中国电子首席科学家、中国电子云总工程师朱国平在接受专访时表示，人工智能发展是一个配套的过程，GPU技术迭代速度快，目前仍以GPU（中央处理器）+CPU形式为主，未来将加快发展规划。他认为，AI对算力的需求会随着模型数据量增大而急剧增长，并提出了传统计算与GPU相结合的解决方案。存储方面，GPU可以直接访问存储，提高训练效率，而算力调度也需适应AI训练需求，支持大模型本身的安全和合规性。国产GPU芯片需要在实践中不断迭代，解决芯片生产和制造问题，最终推动新型算力基础设施的发展。
《GPU加速AI发展：中国电子首席科学家朱国平的深度解读》
在中国电子科技集团有限公司，有一位被誉为中国电子领域领军人物的科学家，他就是朱国平。他以其丰富的网络资料储备和深邃的专业眼光，探讨了人工智能发展的脉络以及AI对算力的需求趋势。
朱国平指出，当前人工智能发展的核心驱动力是硬件技术创新，尤其是高性能计算设备的发展。GPU（Graphics Processing Unit），作为现代计算机的核心处理器之一，其速度之快在全球范围内享有盛誉。GPU技术迭代的速度非常快，目前仍然是以GPU + CPU 的形式为主，即通过中央处理器和图形处理器进行并行运算，但在未来，GPU 的功能将进一步增强，将其与其他组件如内存、存储等相结合，形成更为完整的高性能计算平台。
这种新的架构将使AI在计算资源上的需求急剧增长。据朱国平介绍，随着AI模型数据量的不断扩大，AI系统需要处理的数据量可能远远超过现有的单个GPU所能处理的能力，这就要求GPU能够有效地利用硬件资源，提高计算效率。为此，他建议采用“GPU + CPU”的模式，GPU 可直接访问存储空间，从而有效缓解计算压力，实现资源的有效利用。而在算力调度方面，GPU 将更好地适应 AI 训练的需求，提供强大的并行处理能力，满足大规模模型训练和优化的需要。
GPU 芯片作为新型算力基础设施的重要组成部分，其研发和生产面临着一系列挑战。一方面，GPU 设备的设计和制造涉及到复杂的工艺流程和生产工艺，包括电路设计、材料选择、封装测试等多个环节，这些都需要大量的研发投入和专业人才的参与。另一方面，国产 GPU 芯片的研发和生产能力相较于国际知名品牌仍有一定的差距，这在一定程度上制约了其在国内市场的竞争力和市场份额。
面对这些问题，朱国平强调，国产GPU 芯片的研发和生产需要在实践中不断迭代和创新。他表示：“我们需要从源头上解决芯片生产和制造的问题，不断提升技术水平和制造工艺，实现芯片生产的规模化和标准化。”同时，他还提出了一些具体的策略和措施，如加大科研投入，引入国际化人才，提升技术研究能力和产品创新能力，加强产业链协同创新，建立有效的知识产权保护体系等。
此外，朱国平还关注到了GPU 在大数据时代中的应用潜力。他表示：“GPU 技术的发展不仅适用于机器学习和深度学习等领域，还可以应用于大规模数据分析、实时视频处理、物联网等多个场景中，为我国在大数据时代的发展提供了有力的支持。”未来，他期待GPU 技术能够在更多行业和领域发挥更大的作用，推动新一代智能基础设施的建设和升级。
总的来说，朱国平关于GPU 加速AI发展的见解具有深远的影响。他的观点既体现了他对新兴技术趋势的敏锐洞察，也揭示了如何通过GPU 技术来应对日益增长的人工智能计算需求。相信在未来，随着中国电子科技的不断发展和全球人工智能产业的进步，国产GPU 芯片将会扮演更加重要的角色，为中国乃至全球的信息科技发展做出更大的贡献。