近期，国内人工智能领域的新星DeepSeek，凭借其强大的技术能力和广泛的应用场景迅速走红，成为业界关注的焦点。然而，随着用户量的激增，DeepSeek频繁出现的宕机问题也引发了广泛关注。

　　为此，金融投资报记者深入成都智算中心，专访了常务副总经理谢一明及技术部负责人廖显，试图揭开DeepSeek宕机背后的技术难题，并探讨如何在算力需求激增的背景下，保障系统的稳定运行。

　　廖显：DeepSeek的迅速流行带来了突发的用户使用量激增，这对系统的稳定性提出了严峻挑战。尽管DeepSeek在训练阶段已经对算力消耗进行了优化，有效降低了训练成本，但在模型推理方面，仍然需要依赖高可靠性的算力资源来确保服务的顺畅。尤其是在用户访问量急剧增加时，如何应对这种峰值消耗，成为了一个亟待解决的问题，而这并非大模型自身能够轻易解决的。

　　此外，DeepSeek在传统注意力机制上进行了诸多逻辑创新，这无疑增加了每次对话时的推理计算量，进而提高了对算力的需求。同时，DeepSeek推理背后的算力支撑是否完全稳定？软硬件结合是否需要进一步的优化？这些都是影响系统稳定性的关键因素，也可能是导致DeepSeek频繁宕机的潜在原因。

　　金融投资报记者：当前，AI大模型的训练和推理对算力的需求有多大？未来趋势如何？

　　廖显：AI大模型的训练和推理对算力的需求极其庞大。这是因为大型模型拥有海量的参数和需要处理巨额的数据集，导致训练和推理过程中需要进行大量的计算操作。在训练阶段，数千甚至上万块高性能GPU集群被用于加速模型的学习过程；而在推理阶段，为了满足实时性和处理并发请求，也需要相当可观的算力支持。随着AI技术的不断进步和应用场景的日益拓展，未来AI大模型对算力的需求将持续增长。为了满足这一需求，我们需要不断加强算力基础设施建设，提升算力的供应能力和利用效率。同时，也需要探索更加高效的算法和软硬件协同优化方案，以降低模型对算力的依赖，推动AI技术的广泛应用和发展。

　　金融投资报记者：算力瓶颈会如何制约AI技术的发展和应用？有哪些潜在的解决方案？

　　廖显：算力瓶颈对AI技术的发展和应用构成了显著制约。随着AI模型的日益复杂，对算力的需求急剧Kaiyun平台官方增加，而现有算力资源有限，这导致了训练时间延长、推理速度减慢，严重影响了AI技术的研发效率和实际应用效果。在诸如自动驾驶、实时翻译等需要快速响应的场景中，算力不足更是可能成为技术应用的瓶颈。

　　为了突破这一限制，可以从多个方面入手。首先，硬件升级是直接有效的手段。通过研发更高效的芯片，如专用AI芯片，可以大幅提升计算能力。其次，算法优化也至关重要。通过改进算法结构、减少计算冗余，可以在不牺牲模型性能的前提下降低算力需求。第三，分布式计算和云计算技术也提供了解决方案。通过将计算任务分布到多个节点，可以实现并行处理，从而提高整体计算效率。云计算平台则能够根据需求动态分配算力资源，实现算力的灵活扩展。最后，软硬件结合优化也是不可忽视的一环。通过优化软件设计，提高计算资源的利用效率，可以进一步挖掘现有硬件的潜力。

　　金融投资报记者：针对AI大模型的训练和推理，成都智算中心有哪些优化方案和技术优势？

　　谢一明：在训练阶段，成都智算中心通过分布式训练技术，将训练任务分解为多个子任务，并在多台高性能计算设备上并行处理，从而显著缩短了训练时间，提高了训练效率。同时，智算中心采用异构计算策略，根据任务特点灵活选择最优的计算设备，如GPU和TPU，以充分发挥不同硬件的性能优势。此外，智算中心还具备资源利用率监控与调优能力，通过实时监控计算资源的利用情况，及时发现并优化资源瓶颈，确保训练过程的顺畅进行。

　　在推理阶段，智算中心通过智能调度和资源优化，根据任务需求动态分配计算资源，保障模型推理的高效性和稳定性。针对用户访问量激增的情况，智算中心能够迅速扩展算力资源，确保服务的连续性和稳定性。此外，智算中心还提供了高效的推理性能优化框架，结合量化压缩和并行策略等技术手段，进一步提升了推理速度，降低了推理成本。

　　智算中心的技术优势在于其强大的计算资源整合能力、高效的资源调度算法以及丰富的AI应用经验。通过不断优化硬件和软件配置，智算中心能够为用户提供定制化的解决方案，满足不同行业、不同场景下的AI大模型训练和推理需求。同时，智算中心还具备高度的可扩展性和灵活性，能够根据用户需求的变化迅速调整计算资源，确保服务的持续性和稳定性。

　　金融投资报记者：成都智算中心如何帮助企业降低算力成本，提高算力资源利用效率？

　　谢一明：DeepSeek的横空出世，为企业使用语言大模型带来了前所未有的成本降低。它省去了语言大模型的知识产权授权使用费用（即俗称的License费用），使企业能够更专注于核心的开发工作，仅需考虑基于语言大模型的人工开发成本以及推理阶段的算力成本。这一变革极大地减轻了企业的经济负担，加速了AI技术的普及和应用。

　　成都智算中心在大模型项目中积极探索并实践了落后算力资源的再利用方案。通过巧妙的算力调度和优化策略，我们成功地盘活了那些原本可能被闲置或淘汰的计算资源，为它们赋予了新的生命。这些高性价比的算力资源服务，不仅满足了企业对算力的需求，还通过算力适配过程中的性能优化，进一步提高了算力资源的利用效率。

　　这种双管齐下的策略，不仅有效降低了企业的使用成本，还提升了整体计算资源的利用率，为企业的数字化转型和智能化升级提供了强有力的支持。未来，我们将继续深化这一理念，为企业创造更多价值。