研發大型 AI 模型

文/洪士灝

ChatGPT 走紅之後，好幾家公司都放出消息說他們有能力訓練大型 AI 模型，有些朋友跑來問我究竟如何。我說我樂觀其成，但是要好好駕馭大型 AI 模型並不容易，然後一個不小心就講了兩個小時。

去年五月應人工智慧基金會的邀請，給了一場20分鐘的演講，題目是「以垂直整合的系統架構與基礎建設提升 AI 能力」，其實談的就是如何有效率地訓練大型 AI 模型（請參考連結貼在留言區的報導，據說5分鐘可讀完），不過我想當場應該沒有幾個人會預料到 ChatGPT 的爆紅。

或許作為一介學者，我可以任性樂觀。事實上我多年來關注於大型 AI 模型的研發，每次演講時都會提到，台灣在資訊科技上得天獨厚，擁有多年耕耘所得的硬體製造基礎，也有相當好的人力資源，如果能夠善用開源軟體，致力於高門檻的軟硬體整合，應能在國際上扮演關鍵的角色。

AI 系統所需的軟硬整合能力，從各類 AI 應用所需的模型、軟體框架、系統軟體、系統架構、硬體設計、晶片製造，都是台灣產業界可以著力的範疇，只是跨領域的垂直整合有其難度，其中最艱難的可能就是要讓業界領袖願意投入這件事。

其實業界領袖很精明，他們知道這件事的重要性，只是做這件事需要資金、人才和商機，最好是三者俱足才做，否則何必放下眼前可賺快錢的機會呢？但是，人才豈是要有就有的呢？不過從老闆的眼中，等到商機出現後再來挖角，不是更省力嗎？更何況，人才的養成需要成本和時間，何必辛苦培育出的人才讓別人挖走呢？再說，人才培育不是大學的責任嗎？

不過，我這幾年很少說什麼批評慣老闆的話了，因為：

(1) 的確有越來越多願意突破上述框架的老闆。
(2) 我寧可多說說如何與願意突破框架的人一起來培育人才，比較有建設性。
(3) 當產業界有足夠的高階研發人才以及正面的轉型案例時，研發文化才有可能轉變，在此之前，多說無益。
(4) 無論有沒有準備好，時候到了遲早都得轉型，這一波的 ChatGPT 就是如此，這時候不用我多說，人家也會積極進取，這時候借力使力、事半功倍。

回歸主題，話說要研發大型 AI 模型，首先要有夠好的系統架構和夠格的基礎建設，否則只是空談，但這件事情光是靠學校的經費根本不夠，唯有靠產學合作或者是國科會（科技部）的支持。

七年前，國內還沒有像樣的基礎建設，懂得系統架構且願意投注於高效能 AI 計算的單位很少，當時鴻海郭台銘董事長有遠見，不僅將高效能計算列為內部發展重點，旗下的鴻佰聘我擔任顧問，同時也贊助台大發展高效能計算，是一個不錯的契機。可惜天不從人願，當時發生了一連串不如意的事件，包括楊校長論文事件、卡管事件、郭董選總統事件，使得原本規劃的捐贈高效能設備與研究計畫案不如預期，不過我們還是在技術方面做了頗多的探索。

還好國網中心在科技部陳良基部長的指示下，建置有能力訓練大型 AI 模型的超級電腦。我一開始以顧問的身份參與規劃，後來在國網中心史曉彬主任的邀請下擔任副主任。當初的願景，是希望賦予產學界從事大型 AI 模型研發的能力，不過光靠基礎建設是不夠的，研發大型 AI 模型還需要研究人員、巨量資料以及時間來產出成果。有趣的是，學界似乎不認為研發大型 AI 模型是值得長期耕耘的「基礎科學研究」，因此在短期績效不夠亮眼的情況下，後續建置的台灣杉三號、四號皆採用傳統科學模擬工作所偏好的 CPU 架構。

今天托 ChatGPT 的福，大家都知道大型 AI 模型的重要性了，國內產官學要如何因應，或是如何善用此一契機來提生研發層次呢？我想我們比起很多國家的技術基礎好很多，有很多好事情正在發生，但也需要有章法。

無論如何，我欣見這一波 ChatGPT 風潮帶動國內業者的關注，如我過往所強調的，台灣的產業界在軟硬垂直技術上有相當多的利基，有很多可關注的議題，例如：

– 如何有效率訓練大型 AI 模型？
– 如何客製化大型 AI 模型以滿足特定用途的需求？
– 如何有效壓縮大型 AI 模型以及設計支援高壓縮率的 AI 晶片？
– 如何將資安與隱私保護技術有效導入大型 AI 模型之訓練與佈署？

以上是我這幾年比較關心的議題，其中都有可能透過軟硬整合提供具競爭力的解決方案。對本土公司而言，不見得什麼都自己做，可以試著和其他公司一起嘗試。

瀏覽 594 次