网北京8月5日电（记者赵竹青）最近，中国计算机学会（CCF）人工智能会议在******举行。在分论坛“见疆见昆仑·AI大模型算力前沿”上，专家学者们一致认为，在大型模型时代，智能算力成为“稀缺资产”，如何有效利用算力资源，以发挥其最大效益，已经成为每个参与者必须面对的挑战。

CCF人工智能与模式识别专委会主任于剑指出，**********之后，人们逐渐认识到，人工智能已经发展成为一种新型的“重工业”，其重要资产特征体现在算力、数据等方面，“这种变化将对人工智能领域的发展产生深远影响”。

“与传统云计算不同，这是一个典型的超级计算场景。”CCF常务理事陈健认为，目前大型模型的蓬勃发展实际上是大数据、人工智能和超级计算三种技术相互合作、共同演进的结果。

北京超级云计算中心首席技术官甄亚楠介绍说，由于超级计算和大型模型训练在存储技术、系统环境等方面具有许多相似之处，北京超级云计算中心正在实践利用超级计算技术来处理大型模型训练。他们计划在2023年底之前陆续增加大量GPU卡，并开始引入国产芯片。

“今年上半年，英伟达相关服务器的价格基本翻了一番。”陈健表示，大型模型热潮带来了巨大的算力需求，同时由于硬件供应困难加剧，这两个因素导致目前的“算力荒”。

由于算力如此紧缺，如何最大化利用来自高校的专家学者直言不讳地表示，这也是当前高校面临的一个难题。

在西安电子科技大学教授苗启广看来，对高校而言，算力的限制是一个很大的问题。面对目前算力不足的状况，高校需要思考如何充分利用外部提供的算力资源。烟台大学计算机与控制学院教授王莹洁也表示，对于高校来说，使用算力是需要耗费大量资金的事情。因此，高校急需解决如何更好地利用算力平台为科研服务的问题。

然而，高校自身建设的算力设施也存在利用效率低下的问题。大学信息科学与工程学院软件学院院长钱育蓉坦言，由于团队和项目的需求不均衡，以及不同购买时期的设备型号差异，部分高校自建的算力设施难以得到充分利用。目前，该学院正在尝试建立一个统一管理的算力中心，该中心不仅为本学院提供服务，还能为其他学院和社会需求提供支持，以期优化投入产出比。“将来，自建算力将成为学院和社会化服务的收入来源。”

北京邮电大学计算机学院教授石川补充道，目前科研算力主要依赖国外的技术架构。如果迁移到国内的算力设施上，对很多应用场景的不足。“很多时候，我们需要自行编写一些基础的算法库。”他表示，国内自主研发的算力平台不仅需要满足用户的硬件需求，同时也迫切需要解决软件层面的支持问题，这是一个需要紧急解决的瓶颈。