通用AI对网络的需求本身就是通信网络的商业机会。

(相关资料图)

“以ChatGPT为代表的大模型架构，对训练数据的需求更是在数十TB甚至更大量级。” 华为广东产业与发展部总经理阁刚 在接受《通信产业报》全媒体记者采访时指出，与之前的AI技术相比，大模型可以处理更多类型的任务，这使得大模型在各行业和场景中具有更高的实用性。 数据的获得，以及深度场景应用与移动互联网、物联网、智慧家庭等的结合，都会为网络的带宽、时延、稳定性、安全性提出更急迫的要求。

首先，参数量的变化。 随着大模型参数量的增加，模型的计算和存储需求也随之增加，设备需要实时与云端的大型AI模型进行交互。这需要更高的网络带宽和低延迟的连接，以确保用户体验。此外，边缘计算的需求会随着应用深入而增加，降低延迟并减轻云端服务器的负担。

其次，应用广泛性。 由于大型AI模型具有更广泛的应用领域，这会使得更多的设备和应用依赖于通信网络。例如，自然语言处理、计算机视觉、语音识别等应用可能在各种设备上广泛使用大型AI模型，对接入网的流量压力会大大增加。

最后，网络安全。 通用AI的广泛应用依托于“无处不在的连接”，大量的数据，尤其是与业务、生产等相关的数据流动，网络安全风险会大大增加。

阁刚认为，以大模型架构为代表的通用AI，在训练所需的数据量，以及深度应用方面都和之前的系统有很大差异， 对网络的需求本身就是通信网络的商业机会。

第一，通信基础设施。 以5G、F5G、全光网、MEC等为代表的网络技术演进，为数据传输和介入提供高带宽和低延迟的稳定网络通信。

第二，安全与隐私保护。 提供安全和隐私保护相关的服务，如加密通信、数据保护和安全审计等，从而满足市场需求并创造商业价值。

第三，在个性化服务方面。 运营商可以利用通用AI技术为用户提供更多增值服务，例如，智能语音助手、个性化推荐、实时翻译等。

第四，在网络建设和维护方面。 AI技术有助于构建弹性和自适应网络，网络应能够根据流量变化和应用需求自动调整资源分配。

阁刚表示，在AI行业发展趋势方面，训练大模型有两个关键因素。一个是 对资金门槛要求较高 ；另一个是 对算力有极高的需求，对技术门槛要求特别高。

据了解， 广州人工智能公共算力中心 ，基于昇腾基础软硬件平台，对外提供 99P规模的AI算力服务 ，通过优势资源共享与互补，增强人工智能算法基础设施创新能力，以开放生态加速大模型技术创新与成果转化，促进AI产业化和产业AI化落地。同时，在大模型产业化方面发起创新联合体、生态联合体、人工智能产业联合体等合作方式，将以联合体的模式把高校和科研院所、企业多方结合起来，更好地让大模型产业形成正向的闭环回路，为AI大模型训练持续提供普惠算力服务，繁荣AI行业生态。

阁刚建议，运营商和云服务提供商需要 扩大数据中心的规模和计算能力 ，以提供适配需求的算力规模。同时，需要采取措施 提高数据中心的能源效率 ，以降低运营成本。此外，为应对应用的深入， 边缘数据中心将和计算集群一样重要 ，包括在网络边缘部署更多的计算资源，以便在本地处理和分析数据。

阁刚强调，更加先进的算力网需要“算力、存力、运力”共同支撑，只有算得快、存得好、运得稳，才能大幅提升数据从产生、存储、传送、到计算的整体效率，以全光品质运力真正实现算力“一点接入、即取即用”。