4月10日，在今日举行的“2024年云网智联大会”上，中国电信集团科技委主任韦乐平讲道，以大模型为代表的人工智能发展对高质量网络连接也充满期待，大模型将驱动网络连接走向大算力、大集群，从而引发大通信需求。

大模型代价在运用，小模型也不可忽略

大模型代价表示在运用上，韦乐平讲解道，在最尖端领域，大模型存在高技能、高投入、高能耗、高风险的弊端，仅ChatGPT等5-6个根本大模型能够长期存活；在次尖端领域，行业大模型层出不穷，成千上万，各领风骚。
而在大模型的运用层，泛在运用无穷无尽，这才是各种大模型真正表示代价和商业落地的地方。

值得把稳的是，韦乐平也提醒，在大模型运用代价凸显确当下，小模型的浸染也不容轻视。
由于大模型演习所须要的技能、算力、语料以及本钱很高，却通而不专，在面向详细运行环境的适应性和经济性方面，每每小模型更加实用，省钱、省力、省韶光。

目前已经有多种小模型产品问世，从技能角度看，有两大方向。

其一是知识蒸馏，紧张对大模型进行裁剪、优化，使演习好的模型的体积和尺寸更小，本钱更低、更适宜详细支配环境的实际需求，

其二是微型机器学习(TinyML)，该方向旨在低于1mw功耗下(如纽扣电池)运行机器学习，在本钱和功率受限系统中完成机器学习任务，是物联网领域AI的紧张方向之一。

超级以太网将极大赋能智算中央网络

为了支持越来越大的模型演习新需求，同时规避伴随而来的性能、处理时长和本钱的寻衅，天生式人工智能须要最佳联网技能的支撑。
韦乐平先容目前须要五种联网技能。

一因此太网，传统以太网难以支持大模型演习，但是基于强大以太网生态上的无损以太网，特殊是超级以太网仍将是最主要的联网技能。

二是PCIe，其可以为繁芜的天生式人工智能扩展间隔、简化系统架构、减少功耗。

三是芯片光互连，比较茂片电互连，可以大幅提升打算集群的扩展性(超100T)，且功耗很低，物理尺寸也更小。

四是CXL，其不仅可以连续用来增大做事器的内存规模，而且将越来越多的用来承担天生式人工智能演习的加速器浸染。

五是IB，其是目前性能最佳的成熟联网技能。
但是封闭和价高，仍将维系在高端大模型演习市场的相称份额。

为知足大模型打算的哀求，由GPU做事器联网构成的智算中央也应运而生。
昔时夜模型演习时，并行打算节点也越多，通信效率也越主要，因此适应大模型演习的智算网络性能成为集群算力提升的关键。

对此，韦乐平认为，就以上技能来看，目前IB性能最优，但技能封闭，价格高。
海内更方向无损以太网，但其也存在性能仍不敷，时延过长的缺陷，当前业界更方向采取增强无损以太网((如UEC))。

他预测，未来超级以太网(UEC:Altra Ethernet)将凭借可重构高扩展、高稳定、高可靠的以太网堆栈，在性价比上全面遇上IB。

谈及未来人工智能面临的基本寻衅，韦乐平认为紧张表示在两方面。
一方面是目前人工智能依然紧张是技能，还不算是科学，间隔通用人工智能还有很长的路。
紧张靠蛮力打算、繁芜算法、高质量海量数据和运气，并未节制核心事理，还不具备人类智能的基本特色。
另一方面表示在深度学习已开始碰着发展瓶颈，无法理解的算法黑盒、蛮力打算的巨大本钱和功耗以及不可控的演习结果等已经成为人工智能连续高速发展的桎梏。

在演讲末了，韦乐平总结道，虽然人工智能的极限还未可知，但迈向通用人工智能将是唯一能确定的事情；在思想、情绪、道德和自主意识方面，行业仍需做好必要的戒备和监管。