AI for Science科研新范式兴起，高校算力短缺困局亟待破解

【环球网科技报道 记者 张阳】在21世纪的科技浪潮中，人工智能（AI）如同一股不可阻挡的洪流，正以前所未有的速度和影响力重塑着世界。从日常生活的便捷服务到尖端科技的突破创新，人工智能的重要性已远远超越了技术范畴，它成了推动社会进步的关键力量，更成为连接现在与未来的桥梁。

AI驱动科研新范式

在这个智能化时代，AI不仅深刻改变了我们的工作方式、生活方式乃至思维方式，还为解决人类面临的诸多挑战提供了前所未有的机遇与可能。最显而易见的证明即是2024年的诺贝尔物理学奖和化学奖的得主都与AI有关。

复旦大学计算机科学技术学院教授、上海市数据科学重点实验室主任肖仰华就曾表示，“这次诺贝尔奖之后，我相信整个科学研究可能会搭上新的范式——AI驱动的科研范式。”这也就是业界所常说的AI for Science。百度公司首席技术官王海峰认为，“这将带来对算力的巨大需求，未来高校和科研院所的AI创新需要更强的算力支撑。”

例如，从望远镜、卫星和其他先进传感器收集的大量且多样的数据，基于AI的技术正在帮助识别大型数据集中的新模式和关系，而这些模式和关系原本很难被识别。这为科学研究提供了巨大的潜力，并鼓励科学家们采用更复杂的技术，这些技术在各自领域优于现有方法。

生成式人工智能工具可以协助推进科学研究。它们有望加快日常科学任务，如处理非结构化数据、解决复杂的编码挑战或支持学术文章的多语言翻译。此外，文本生成模型可能用于学术和非学术书面任务，对学术交流和研究评估产生潜在影响。

自有算力不足：建得少、分配慢、流程长

高校作为科研和学术创新的重要场所，毫无疑问将是AI技术创新和应用的重要阵地。当前，全国高校的算力供给情况呈现出快速发展和不断提升的态势。许多头部高校已经建立了自己的算力中心，并不断扩大硬件设施和软件服务的范围，以提供多样化的算力服务。

例如，复旦大学联合企业共建中国高校最大的云上科研智算平台，于2023年6月正式上线试运行；上海交通大学“交我算”平台提供的高性能计算资源总聚合算力9PFLOPS（每秒千万亿次），聚合存储能力 65PB。除许多一流高校已具备成熟的建设和运营模式外，二三线高校也正处于成长期，不断加大对算力的投入力度，增强计算能力。

不过，高校的算力建设水平与自身的科研经费紧密挂钩，根据调研数据，8.4%的高校已经建设校级算力平台，91.6%的高校尚未建设校级算力平台。并且，大多数校级算力平台的运算能力主要分布在250Tflops以下，存储空间主要分布在500TB以下，只能承担高校科研团队的教学培养和科研项目所需的中小规模计算任务。随着AI技术的不断创新和应用，高校和科研院所对算力的需求也在不断增长。从大数据分析到深度学习模型的训练，再到复杂AI系统的开发和部署，每一个环节都离不开强大的算力支持。目前高校所拥有的算力资源往往难以满足这些需求，导致科研项目进展缓慢，甚至不得不放弃一些具有潜力的研究方向。

再者，算力资源的分配与管理机制不够完善。高校内部往往存在多个学科、多个研究团队都对算力有需求的情况，但现有的算力资源分配方式可能不够科学合理。一些热门学科或大型项目可能会占用过多的算力资源，而一些新兴学科或小型研究课题则难以获得足够的支持。

同时，算力资源的申请、审批流程繁琐，也降低了资源的使用效率。部分高校的算力资源仅在工作时间开放，无法满足一些需要长时间连续计算的科研任务需求，造成了算力资源的闲置与浪费。此外有些高校内部甚至不止一个智算中心，还存在统筹算力调度、设备运维等多项问题。新疆大学信息科学与工程学院软件学院院长钱育蓉坦言，高校建设的部分算力设施因团队和项目需求的不均衡性，以及不同购买时期的型号差异，难以充分利用。高校作为AI人才培养的重要基地，其算力资源的短缺无疑会限制学生的实践能力和创新能力。

高校缺算力就会缺人才、缺创新动力

高校算力资源短缺的结果，还意外地加剧了高校的人才流失现象，促使那些有志于投身生成式AI研究领域的学生纷纷转向算力资源更加丰沛的大型科技公司。这些公司凭借其普遍拥有的比高校高出数百倍乃至数千倍的算力资源，对AI人才构成了极大的吸引力。

算力作为AI技术的核心要素之一，其重要性不言而喻。高校算力短缺问题更是不容忽视。它关系到教学和科研的深入发展，也关系到AI技术在教育领域的广泛应用。具体而言，强大的算力能够助力老师和学生深入探索科研与学术创新，如高效执行大规模数据处理、复杂模型训练及高精度模拟实验等任务，使他们在校园内就能将理论构想转化为科研成果。算力也可以用于支持虚拟实验室、在线课程和模拟训练等教育活动，为学生提供更丰富的学习体验和实践机会。

因此，我们需要从多个方面入手，共同推动高校算力水平的提升，只有这样，才能为科技创新和人才培养提供有力支撑，推动社会的持续进步与发展。